TL;DR
- 伯恩斯坦测算，50GW 情景下 2027-2029 年相关 WFE 累计约 7360 亿美元。
- 每新增 1GW/年 AI 算力，约需 46K-50K WSPM 晶圆产能，DRAM 和 HBM 占大头。
- 应用材料、泛林和科磊盈利弹性更高，但管道容量不等于真实订单。
伯恩斯坦最新报告把 AI 数据中心扩张换算成半导体制造设备订单：如果到 2030 年 AI 数据中心每年新增 50GW 计算能力，2027-2029 年全球相关 WFE 支出累计可能达到约 7360 亿美元，2029 年单年约 2910 亿美元。
WFE 指晶圆厂设备支出，是应用材料（AMAT）、泛林集团（LRCX）、科磊（KLAC）、阿斯麦（ASML）、东京电子等设备公司的关键需求来源。对投资者来说，这份测算最直接的问题是：AI 算力继续扩张，能给设备厂带来多少新增订单和盈利弹性。
报告发布时，半导体设备股已经经历一轮大涨，近期又从高位明显回调。与此同时，美国数据中心建设管道仍在扩大。公开摘录显示，截至 2026 年 6 月，项目管道容量升至 338GW，过去 12 个月增加 217GW，远高于当前已投运规模。
美国数据中心活跃容量和项目管道变化，管道容量从 121GW 增至 338GW。
每多 1GW 算力，背后约 5 万片/月晶圆产能
这份报告的核心换算是，每新增 1GW/年 AI 计算能力，大约需要 46K-50K WSPM 新增晶圆产能。WSPM 指每月晶圆开工片数，是衡量晶圆厂产能的常用口径。
数据中心容量本身不会直接变成设备订单。只有当 AI 服务器需要更多 GPU、HBM、DRAM、NAND 和先进逻辑芯片，晶圆厂才需要扩产，设备公司才会看到新增 WFE 支出。
在约 46K WSPM/GW 的新增需求中，DRAM 占比最高，约 53%；NAND 约 20%；HBM 约 16%；先进逻辑约 11%。也就是说，AI 数据中心扩张并不只拉动 GPU 先进制程，也会推高存储产能需求，尤其是 DRAM 和 HBM。
这也是应用材料在这套测算中最受关注的原因。增量晶圆需求主要来自 DRAM、HBM 和 NAND，应用材料在存储设备、沉积、刻蚀等环节敞口更高，盈利弹性更直接。
每新增 1GW 计算能力约需 46K WSPM，DRAM 53%、NAND 20%、HBM 16%、Logic 11%。
2029 年单年 WFE 可能接近 2910 亿美元
基准情景下，AI 数据中心到 2030 年相较 2026 年基线实现每年新增 50GW 计算能力。为支持这一目标，相关 WFE 需要在 2027-2029 年逐步到位。
情景测算显示，仅 AI 驱动的 WFE 支出，2027-2029 年累计约 3760 亿美元；如果再加上每年约 1200 亿美元的非 AI 基线支出，三年总 WFE 支出约 7360 亿美元。年度路径约为 2027 年 2000 亿美元、2028 年 2450 亿美元、2029 年 2910 亿美元。
这组数字高于当前较保守模型中的设备支出假设。如果 50GW 情景兑现，2029 年 WFE 规模将逼近 3000 亿美元；在更高 GW 情景下，设备支出还有进一步上行空间。
报告还给出更激进情景。75GW 情景下，设备公司盈利上修幅度可能超过 100%；100GW 情景下，2029 年 WFE 支出潜力进一步放大，部分公司估值倍数可能被压到 10 倍以下。
但这些仍是模型测算，不是已经落地的订单。它们依赖数据中心建设管道能否转化为真实投运、AI 服务器出货能否跟上、晶圆厂是否愿意提前扩产，以及设备供应链是否具备足够交付能力。
50GW 情景下 2027-2029 年 WFE 累计约 7360 亿美元，2029 年约 2910 亿美元；100GW 情景下 2029 年约 5420 亿美元。
应用材料弹性最大，泛林和科磊也受益
对股票的影响主要集中在应用材料、泛林集团和科磊。
在 50GW 情景下，三家公司到 2029 年的 EPS 较当前华尔街共识可能上行约 37%-60%。对应远期市盈率可能降至 15-20 倍区间，而当前设备股普遍仍在更高区间交易。
其中应用材料弹性最大。50GW 情景下，其 2029 年 EPS 较共识上行接近 60%，对应远期市盈率约 14.9 倍；泛林集团 EPS 上行约 54%，对应约 18.4 倍；科磊 EPS 上行约 37%，对应约 21.2 倍。
原因仍在晶圆需求构成。AI 扩张带来的新增产能主要集中在 DRAM、HBM 和 NAND，而不是单一先进逻辑。应用材料在存储相关设备上的覆盖更广，比只受益于部分环节的公司更容易吃到增量。
据报告口径，伯恩斯坦维持应用材料、泛林集团、科磊、阿斯麦、东京电子等多只设备股跑赢大盘评级，其中应用材料仍是首选。Screen 为中性评级。
50GW 情景下 AMAT/LRCX/KLAC 2029 年 EPS 较共识上行 59.5%/54.4%/37.1%，P/FE 降至 14.9x/18.4x/21.2x。
管道容量还要跨过电力、融资和交付门槛
这套测算最容易被误读的地方，是把数据中心管道容量直接当成未来设备订单。
美国数据中心管道容量过去一年大幅扩张，说明 AI 基础设施投资意愿仍强。但从管道到投运之间还有多重门槛：电力接入、土地审批、融资成本、GPU 供应、客户需求、网络和冷却基础设施，都会影响最终落地速度。
设备侧也有约束。若 WFE 规模要在数年内冲向 3000 亿美元量级，设备公司、零部件供应商和晶圆厂都需要同步扩产。半导体设备不是可以无限快速放量的行业，先进设备、关键零部件、安装调试和客户认证都会拉长交付周期。
模型假设本身也有边界。相关测算基于特定 GPU 架构、功耗、芯片面积和资本强度假设，并假定 WFE 要在 2029 年底前到位，以支撑 2030 年新增算力。架构变化、单位算力能耗下降、芯片良率提升、资本强度调整，都可能改变最终设备需求。
另一个方向的偏差也存在。若 2030 年前老旧算力替换需求没有被充分计入，设备需求可能还有上行空间；但如果 AI 应用变现速度低于预期，或者大型云厂商放慢资本开支，50GW、75GW 甚至 100GW 情景也可能过于乐观。
这份报告给出的不是确定订单表，而是一套更清晰的换算：AI 数据中心每多 1GW，可能对应约 5 万片/月晶圆产能和约 80 亿美元级别的增量 WFE 需求。设备股已经提前反映了一部分 AI 预期，分歧在于数据中心建设能否兑现到足以支撑 3000 亿美元级别年度 WFE 的程度。
