--- title: "每 1GW 算力需要多少晶圆：AI 设备需求的底层测算" type: "Topics" locale: "zh-CN" url: "https://longbridge.com/zh-CN/topics/42824788.md" description: "核心观点过去两年，市场对 AI 硬件的定价主要集中在 GPU、HBM 和先进封装。进入 2026 年后，产业约束开始向更上游迁移：数据中心电力容量扩张最终需要转化为更多 GPU 集群，而 GPU 集群并不只消耗先进逻辑晶圆，还会同步拉动 HBM、服务器 DRAM 和数据中心 NAND 需求。伯恩斯坦基准模型显示，每新增 1GW AI 计算能力，约需要 4.6 万片/月新增晶圆产能..." datetime: "2026-07-21T10:09:04.000Z" locales: - [en](https://longbridge.com/en/topics/42824788.md) - [zh-CN](https://longbridge.com/zh-CN/topics/42824788.md) - [zh-HK](https://longbridge.com/zh-HK/topics/42824788.md) author: "[潘驴邓晓闲缺一](https://longbridge.com/zh-CN/profiles/27015735.md)" --- # 每 1GW 算力需要多少晶圆：AI 设备需求的底层测算 **核心观点** 过去两年，市场对 AI 硬件的定价主要集中在 GPU、HBM 和先进封装。进入 2026 年后，产业约束开始向更上游迁移：数据中心电力容量扩张最终需要转化为更多 GPU 集群，而 GPU 集群并不只消耗先进逻辑晶圆，还会同步拉动 HBM、服务器 DRAM 和数据中心 NAND 需求。 伯恩斯坦基准模型显示，**每新增 1GW AI 计算能力，约需要 4.6 万片/月新增晶圆产能**。若 2030 年较 2026 年新增 50GW AI 容量，对应增量晶圆厂设备投资约 3760 亿美元。叠加全球半导体行业原有的扩产、设备升级和维持性支出，2027—2029 年全球晶圆厂设备支出可能分别达到 2000 亿、2450 亿和 2910 亿美元，三年累计约 7360 亿美元。 这一模型真正值得关注的不是 7360 亿美元这一单一数字，而是设备支出结构发生的变化：先进逻辑不再是唯一增量来源，HBM、DRAM 和 NAND 合计可能贡献约四分之三的 AI 相关设备投资。 ## **一、338GW 规划容量，不能直接等同于设备订单** 截至 2026 年 6 月，全球数据中心在运容量约 50.7GW，较一年前增加约 11.4GW；同期规划中的数据中心容量由约 121GW 扩大至 338GW，新增规划管线超过 200GW。 规划容量增速远高于实际投运容量，说明超大规模云厂商、Neocloud 和数据中心运营商仍在加快锁定土地、电力和机房资源。但 338GW 更接近潜在需求上限，而不是确定性算力交付。 一个数据中心项目从规划进入投运，至少需要通过四道约束：电网接入、融资安排、芯片交付和最终客户需求。部分项目虽然已经申请土地与电力资源，但尚未签署长期购电协议；部分机房仍缺乏明确的 GPU 采购计划；部分规划容量还可能包含重复申报和长期储备项目。 因此，不能用 338GW 直接乘以单位 GW 晶圆需求，得出未来设备订单。伯恩斯坦采用的基准情景明显低于规划管线总量：假设 2030 年较 2026 年新增 50GW AI 容量，相当于 2027—2030 年年均新增约 12.5GW，并使 AI 数据中心容量扩大至 2026 年的约 3.5 倍。 ![AI算力扩张如何传导到晶圆厂设备支出](https://pub.pbkrs.com/social/2026/27015735/CBn55GQyhycLT93zc5P8BfnhN6mYh2oq.jpg?x-oss-process=style/lg) AI 算力扩张如何传导到晶圆厂设备支出：从数据中心容量、GPU 集群部署，到晶圆产能和 WFE 订单的完整路径。 ## **二、每新增 1GW 算力，为什么需要 4.6 万片月产能** 市场讨论 AI 硬件时，注意力通常集中在 GPU。但一套 AI 计算系统消耗的半导体远不止先进逻辑芯片。 GPU 承担主要计算任务，CPU 和网络芯片负责系统调度与互连，HBM 承担高带宽数据交换，传统 DRAM 提供 CPU 侧内存，NAND 则用于存放模型文件、训练数据、检查点和本地缓存。新增算力实际上同时拉动先进逻辑、HBM、DRAM 和 NAND 四类晶圆需求。 基于 Vera Rubin 级别机架配置，伯恩斯坦测算，每新增 1GW AI 计算能力，约需要 4.6 万片/月新增晶圆产能，其中 DRAM 约 2.5 万片/月，NAND 约 9000 片/月，HBM 约 8000 片/月，先进逻辑约 5000 片/月。 **晶圆类别** **每 GW 新增月产能** **晶圆需求占比** **主要用途** **DRAM** 约 2.5 万片 约 54% 服务器主内存与系统缓存 **NAND** 约 9000 片 约 20% 模型、数据和本地存储 **HBM** 约 8000 片 约 17% GPU 高带宽内存 **先进逻辑** 约 5000 片 约 11% GPU、CPU 及网络芯片 **合计** 约 4.6 万片 约 100% — **关键认知** **从晶圆数量看，AI 基础设施最大的增量需求不是先进逻辑，而是存储。**DRAM、HBM 和 NAND 合计占新增晶圆需求接近九成。 不过，晶圆数量不能直接等同于设备收入。先进逻辑工厂的单片晶圆资本强度明显高于存储。伯恩斯坦估算，每新增 1 万片/月产能，先进逻辑设备投资约 34 亿美元，HBM 及 DRAM 约 14 亿美元，NAND 约 13 亿美元。 因此，先进逻辑晶圆数量占比虽然较低，但光刻、沉积、刻蚀、离子注入和量检测设备价值量更高。存储则依靠更大的晶圆规模、更多的堆叠层数和更复杂的工艺步骤形成设备需求。 ## **三、3760 亿美元增量设备投入，存储占据主导** 在 50GW 新增 AI 容量情景下，伯恩斯坦测算相关增量晶圆厂设备投入约 3760 亿美元。其中先进逻辑约 900 亿美元，HBM 与 DRAM 约 2280 亿美元，NAND 约 580 亿美元。 **应用方向** **增量设备投入** **占比** **HBM 与 DRAM** 约 2280 亿美元 约 61% **先进逻辑及晶圆代工** 约 900 亿美元 约 24% **NAND** 约 580 亿美元 约 15% **合计** 约 3760 亿美元 100% HBM、DRAM 和 NAND 合计贡献约 76% 的增量设备投入。AI 设备周期因此不只是先进逻辑和光刻的故事，刻蚀、沉积、热处理、清洗和过程控制等存储密集型设备同样处于支出中心。 HBM 首先是一项先进 DRAM 前道制造业务。在形成堆叠产品之前，每一层 HBM 都需要独立完成 DRAM 晶圆制造、测试和筛选。随着产品由 8 层、12 层向 16 层及更高层数演进，单颗可售 HBM 所需的裸片数量继续增加，良率损耗和冗余产能需求也随之上升。 DRAM 需求则来自两条路径。一是 HBM 占用更多先进 DRAM 晶圆，挤压传统服务器 DRAM 产能；二是 AI 服务器本身仍需要大容量 CPU 侧内存。在两类需求同步增长的情况下，存储厂商仅靠产品结构切换难以满足供给，净新增晶圆产能成为更直接的解决方案。 NAND 的设备逻辑更容易被低估。训练和推理并非所有数据都存放在 HBM 中，大量模型文件、向量数据库、训练数据和检查点仍需要本地或近线存储。AI 推理由云端向企业数据中心渗透后，数据中心级 NAND 需求可能脱离传统消费电子周期。 ![AI算力扩张的设备账](https://pub.pbkrs.com/social/2026/27015735/MU69Eimt6haPjKbnDyMqmdDFdPRrfLsf.jpg?x-oss-process=style/lg) 每新增 1GW 算力对应的晶圆需求结构，以及 50GW 情景下约 3760 亿美元增量设备投入的分布。 ## **四、2027—2029 年 WFE 为何可能迈向 3000 亿美元** AI 相关增量产能只是全球设备支出的一部分。晶圆厂还需要投入成熟制程、模拟、功率、汽车与工业芯片，同时维持原有产线升级、设备替换和工艺迁移。 纳入这些支出后，伯恩斯坦预计全球 WFE 将由 2026 年的约 1480 亿美元，提升至 2027 年的 2000 亿美元、2028 年的 2450 亿美元和 2029 年的 2910 亿美元。2027—2029 年三年累计约 7360 亿美元，年均约 2450 亿美元。 **年份** **全球 WFE 规模** **同比增速** 2025A 约 1220 亿美元 — 2026E 约 1480 亿美元 约 21% 2027E 约 2000 亿美元 约 35% 2028E 约 2450 亿美元 约 23% 2029E 约 2910 亿美元 约 19% 7360 亿美元不能全部归因于 AI。更准确的理解是，AI 需求可能将全球 WFE 的中枢由过去约 1000 亿至 1500 亿美元，提高到 2000 亿至 3000 亿美元。 这与传统存储设备周期存在两点差异。第一，需求持续时间可能更长。若 2027—2029 年设备支出逐年上升，行业面对的不是单年扩产高点，而是连续三年的产能建设。第二，中周期盈利中枢可能提高。若 AI 算力、内存和存储需求使 WFE 维持在更高平台，设备公司的中周期收入、服务收入和自由现金流也会相应上移。 问题在于，市场已经为这一情景支付了较高价格。主要海外设备股虽然较阶段高点出现不同程度回撤，但年内涨幅和远期估值仍处于较高水平。下一阶段，WFE 上修只能提供行业基础，无法保证全部设备公司获得超额收益。 ## **五、刻蚀与沉积是存储扩产的第一顺位** DRAM、HBM 和 NAND 均属于刻蚀与沉积密集型产品。高层数 NAND 需要在厚堆叠结构中完成高深宽比刻蚀；先进 DRAM 需要构建更复杂的电容、字线和接触孔；GAA 晶体管、背面供电和新型互连结构也会增加原子层沉积、选择性刻蚀和新材料处理步骤。 因此，在 50GW 基准情景下，Lam Research 与 Applied Materials 对新增 WFE 的收入敏感度相对较高。Lam 的优势集中于高深宽比刻蚀和薄膜沉积，对 DRAM 和 NAND 资本开支变化更敏感；Applied Materials 的产品覆盖更广，在逻辑、存储、离子注入、CMP 和先进封装之间具备更均衡的敞口。 Applied Materials 截至 2026 年 4 月的财季收入达到 79.1 亿美元，同比增长 11%；非 GAAP 毛利率为 50.0%，非 GAAP EPS 为 2.86 美元，同比增长 20%。收入增速低于伯恩斯坦对 2027—2029 年 WFE 的预测斜率，意味着后续股价表现仍取决于客户资本开支能否继续上修，以及公司能否保持产品份额。 Lam Research 的设备结构更偏存储。若 HBM、DRAM 和 NAND 成为设备投资主力，其盈利增速可能高于行业；但同样因为存储暴露更高，一旦客户延迟扩产，其盈利预测也更容易向下调整。 ## **六、量检测的收入弹性更平滑，现金流质量更高** KLA 的设备数量未必像刻蚀和沉积一样随晶圆产能线性增长，但制程越复杂，晶圆厂对缺陷检测、关键尺寸量测和良率管理的依赖越高。 先进逻辑由 FinFET 转向 GAA，HBM 由单层 DRAM 转向多层堆叠，先进封装由传统凸点转向混合键合，都会提高缺陷成本。产品在后段工艺发现失效时，前段已经投入的晶圆、封装和测试成本可能全部损失，因此过程控制支出通常随单片晶圆价值量提高。 KLA 截至 2026 年 3 月的财季收入 34.15 亿美元，GAAP 摊薄 EPS 为 9.12 美元，非 GAAP EPS 为 9.40 美元；季度自由现金流达到 6.22 亿美元，过去 12 个月自由现金流约 40.1 亿美元。 KLA 的核心优势不在于某一类存储产品放量，而在于逻辑、存储和先进封装的工艺复杂度同时提升。即使最终新增数据中心容量低于 50GW 基准情景，单位晶圆的过程控制强度仍可能提高。 ## **七、ASML 提供技术垄断，但并非本轮最高弹性资产** ASML 仍是先进逻辑和先进 DRAM 不可替代的设备供应商。其核心逻辑来自 EUV 渗透率提升、High-NA EUV 导入，以及庞大装机基础带来的服务和升级收入。 ASML 2026 年第二季度收入约 93.3 亿欧元，毛利率 54.0%，每股收益 7.59 欧元；公司将全年收入指引提高至 430 亿至 450 亿欧元，毛利率指引提升至 54% 至 56%。管理层同时释放出 2027 年 EUV 产能接近充分预订、2028 年可能进一步扩产的信号。 ASML 的订单可见度和技术壁垒在设备行业中处于最高水平，但其对本轮 AI 增量 WFE 的敏感度并非最高。原因在于，50GW 模型中的最大支出池来自 HBM、DRAM 和 NAND，而 NAND 对 EUV 的依赖相对有限。 ## **八、海外设备股：确定性与弹性需要分开定价** **公司** **核心设备** **主要受益方向** **盈利属性** **核心风险** **ASML** EUV、DUV 光刻 先进逻辑、先进 DRAM 垄断型，订单可见度高 出口限制、客户扩产节奏 **KLA** 检测、量测、过程控制 逻辑、HBM、先进封装 高毛利、高现金流 估值偏高、行业支出放缓 **Applied Materials** 沉积、刻蚀、注入、CMP 逻辑、DRAM、NAND、封装 平台型，业务暴露均衡 份额竞争、估值消化 **Lam Research** 刻蚀、沉积 DRAM、HBM、NAND 存储周期高弹性 客户资本开支波动 若投资目标是盈利确定性，ASML 和 KLA 更占优势。若投资目标是 WFE 上行阶段的利润弹性，Lam Research 更直接。Applied Materials 处于两者之间，既能受益于先进逻辑和存储扩产，也能从先进封装、CMP 和服务业务获得增量。 ## **九、A 股设备链已进入收入质量验证阶段** 全球 WFE 扩张为国内设备公司提供需求基础，但 A 股设备公司的收入增长还同时受到国产替代、客户验证和产品份额提升驱动。 与海外成熟设备公司相比，国内厂商仍处于产品线扩展期。新产品从研发、验证、批量采购到收入确认，需要经历较长周期，并伴随更高的研发、人员和供应链投入。收入增长、扣非利润与经营现金流可能明显不同步。 ### **北方华创：平台属性最完整，利润释放是下一阶段关键** 北方华创覆盖刻蚀、薄膜沉积、热处理和清洗等多个设备环节，是 A 股中产品平台最完整的半导体设备公司。 2026 年第一季度，公司收入 103.23 亿元，同比增长 25.80%；归母净利润 16.35 亿元，同比增长 3.42%；经营活动现金流净额 7.48 亿元。收入增速明显高于利润增速，说明研发、人员扩张、产品结构或费用投入仍在压制盈利释放。 北方华创的核心矛盾已经从 “设备能否进入客户产线” 转向 “新增产品能否形成规模收入，并转化为利润和现金流”。 ### **中微公司：与存储 WFE 结构的匹配度最高** 中微公司的核心资产是等离子刻蚀设备。先进逻辑、DRAM、HBM 和高层数 NAND 均需要更高深宽比、更精细和更具选择性的刻蚀工艺。 2026 年第一季度，公司收入 29.15 亿元，同比增长 34.13%；归母净利润 9.30 亿元，同比增长 197.20%；扣非净利润 4.78 亿元，同比增长 60.09%。归母利润中包含出售股权形成的投资收益，因此主营经营质量应更多观察收入、扣非利润和现金流。 公司后续估值上限取决于两点：刻蚀份额能否继续提高，薄膜沉积及其他新产品能否形成第二收入来源。 ### **拓荆科技：增长斜率高，估值容错率低** 拓荆科技聚焦 PECVD、ALD 和 SACVD 等薄膜沉积设备，并向先进制程、混合键合和三维集成相关设备延伸。 2026 年第一季度，公司收入 11.12 亿元，同比增长 56.97%；归母净利润 5.71 亿元，扣非净利润 1.02 亿元，经营现金流净额为负 5.20 亿元。归母利润与扣非利润差异较大，说明非经常性项目对当期利润贡献明显。 拓荆的产业逻辑较强，问题在于当前定价对订单确认、验收进度和利润率要求严格。 ### **华海清科：先进封装映射直接，风险收益比相对均衡** 华海清科的核心产品包括 CMP、减薄和湿法设备。CMP 受益于先进逻辑互连层数增加，减薄设备则直接映射 HBM 堆叠、Chiplet 和先进封装。 与薄膜沉积公司相比，华海清科的收入斜率可能更平滑，但市场对远期业务的定价也相对克制。若减薄和其他新产品逐步形成收入，其估值与增长匹配度可能优于已经计入较高增长假设的设备公司。 ### **盛美上海：清洗基本盘稳定，新设备决定增长斜率** 盛美上海以清洗设备为核心，同时扩展电镀、炉管、涂胶显影和先进封装设备。 2026 年第一季度，公司收入 14.76 亿元，同比增长 13.06%；归母净利润 1.04 亿元，同比下降 57.66%；扣非净利润 1.06 亿元，同比下降 57.24%。利润下降主要受到汇兑和财务费用影响，但收入增速也低于中微、拓荆等设备公司。 盛美上海后续估值空间取决于电镀、炉管、涂胶显影和先进封装设备能否形成批量收入。 ## **十、A 股设备股不能只按收入增速排序** **类型** **代表公司** **核心逻辑** **主要验证指标** **平台型确定性** 北方华创 产品线完整、客户覆盖广 毛利率、扣非利润、经营现金流 **存储设备弹性** 中微公司、拓荆科技 刻蚀与沉积受益 DRAM、HBM、NAND 新产品收入、份额、研发费用率 **先进封装与工艺升级** 华海清科、盛美上海 CMP、减薄、清洗及封装设备 订单结构、新设备放量、回款 对国内设备公司而言，比收入增速更重要的是四项指标：扣非净利润能否接近收入增速；合同负债与存货结构是否健康；经营现金流能否跟随利润改善；第二、第三产品线能否形成批量收入。 ![全球设备龙头与A股映射](https://pub.pbkrs.com/social/2026/27015735/usQugrfzQNwkHhDqiNDmFYqhdemFvfvf.jpg?x-oss-process=style/lg) 按照光刻、刻蚀、沉积、清洗、量检测及 CMP/减薄等设备环节，梳理海外龙头与 A 股公司的对应关系。 ## **十一、模型兑现仍受三项约束** ### **1\. 电力接入可能早于芯片供给成为硬约束** 50GW 新增算力需要长期、稳定且低成本的电力供应。数据中心即使已经获得土地，也可能因变电站建设、输电线路审批和发电资源不足而延迟。如果电力接入速度低于预期，GPU 部署和晶圆需求都会向后推迟。 ### **2\. 单位算力的晶圆消耗可能下降** 若单位芯片性能增长快于算力需求，达到相同有效算力所需的 GPU 和内存数量可能下降；反之，若模型参数、推理调用和上下文长度继续增长，晶圆需求也可能高于当前测算。每 GW 对应 4.6 万片/月更适合作为产业测算框架，而不是固定常数。 ### **3\. 存量设备复用可能降低新增采购额** 存储厂商并不一定完全依赖新建晶圆厂满足需求。制程迁移、设备升级、产品组合调整和良率提升，都可能增加存量产线的有效产出。如果存量设备复用程度高于预期，新设备采购额将低于模型。 ## **十二、买方结论：行业仍在扩张，但设备股已经进入兑现阶段** AI 基础设施投资正在从 GPU 采购向晶圆制造能力扩散。每新增 1GW 算力，不仅需要先进逻辑芯片，还需要更大规模的 HBM、服务器 DRAM 和数据中心 NAND。由此形成的晶圆需求，正在推动半导体设备行业由单一先进逻辑周期转向逻辑与存储同步扩产。 伯恩斯坦测算的 2027—2029 年 7360 亿美元 WFE 不是确定性结果，但其支出方向具备产业合理性。即使 50GW 基准情景只部分兑现，全球 WFE 中枢仍可能高于过去周期。当前真正需要警惕的不是行业需求突然消失，而是设备股已经提前计入较强的 2027—2029 年增长预期。 海外设备股中，ASML 和 KLA 的核心价值是技术壁垒、订单可见度和现金流质量；Lam Research 是存储资本开支回升的高弹性资产；Applied Materials 提供逻辑、存储和先进封装的综合敞口。 A 股设备链中，北方华创仍是平台型核心资产，但需要利润率和现金流重新匹配收入增长；中微公司与存储设备支出结构的契合度最高；拓荆科技拥有较高增长斜率，但现有定价对业绩兑现要求严格；华海清科在 CMP、减薄和先进封装方向具备相对均衡的风险收益比；盛美上海需要依靠清洗以外设备改善增长斜率。 **投资框架** 设备股下一阶段的超额收益不会来自 “AI 资本开支增长” 这一共识本身，而来自三个更具体的变量：**谁占据设备支出增长最快的工艺环节，谁能够在客户扩产中提高份额，谁能够把订单转化为扣非利润和自由现金流。** ## **风险提示** 本文涉及的产业测算依赖数据中心新增容量、机架配置、晶圆消耗、设备资本强度及晶圆厂扩产节奏等假设。实际结果可能受到电力接入、资本开支调整、芯片架构变化、良率提升、设备复用、出口限制及宏观周期影响。文中涉及公司及数据仅用于产业研究，不构成任何投资建议。 ### 相关股票 - [VERA.US](https://longbridge.com/zh-CN/quote/VERA.US.md) - [AB.US](https://longbridge.com/zh-CN/quote/AB.US.md)