半導體設備深度：每新增1GW需5萬片月產能，AI如何把WFE推向3000億美元

太長不看

1.伯恩斯坦給出從電力到獲利的量化橋樑。每增加1GW年度數據中心建設能力，約需4.6萬片/月新增300毫米等效晶圓產能，摘要取整為約5萬片/月；依照不同製程的設備資本強度換算，每1GW約對應75億至80億美元新增晶圓廠設備支出（WFE）。

2.50GW情境指2030年單年新增能力較2026年基線提高50GW。2026年基線約20GW，因此2030年單年新增約70GW；2027至2029年累計數據中心增量可能達到130至140GW，遠大於50GW。晶圓廠設備需要提前下單、安裝和驗證。

3.3000億美元來自「AI增量+非AI底座」，不是一句口號。50GW情境對應2027至2029年3760億美元AI新增WFE，再疊加3年3600億美元非AI基線，總額約7360億美元；年度路徑約為2000億、2450億和2910億美元。更準確的說法是2029年逼近3000億美元，而不是3年平均達到3000億美元。

4.增量晶圓的89%來自記憶體，應用材料因此成為伯恩斯坦首選。每1GW需求中，動態隨機存取記憶體（DRAM）佔53%、快閃記憶體（NAND）佔20%、高頻寬記憶體（HBM）佔16%，先進邏輯僅佔11%。AI設備週期並不只是圖形處理器和先進邏輯的故事，機架外中央處理器及其配套DRAM才是模型裡最大的晶圓增量。

5.當前股價能否繼續上行，要看獲利追趕估值，而不是只看WFE總額。50GW情境下，2029年應用材料、泛林集團和科磊每股盈餘較一致預期分別高59.5%、54.4%和37.1%，對應本益比14.9倍、18.4倍和21.2倍；75GW和100GW只是更樂觀的壓力測試。專案獲電、設施功率口徑、晶片能效、記憶體附著量、設備交付和庫存現金流，其中任一項走弱都可能讓情景折價。

伯恩斯坦把人工智慧（AI）數據中心的電力擴張換算成晶圓和設備需求：真正決定設備股上限的，是GW專案能否變成月產能、訂單與現金流。

設備股真正的矛盾：股價回撤了，估值卻不便宜

半導體設備股現在同時具備「回撤很深」和「漲幅很大」兩個看似衝突的事實。截至伯恩斯坦報告使用的2026年7月17日數據，阿斯麥、東京電子、應用材料、泛林集團和科磊較各自52週高點平均回撤約23.9%，其中3家美國公司回撤約28%至31%；但這5家公司年初至今平均仍上漲84.1%，單家公司漲幅約67%至106%。

估值擴張也沒有因為回撤完全消失。報告顯示，科磊和泛林集團的未來12個月本益比從年初約28倍和27倍升至42.2倍和36.8倍，應用材料、東京電子和阿斯麥的估值同樣明顯提高。所以投資人需要回答兩個更硬的問題：AI數據中心還要新增多少有效功率，這些功率對應的晶片需求能否讓未來獲利增長快過估值消化。

需求端並沒有同步轉弱。美國在運數據中心容量在2026年6月底達到50.7GW，較一年前增加11.4GW、同比增長29%；專案管線容量則達到約338GW，同比增加216.6GW、增長179%。但338GW只是規劃池，不等於已經取得電力、融資、土地、併網和客戶訂單的在運容量。伯恩斯坦的價值，在於不把全部管線直接算成收入，而是反過來問：如果2030年每年真的能多建設50GW、75GW或100GW，半導體製造端要先準備多少產能。

此前市場常用2500億美元作為WFE超級週期的遠期上限。伯恩斯坦的新框架把這個上限變成可拆解的中間變數：先看實際GW，再看晶圓月產能，最後看設備訂單與獲利。

從1GW到4.6萬片月產能，模型到底怎麼算

第一步，是把1GW變成機架和晶片。伯恩斯坦以Vera Rubin機架作為2030年算力架構的近似：單機架功率約220kW，因此1GW計算功率約對應4545個機架；每個機架合計消耗約64.6片300毫米晶圓，其中包括先進邏輯、HBM、普通DRAM和NAND。僅機架內部，1GW就對應約29.4萬片晶圓的一次性需求。

這還不是全部。AI系統除了機架內的圖形處理器、頭節點中央處理器和HBM，還需要機架外中央處理器承擔智能體編排、工具調用、數據訪問和系統服務。伯恩斯坦假設2030年70GW情境對應約9520萬顆中央處理器，折算每1GW約136萬顆；扣除機架頭節點後，每1GW仍需約9027片先進邏輯晶圓。每顆周邊中央處理器再配0.5TB DRAM，在80%良率假設下，每1GW對應約19.5萬片DRAM晶圓。模型還假設機架外數據中心NAND在2028至2030年保持30%年複合增長。

第二步，是把年度晶片需求換成穩定月產能。合併機架內外需求後，每新增1GW年度建設能力需要約4.6萬片/月新增產能：DRAM 2.44萬片、NAND 9200片、HBM 7300片、先進邏輯5300片。這裡最容易被忽略的結論是，按晶圓數量計算，記憶體合計佔89%，先進邏輯只佔11%。

第三步，是把月產能換成設備資本支出。伯恩斯坦估算，每1萬片/月先進邏輯產能約需34億美元設備，HBM和DRAM約需14億美元，NAND約需13億美元。按上表加權，每1GW約對應74.4億美元，報告正文取整為75億至80億美元。先進邏輯單位資本強度最高，但記憶體晶圓量大得多，因此記憶體仍貢獻約四分之三的AI新增WFE。

這套演算法比「雲廠商資本支出增長多少，設備就增長多少」更有用，因為每一層都可以被實際數據證偽。機架功耗、每顆晶片面積、良率、伺服器配置、DRAM容量和NAND增長任何一項改變，最終WFE都會隨之變化。

這裡還要區分「晶圓消耗」和「晶圓月產能」。Vera Rubin機架的64.6片晶圓，是一套機架所含晶片折算的一次性製造需求；4.6萬片/月則是為了持續支援每年新增1GW數據中心而需要長期維持的生產能力。前者回答「造這一批機器要多少晶圓」，後者回答「晶圓廠要擴多大」。如果把29.4萬片/GW的一次性消耗直接當成月產能，或者把4.6萬片/月再乘一次機架數量，都會把WFE重複計算。

模型的時間關係同樣重要。雲廠商先確定負載和資本預算，數據中心專案再解決電力與施工，晶圓廠隨後擴建無塵室、訂購設備、安裝驗收並爬升良率，最後晶片才進入伺服器。WFE收入領先最終算力投運，但不會領先所有專案條件；只有已經跨過獲電、融資和客戶鎖定的GW，才有較大機會進入設備訂單。

50GW不是累計建設量，3000億美元也不是三年平均

報告中最容易被誤讀的是50GW的定義。2026年基線假設為每年新增約20GW；「2030年50GW情境」指2030年單年新增速度比這個基線再高50GW，即2030年單年能夠新增約70GW，而不是2027至2030年合計新增50GW。若年度路徑大致為2027年30GW、2028年45GW、2029年60GW，3年累計新增容量約135GW，方向上與報告給出的130至140GW區間一致。

半導體設備必須領先數據中心投運。要讓2030年的晶片供應支援70GW單年新增，相關晶圓廠產能要在2029年底前基本形成，設備採購因此集中在2027至2029年。50GW情境對應的AI新增晶圓需求為：先進邏輯26.4萬片/月、HBM 36.5萬片/月、DRAM 122萬片/月、NAND 45.8萬片/月；對應AI新增WFE合計3760億美元，其中HBM和DRAM貢獻2280億美元。

伯恩斯坦再加入每年1200億美元非AI WFE底座，用來覆蓋成熟製程、類比晶片、中國市場和其他非數據中心需求。這樣得到2027至2029年合計7360億美元WFE，三年平均約2450億美元，但年度路徑逐步上升至2000億、2450億和2910億美元。所謂「3000億美元WFE」，準確含義是50GW情境下2029年已經逼近這一水平。

這張敏感性表不是年度預測的精確答案。模型把2027年固定在約2000億美元，再按2030目標倒推出2028和2029斜率，因此高情境具有很強的機械外推特徵。100GW情境給出的2029年5420億美元，更適合用來測試設備供應鏈和盈利模型的上限，不能直接當作基準目標。

為什麼這輪設備增量首先是記憶體，而不是先進邏輯

市場談AI設備時容易先想到先進邏輯，伯恩斯坦的模型卻把最大增量放在DRAM。原因並不只來自機架內HBM。Vera Rubin機架本身需要邏輯、HBM、DRAM和NAND，但更大的變量來自機架外中央處理器：智能體需要完成調度、檢索、程式碼執行、工具調用和狀態管理，大量工作發生在加速器機架之外；每顆中央處理器配0.5TB DRAM的假設，把普通DRAM晶圓需求推到了總量的一半以上。

這改變了設備公司受益排序。先進邏輯的每1萬片/月設備成本約34億美元，資本強度最高；但DRAM、HBM和NAND的新增晶圓量合計約為先進邏輯的8倍。總量上，應用材料涵蓋沉積、材料工程和儲存多個環節，伯恩斯坦因此把它列為首選。泛林集團在蝕刻、沉積、GAA、先進封裝、HBM和NAND升級上擁有更強週期彈性；科磊受益於製程複雜度和良率要求提高，過程控制的高利潤率更穩定。

阿斯麥、東京電子和日本設備鏈同樣會受益，但報告沒有為它們做與美國三家公司完全同口徑的50/75/100GW盈利橋。不能因為行業WFE變大，就機械地給所有設備公司相同的收入增速。每家公司拿到多少增量，仍由產品位置、客戶結構、市場份額、設備交付能力和服務收入決定。

50、75、100GW如何重算應用材料、泛林集團和科磊

伯恩斯坦把行業WFE進一步映射到設備收入、服務收入、每股盈餘和本益比，這才是報告最接近投資決策的一步。50GW情境下，2029年應用材料和泛林集團收入都較一致預期高52.3%，科磊高33.1%；每股盈餘上修幅度分別為59.5%、54.4%和37.1%。如果股價保持在報告估值時點不變，2029年本益比會降至14.9倍、18.4倍和21.2倍。

75GW情境明顯放大經營槓桿。2029年應用材料、泛林集團和科磊每股盈餘較一致預期分別高120.3%、103.8%和89.5%，對應本益比10.8倍、13.9倍和15.3倍。100GW情境下，3家公司每股盈餘上修分別達到181.0%、153.3%和142.0%，本益比為8.5倍、11.2倍和12.0倍。

表內數字也糾正了報告標題式概括。75GW並非3家公司每股盈餘都翻倍，科磊為89.5%；100GW也不是3家公司都低於10倍，泛林集團和科磊仍為11至12倍。情境本益比看起來很低，是因為模型在股價不變的前提下把遠期獲利大幅拉高；它證明的是獲利彈性，不等於今天存在無風險估值折價。

應用材料的優勢是記憶體曝險和相對估值，泛林集團的優勢是蝕刻沉積與儲存彈性，科磊的優勢是過程控制、利潤率和資本回報品質。組合應把總量彈性與盈利品質分開：應用材料更接近報告主景象，泛林集團對儲存擴產斜率更敏感，科磊則需要更高的過程控制強度來消化品質溢價。

從行業WFE到公司EPS，中間還隔著3道門。第1道是可服務市場：同樣100億美元WFE，先進邏輯、DRAM、NAND和過程控制分配給各公司的比例不同。第2道是收入認列：設備從下單、發貨到安裝驗收存在時滯，服務收入還要等裝機基礎擴大後逐步累積。第3道是增量利潤率：供應鏈加急、零組件成本、研發費用和客戶議價都會決定新增收入最終留下多少利潤。伯恩斯坦的公司情境已經加入份額、服務和利潤率假設，但這些假設比行業GW本身更難觀察。

這也解釋了3家公司在同一情境下的結果差異。應用材料和泛林集團在50GW情境中的2029年收入增量相同，EPS上修卻分別為59.5%和54.4%；科磊收入增量較低，但高毛利率、服務與資本回報讓其更像品質資產。若WFE規模上升而某家公司收入份額不上升、利潤率不上升，行業判斷正確也不等於個股獲利會按模型兌現。