周末經歷了一場史無前例的美股大清理之后，本周一A股市場出現了戲劇性的一幕——股民資金大舉涌向納指ETF，主要場內納指ETF普遍放量大漲4個百分點左右。

整個2026年納指ETF（交易型開放式指數基金）單日漲這么猛的情況，一共也就出現過兩回：一次是美伊停火，另一次就是這次。按常理說，A股的納指ETF漲幅都跟前一交易日納指漲幅差不多，但這次明顯不一樣。

主要納指ETF的溢價率普遍來到了7到9個百分點。買個股多少年都碰不上一個漲停，現在為了買美股指數，竟然甘心多掏一個漲停板的錢，這些人的怨念可不小。

另外，被重拳打擊的美股券商富途的投資者交流社區，這兩天突然變成了相親社區。當然，這些帖子估計有不少是搞抽象的，畢竟沒人真敢把大筆資金跨境轉到素不相識的人名下。

玩笑歸玩笑，今天亞太市場表現普遍不錯，A股普漲，韓股修飾，澳洲兩小龍續創歷史新高，就剩持有港股資產的朋友心驚肉跳。亞太股市和美股ETF大漲的最主要原因，其實是美伊局勢的進一步緩和。3到5月份的能源危機主要還是炒預期，但要是霍爾木茲海峽真封到6月底，那鬼故事就要成真了。

5月23日美媒披露，美國和伊朗即將達成一份協議，內容包括：再次延長停火60天，期間伊朗可自由出口石油，霍爾木茲海峽保持開放，雙方就核問題展開談判。

目前雙方主要分歧在于伊朗能保留多少濃縮鈾、暫停核活動多少年，以及美國愿解凍多少伊朗資產、放開多少制裁。還有個好消息是，白宮首席經濟顧問表示，結束伊朗戰爭將為美聯儲降息創造條件。

經過這么一頓折騰，雙方都沒占到便宜，估計后面美國不會再大動出手，伊朗也不會再任性封鎖海峽。只是苦了那些當初賭中東會被炸成廢墟、全球鬧能源糧食危機的股民，沒準得在山頂上掛挺長時間了。

記住了：買預期，賣現實。伊朗戰爭打得最激烈的時候，我多次跟大家說，不要參與戰爭相關的能源、化工、糧食炒作，要趁低買入科技股。等雙方停戰再操作，黃花菜都涼了，就像現在這樣，仰無從下口。

過去兩天，全球科技巨頭不約而同地發布了未來半導體行業發展路線的一些前瞻性指引。華為正式提出了"韜定律"（Tau Scaling Law），野村證券的報告則提到了臺積電全新的3D堆疊封裝技術——SOIC混合鍵合。大體上，華為和臺積電的全新理論與技術路線，都與摩爾定律失效有關。

過去一甲子，全球芯片產業完全遵循摩爾定律的幾何縮微邏輯——不斷縮小晶體管物理尺寸，依靠先進制程提升性能。但如今這套鐵律已撞上雙重天花板：物理層面，當前制程逼近2納米、1納米級別，晶體管尺寸縮小到僅幾個原子量級，繼續縮小會出現嚴重的量子隧穿和漏電發熱問題；

經濟層面，7納米制程研發投入約30億美元，5納米達54億美元，3納米更是突破100億美元，投入產出比嚴重失衡。芯片行業陷入"越做越難、越做越貴、提升越來越慢"的僵局。

在這樣的背景下，5月25日，華為在上海國際電路與系統研討會上正式發布的"韜定律"和LogicFolding（邏輯折疊）架構就格外引人關注。

華為提出的韜定律，核心思路是跳出硬件內卷，通過邏輯折疊等新技術壓縮芯片內部的信號傳播延遲，可以理解為不在硬件上做大改動的前提下提升芯片的實際性能。打個比方，就是在不擴大住宅面積的前提下，通過優良的設計和裝修，創造更多儲物空間和相對更大的活動空間。

這個理論是有一定實操價值的。比如英偉達GPU的AI推理性能在10年內提升了1000倍，其中制程工藝的進步——從5nm到3nm再到2nm——只貢獻了2.5倍，而指令集優化和底層數學創新貢獻最大，達到了12.5倍和16倍。

華為半導體業務部總裁何庭波在演講中透露，過去六年華為已基于韜定律設計并量產了381款芯片，今年秋季即將發布的全新麒麟芯片將全面搭載LogicFolding架構，單位平面面積內晶體管數量從1.55億直接拉升到2.3億，在工藝節點不變的情況下實現性能大幅提升。

英偉達CEO黃仁勛在5月25日公開承認，華為已"基本接管"中國AI芯片市場。背景是DeepSeek上月發布的最新旗艦模型V4使用的正是華為昇騰芯片，隨著H100、H800等高端AI處理器對華出口受限，國內科技公司正加速轉向昇騰系列。

消息公布后，中芯國際股價單日大漲7.6%，市場對華為新架構能否帶動國內代工產業鏈升級反應敏銳——中芯國際今年1月剛在上海成立先進封裝研究院，顯然已在布局承接這類新型芯片的制造需求。

野村證券在22日發布的報告中提到的臺積電SOIC混合鍵合技術，則主要偏向于硬件層面。野村證券認為，這一技術將在未來兩年迎來需求激增。

這種技術路線是通過直接在原子級別將芯片的銅互聯層進行對接，無需經過任何中介材料，將互聯間距從傳統先進封裝技術的50微米縮小到了10微米甚至是1微米。之前芯片和內存交換數據的速度是每秒200GB，使用這一技術之后可以提升至每秒1TB——同樣也是在制程不變的前提下大幅提升了數據傳輸速度。

當然，新路線的挑戰依然不小。Counterpoint Research副總監指出，成本、功耗、散熱和系統集成仍是主要難題，尤其對云端AI服務器短期內難以完全解決。何庭波也坦言，新架構需要專為韜定律定制的芯片設計工具，從移動芯片到AI數據中心都面臨散熱挑戰。