每經記者 楊建    每經編輯 肖芮冬    

（一）重磅消息

據新華社消息，商務部部長王文濤3月22日會見美國蘋果公司首席執行官庫克。雙方就蘋果公司在華髮展、中美經貿關係等議題進行了交流。

據商務部網站消息，3月23日，王文濤會見韓國SK海力士首席執行官郭魯正。雙方就SK海力士在華髮展及中韓半導體產業鏈供應鏈合作等議題進行了交流。同日，王文濤會見法國巴黎銀行董事長樂明瀚，雙方就法國巴黎銀行在華髮展，中法、中歐經貿關係等議題進行交流。

（二）券商最新研判

華寶證券：A股漲勢明顯放緩，該如何應對？

2月6日以來市場普漲反彈，在三大股指收復1月失地之後，大盤漲勢放緩、行業輪動明顯提速，反映出市場分歧加劇，這讓部分投資者陷入了矛盾困境——加倉怕被套，不加怕踏空。如何看待本輪上漲的動能持續性，以及如何應對當前的行情？

來看前期支撐上漲的動能。在本輪反彈當中，流動性因素的貢獻較爲顯著：首先是政策發力以及中央匯金等長期資金入市。2月以來，監管釋放了穩定資本市場的信號，中央匯金加大了入市力度，滬深300ETF成交顯著放量，增量資金在千億級別，市場風險偏好修復，也推動部分前期從股市撤離的資金迴流。其次是美聯儲降息預期有所回升，疊加富時羅素提高A股納入因子，部分北向資金迴流。

回到未來行情展望，偏快速輪動的震盪行情中，投資者賺錢難度有所提升，若未選擇到強勢行業，則可能在震盪期間難以獲得理想的收益。這類行情下，可以考慮通過靈活運用“網格交易”來增強投資收益，待新的方向或市場主線明確之後，再進行倉位及策略上的切換。網格交易策略的本質，是一種邏輯簡單且有交易規則的高拋低吸交易方式。

那麼，當前哪些行業適合做網格交易？根據華寶網格交易量化篩選，當前可以在消費、醫藥、新能源、汽車、電子、通信、計算機等行業中，選擇行業ETF或個股進行網格交易。

國盛證券：整固行情持續，注意高低切換

滬指3090點附近拋壓較大，疊加上方3100點整數關口，短期繼續震盪整理的概率較大，下方支撐位3030點，第二支撐位2980點，在境外資金流出的情況下，內資積極護盤，若有回調，或是較好的加倉機會。指數或在有效整理後，完成突破走勢。

資金方面，從公開市場來看，央行3月21日進行20億元7天期逆回購操作，中標利率爲1.8%，與此前持平。同花順iFinD數據顯示，3月21日有30億元7天期逆回購到期，因此當日實現淨回籠10億元。

自2月以來，A股經歷了近1個半月的修復行情，交易活躍度逐步提升，在多路資金同步加倉A股的情況下，市場或具備一定的持續性。技術面看，滬指3090點附近拋壓需要釋放，短期防守位3030點，向上突破需成交量繼續放大，回踩不破或是較好的加倉機會，活躍題材或繼續圍繞新質生產力、人工智能、低空經濟等方面，短期關注碳纖維、AI+PC、消費電子、半導體等主線分支。

操作上，建議以逢低佈局爲主，注意高低切換。

（三）券商行業掘金

開源證券：大廠業績遠超預期，HBM供不應求

從大廠業績來看，根據美光科技發佈最新財報，FY2024Q2實現營收58.24億美元（此前指引51億~55億美元），同比+58%、環比+23%；淨利潤4.76億美元，表現遠超預期，實現強勁復甦。HBM方面，美光HBM3E將供應Nvidia H200 GPU，目前已實現量產，後續有望拉動公司毛利率水平，於2024年貢獻數億美元營收。目前來看，美光2024年HBM已經售罄，2025年產能也已近乎分配完畢，產品供不應求。

據集邦諮詢，截至2024年底，整體DRAM產業規劃生產HBMTSV的產能約爲250K/m，佔總DRAM產能約14%，原廠持續加大投入，供給位元年增長率有望高達260%。佔比方面，HBM需求持續旺盛，2024年訂單已基本被買家鎖定，佔DRAM總產值比重有望從2023年的8.4%提升至2024年的20.1%，成長迅速。

據閃德資訊報道，隨着庫存調整和智能手機市場需求轉好，三星西安NAND閃存廠稼動率正持續提升，目前已達70%。與此同時，鎧俠計劃在3月內將NAND稼動率提升至90%，大廠近期稼動率調升動作頻繁，反應需求正逐步向好。

相關公司有望充分受益，受益標的包括：存儲芯片方面，兆易創新、普冉股份、東芯股份、北京君正等；存儲模組方面，江波龍、德明利、協創數據、佰維存儲等；存儲接口方面，瀾起科技、聚辰股份等；存儲封測及HBM產業鏈方面，長電科技、通富微電、華天科技、香農芯創等。

東方證券：Kimi支持200萬字上下文，AI應用有望加速落地

3月18日，月之暗面宣佈旗下的智能助手Kimi的上下文長度突破到200萬字。上下文技術是大語言模型能力的核心之一，它決定了模型對信息的理解深度和廣度。支持更長的上下文長度能夠讓模型在處理大量信息時，保持較高的準確性，讓模型的應用場景得到進一步拓寬，

隨着大模型長文本技術不斷深入，AI應用落地的曙光初現。目前業界已經逐步形成共識，即使是千億參數的大模型也無法完全避免幻覺和胡說八道的問題。相比於短文本，長文本可以通過提供更多上下文信息和細節信息，來輔助模型判斷語義，進一步減少歧義，並且基於所提供事實基礎上的歸納、推理也更加準確。隨着Kimi率先在國內突破長文本技術，AI相關的應用落地也有望進一步加速。

算力需求預計也會迎來提升。考慮到Transformer本身架構因素，上下文長度提升必然會帶來算力消耗的提升，即使在業界不斷優化的情況下，對於算力的需求仍會有較大程度的增長。

投資建議與投資標的，AI應用方面，金山辦公、新致軟件、科大訊飛、同花順等公司；AI算力方面，中科曙光、海光信息、寒武紀-U、雲賽智聯、潤澤科技等公司。