财联社9月24日讯，市场低开高走，创业板指盘中再创3年多新高，科创50指数一度涨近5%。沪深两市成交额2.33万亿，较上一个交易日缩量1676亿。全市场超4400只个股上涨，下跌家数不足900家。从板块来看，芯片产业链延续强势，板块内20余股涨停，掀起涨停潮，华软科技4连板，向日葵3连板，张江高科2连板创新高。机器人概念股爆发，豪能股份、中创智领等10余股涨停，联美控股3连板，迎丰股份2连板。下跌方面，旅游板块表现疲软，云南旅游跌停。截至收盘，沪指涨0.83%，深成指涨1.80%，创业板指涨2.28%。
板块方面
板块上，半导体产业链全线爆发，半导体设备、材料涨幅居前，长川科技、江丰电子、北方华创等个股涨停，盛美上海、华海清科、南大光电、中微半导、拓荆科技等个股涨幅居前。
近期有关于国产芯片方向的利好不断，华为公布昇腾AI芯片迭代时间线，阿里、百度等多家科技大厂入局芯片研发，国产GPU龙头摩尔线程IPO审议在即，推动国产化情绪升温，半导体材料及设备需求预期持续强化。此外长川科技近日发布前三季度业绩预告，净利润同比增长131.39%至145.38%。对于整个行业的景气度形成正向催化，在资金大幅流入的背景下，预计本轮有关于半导体设备、材料的行情不会轻易终结。
不过需注意的是，芯片股在近日经历连续的放量拉升后 ，短线情绪或趋于高潮。今日午后部分个股已出现了一定程度的回落，就短线节奏而言，短线波动可能会进一步增加，故此时再行追涨的风险收益比相对较低，仍可在短线分歧整理的过程中寻找低吸机会。
固态电池板块同样展开反弹，道明光学、中国宝安涨停，先导智能、厦钨新能、天际股份、天赐材料等个股涨幅居前。消息面上，第七届高比能固态电池关键材料技术大会今日在苏州举行。本次大会聚焦固态电解质、正负极材料、界面工程、智能制造及产业化进展等热点议题。
广发证券在近期研报中表示，目前，国内外已有多家车企公布全固态电池产业化进展，2027-2030年有望成为固态电池装车的关键节点。预计到2030年全球固态电池出货量将达到614.1GWh，其中全固态的比例将接近30%。在产业和技术共振下，固态电池产业化持续加速，建议可以关注产业链中的变化/增量环节，包括硫化物电解质及硫化锂、锂金属负极、设备端等环节。
此外，储能、光伏等新能源方向于盘中同样表现活跃。虽然目前市场的领涨核心依旧集中在科技股方向，但在连续的炒作后科技股方向或存在一定的涨多修正的需求，一旦再度陷入调整的话，预计在热点轮动的背景下新能源仍有望获得部分资金的回流。
个股方面
个股层面来看，目前市场赚钱效应依旧集中在科技股方向，而其中的权重标的延续强势上涨结构。如立讯精密、中芯国际、澜起科技、北方华创等个股均于今日续创历史新高。正如此前文章所多次强调的，上述科技权重对于盘面情绪具有较强的带动作用。在核心标的持续向上打开板块高度的过程中，依旧可围绕着相关热点方向寻找个股的补涨机会。
不过需注意的是，随着天普股份的再度停牌，短线炒作连板炒作热度有所下降，高位人气股批量出现负反馈，云南旅游走出A杀2连跌停，杭电股份、贵广网络、泰慕士、山子高科等人气高标同样惨遭跌停。故在结构性行情中，聚焦核心热门板块为主，并在震荡向上的趋势中寻找相关核心标的低吸套利机会。
后市分析
今日市场震荡走强，三大指数全线收红，深成指与创业板指再创阶段新高。在成功站上9月18日大量高点后，短线有望重回震荡走高的上涨结构之中。另一方面，短线情绪显著回暖，全市场超4400只收涨，逾百股涨停或涨超10%。美中不足的是，在今日量能不增反减，就目前的量能水平而言是无法支撑起如此多热点共同演绎，后续是否存在足够的增量资金入场仍是关键，若量能维持温和递增态势的话，短线仍具进一步冲高之动能，反之量能若始终无法有效放大，短线大概率仍以震荡为主，届时把握热点间的轮动节奏或是关键。
市场要闻聚焦
1、六部门：严禁新增水泥熟料、平板玻璃产能新建改建项目须制定产能置换方案
工业和信息化部、自然资源部、生态环境部、住房城乡建设部、水利部、农业农村部印发《建材行业稳增长工作方案（2025—2026年）》，严格水泥玻璃产能调控。严禁新增水泥熟料、平板玻璃产能，新建改建项目须制定产能置换方案。严禁从非大气污染防治重点区域向大气污染防治重点区域转移水泥熟料、平板玻璃产能。水泥企业要在2025年底前对超出项目备案的产能制定产能置换方案，促进实际产能与备案产能统一。发挥质量、环保、能耗、安全等综合标准作用，依法依规淘汰水泥、平板玻璃落后产能,推动环保绩效低的企业逐步退出。加快光伏压延玻璃产能风险预警由项目管理向规划引导转变。鼓励骨干企业联合社会资本，探索设立绿色低碳转型基金，以市场化运作方式加快低效产能退出。
2、阿里巴巴宣布与英伟达开展Physical AI合作
《科创板日报》记者从2025阿里云栖大会上获悉，阿里巴巴正式宣布与英伟达开展Physical AI合作。合作覆盖了Physical AI的实践的各个方面，包括数据的合成处理，模型的训练，环境仿真强化学习以及模型验证测试等。
实盘加配网提示：文章来自网络，不代表本站观点。
