国内首份汇集注册分析师观点的复盘日报。
AI摘要：昨日A股指数分化，成交额萎缩至2.66万亿。市场关注发改委扩内需及人工智能等政策，沪指有望震荡上行。因津巴布韦出口禁令及澳洲供给扰动，锂矿概念爆发。分析指锂盐去库且需求旺季临近，锂价或开启上行周期，带动板块盈利回升。
A股主要指数昨日走势分化，截止收盘，沪指跌0.33%，深证成指跌0.69%，创业板指跌1.41%。沪深京三市成交额26580亿，较昨日缩量1656亿。行业板块涨少跌多，能源金属、农化制品、电池、工业金属、半导体板块涨幅居前，航天装备、地面兵装、电力、影视院线、公用事业板块跌幅居前。
1、上证指数维持震荡上行的可能性较大
中原证券：关注宏观经济数据、海外流动性变化以及政策动向。
国家发改委日前明确五方面工作重点：一是打好宏观政策组合拳；二是着力扩大国内有效需求，制定2026—2030年扩大内需战略实施方案；三是加强科技创新，深入实施"人工智能+"行动；四是加力稳就业促增收；五是夯实安全发展基础。预计上证指数维持震荡上行的可能性较大，建议投资者密切关注宏观经济数据、海外流动性变化以及政策动向。
国金证券：战争冲击下的出口机遇
能源冲击下，凭借着独立性更高的能源供应链，中国高能耗商品（纸浆、非金属矿物制造业、钢铁制造业、有色金属制造业）、能化商品（化学制品行业，包括无机化学品、有机化学品）、半导体及相关器材行业（这里主要使用HS8541、HS8542口径的集成电路、半导体器件等）、新能源相关商品出口或有望上行，并支撑后续出口增速。后续值得关注的是以美国为代表的全球需求端的变化。
2、锂矿概念集体爆发
华源证券：锂矿供给端不确定性增强，锂价有望延续上行
锂矿供给端不确定性增强：津巴布韦暂停锂精矿出口目前仍未解决，澳洲缺油对澳洲锂矿供给也构成潜在扰动，宁德时代枧下窝锂矿复产悬而未决。需求端，储能需求高增长延续，高油价下电车需求有望上修。我们认为当前碳酸锂矿端供给紧张，同时需求旺季来临，锂盐库存整体持续去化，锂价有望延续上行。展望全年看，在锂电需求增长超预期背景下，锂盐进入去库周期，同时锂矿供给端扰动频发，碳酸锂供需迎来反转，处于紧平衡甚至小幅短缺，锂价进入上行周期，锂板块公司盈利弹性可期。
天风证券：地缘反复，持续看好锂矿结构机会
本周锂价震荡下跌，库存维持低位水平。供应端，锂盐厂多已恢复生产，国内供应整体稳定。但受津巴布韦出口政策扰动，以及澳矿能源问题，或将制约后续供给增量。需求端，储能预期仍有支撑，排产向好但采购节奏偏谨慎。预计价格有进一步上行空间。
方正证券：锂精矿库存有助于平滑出口禁令的短期冲击，但资源民族主义政策对供给带来的扰动不可忽视。
我们认为若津巴布韦在4月恢复锂精矿出口，考虑到各家企业、贸易商在港口囤积的锂精矿库存，其对国内的原料供应冲击是可以被平滑的。但考虑到国内本就处于低位的锂盐库存状态，若津巴布韦锂精矿出口恢复时间晚于预期，则在二季度对锂供给的冲击仍将体现。且由于后续的硫酸锂工厂建设和配额管理均存在不确定性，我们认为2026年全球锂资源供给增量存在下修空间。
3、DeepSeek V4 预览版上线，与GPT-5.5正面“打擂台”
4 月 24 日，国产与海外 AI 巨头上演 “同日对决”：OpenAI 正式发布闭源旗舰模型 GPT-5.5，而国产AI明星深度求索的DeepSeek V4 预览版同步上线并开源，以万亿级参数、百万 token 超长上下文、原生适配华为昇腾算力的组合，与GPT-5.5正面“打擂台”。
中国银河证券：全球AI竞争已由单点突破转向系统能力竞争
斯坦福HAI《2026年人工智能指数报告》指出，全球AI竞争已由“技术突破期”跨入“规模扩张期”。目前，中美头部模型差距持续缩小，竞争核心不再仅是单一的模型性能，而是演变为涵盖算力、资本、产业应用及治理环境的体系化博弈。随着AI深度依赖基础设施并加速释放经济价值，未来的胜负关键在于能否构建起从底层算力到顶层治理的系统性闭环。
国泰海通：机器人产业进入规模化发展阶段
本周，国家发改委加码“AI+”基建投资，中外巨头掀起算力与大模型涨价潮，验证掌握稀缺高端算力与溢价权已成产业新赛点；DeepSeek 首启融资推进 V4 硬件迁移并更新底层 Mega MoE，引领 AI 竞争步入生态独立与软硬重构期；Anthropic 发布 Claude Opus 4.7 旗舰模型，加速向全栈 AI 应用生态演进，依托模型不对称优势对第三方应用层实现深度挤压。我们维持计算机板块“增持”评级。
国联民生证券：AI 存算加速成为大模型竞争升级的关键
AI 发展进入加速阶段，“打破内存墙”成为确定的技术趋势：1）在训练侧， CheckPoint 可以保障模型训练的可持续性，却因低速存入造成算力闲置；2）在推理侧，影响计算效率的核心是访存，提高访存效率极为关键。全球持续探索“打破内存墙”技术路径，目前主要分为算法压缩、存内计算/存算一体、系统级互连与池化、以存换算等不同技术路径；伴随内存技术升级，AI 训练端和推理端或迎来加速发展，推理端的快速成长有望进一步显著提升内存需求。
