随着人工智能大模型对算力需求的指数级攀升，整个半导体产业链正经历一场前所未有的投资热潮。应用材料公司（Applied Materials）CEO加里·迪克森近期接受《日经亚洲》采访时透露，各大芯片制造商已向设备厂商提供了未来两年甚至更久的需求预期，部分客户甚至给出了直到2030年的方向性展望。这一信号表明，由AI驱动的芯片投资周期可能比市场此前预期的更为持久。本期AI新闻将深度解析这一行业趋势，并探讨其背后的技术逻辑与市场影响。
产能扩张的长期能见度：从季度到十年
在半导体行业，设备订单通常被视为扩产信心的晴雨表。迪克森表示，应用材料对未来两年的市场需求有着极其清晰的预判，核心大客户会主动提供长期需求能见度，因为他们深知芯片设备交付和产线建设存在固定周期。这种透明度在过去很少见——以往客户通常只给出未来几个季度的粗略指引，而现在，包括台积电、三星、英特尔、SK海力士、美光和铠侠在内的顶级厂商，愿意分享跨越数年的产能规划。
“未来八个季度的需求情况高度明确；即便放眼三年后的市场，预测精度依然可观。再往更远的周期看，预测会偏向趋势性判断，但我们能提前掌握客户投资的整体方向与规模。”迪克森强调。这种转变意味着芯片制造已经从“按需扩产”转向“战略储备式扩产”，背后驱动力正是AI大模型训练和推理带来的海量算力需求。
值得注意的是，应用材料近期在新加坡落成了一座投资5亿美元（约合34亿元人民币）的生产基地，并大幅扩充产能以匹配持续高涨的市场需求。这一举动不仅是响应客户长期订单，更是对全球半导体供应链格局变化的主动布局。随着企业数字化转型加速，数据中心、自动驾驶、边缘计算等场景对高端芯片的需求持续攀升，设备商必须提前押注产能。
万亿半导体市场提前到来：AI基建的核爆效应
世界半导体贸易统计组织（WSTS）的最新数据显示，2026年全球半导体市场营收将首次突破1.5万亿美元，而此前行业预测认为万亿营收关口要到2030年才能达成。市场规模增速显著加快，核心驱动力来自大规模人工智能基建投入和存储芯片价格大幅上涨。机构甚至预测，2027年全球半导体市场规模将进一步突破1.9万亿美元。
这一增速背后的逻辑并不复杂：每一代AI模型的参数规模都在以每年10倍的速度增长，而训练这些模型需要数十万块GPU集群。以GPT-4为代表的大模型，其训练算力需求已超过传统数据中心的数十倍。更关键的是，推理阶段的算力消耗同样惊人——当AI应用全面普及，从手机到汽车，从医疗到工业，每个终端都需要实时运行AI算法。
迪克森对此判断十分坚定：“算力应用全面普及，算力需求的增长幅度前所未有。我十分确信，未来多年算力需求都会保持极高增速。”这种乐观情绪正传导至整个产业链，从晶圆制造到封装测试，设备商订单已经排到数年之后。对于关注最新科技, 科技产品的读者而言，这意味着AI芯片不仅是技术热点，更是未来十年最确定的投资主线之一。
先进封装：乐高式芯片整合的突破之道
当传统摩尔定律逼近物理极限，单纯依靠缩小晶体管尺寸来提升性能的路径越来越难。此时，先进封装技术——如同乐高积木般将不同功能的芯片整合为一套系统——正成为突破性能瓶颈的核心抓手。应用材料指出，先进逻辑芯片和高端存储芯片的制造设备是公司核心增长引擎，但封装设备业务的增速才是半导体行业最快的细分赛道之一。
迪克森强调：“如何实现各类算力芯片组件的互联集成，将是整个半导体行业最具发展潜力、增速最快的赛道之一。”应用材料此前预测，其芯片封装设备业务今年将实现50%的营收增长。这种爆发式增长源于AI芯片对高带宽内存（HBM）和3D封装的强烈需求——例如NVIDIA的GPU需要将多个HBM堆叠在一起，通过硅中介层与计算核心实现超高速互联。
在这一领域，AI图片生成等应用对算力的极高要求，反过来倒逼封装技术革新。同时，AI画图等创意工具也需要更强大的GPU支持，这使得封装技术成为AI硬件生态的关键一环。可以预见，未来几年随着Chiplet（芯粒）设计理念的普及，封装设备将迎来一波持续数年的采购高峰。
中国市场：从激进扩张到稳定利基的转型
受全球出口管制收紧的影响，应用材料向中国出售最尖端设备的业务受到限制。2025年公司来自中国市场的营收占比为30%，相较2024年的37%有所下滑。但迪克森认为该政策不会对整体需求造成明显冲击，因为晶圆制造设备超八成的新增需求集中在先进制程芯片领域，而应用材料在中国的主要客户，业务大多集中在物联网终端、通信、汽车电子及功率传感器等相对成熟的赛道。
“这类细分赛道增长速度不及先进制程，但依旧具备重要市场价值，我们也在该领域持续推出大量创新技术。”迪克森表示。这种策略反映了中国半导体产业从盲目追求先进制程向务实多元化的转变。例如，在汽车电子领域，28nm甚至更成熟工艺的芯片依然有巨大需求；在功率半导体方面，SiC和GaN等第三代半导体正迎来爆发。
对于国内科技企业而言，AI工具导航可以帮助他们快速找到适合自身需求的AI解决方案，从而在有限制程条件下提升产品竞争力。同时，AI诗词等轻量级AI应用虽然不依赖顶尖芯片，但对算力效率的优化同样值得关注。总体来看，中国市场正从“设备进口大户”转型为“成熟工艺创新高地”，这一趋势也将在未来数年内影响全球半导体设备商的布局。
供应链本土化：从口号到基础设施的硬仗
美国正大力推动关键半导体制造产能回流本土，但迪克森坦言，配套基础设施建设仍有大量工作要做，才能跟上不断扩张的产能需求。“供应链本土化会持续成为行业核心趋势。而本土化落地，需要配套充足的专业人才、能源供给、水资源以及各类原材料。”这句话道出了当前芯片制造业最大的痛点——不是技术，而是基建。
一个晶圆厂每天消耗数万立方米超纯水和数十兆瓦电力，对供应链的依赖远超普通工厂。美国虽然通过《芯片法案》吸引台积电、英特尔等巨头建厂，但水电资源规划、人才培训体系、环保审批流程等环节仍存在巨大缺口。相比之下，新加坡、马来西亚等亚洲国家在基础设施和人才储备上更具优势，这也是应用材料选择在新加坡扩产的重要原因。
对于未来，迪克森认为半导体设备行业的高增长至少还能维持5-7年。这一判断与半导体设备需求的周期规律相吻合——当AI从“训练阶段”进入“部署阶段”，对芯片的需求将更加分散且持久。此外，AI Agent技术的兴起也将催生新的芯片架构和封装形式，进一步拉动设备采购。
结语：AI芯片浪潮的“卖铲人”逻辑
回看历史，每一轮科技革命的最大受益者往往是基础设施提供商。19世纪淘金热中，卖铲子的人赚得盆满钵满；21世纪AI浪潮中，应用材料这样的半导体设备商正在扮演“卖铲人”的角色。当客户给出直至2030年需求展望时，意味着这场AI芯片投资狂潮的确定性远超以往任何一次技术周期。
对于普通消费者而言，最新科技, 科技产品的迭代速度将越来越快——或许明年你就能用上搭载Chiplet封装和HBM4显存的AI手机，而背后支撑这一切的，正是那些在无尘车间中默默运转的先进设备。关注科技产品的用户，不妨留意一下未来几年芯片封装工艺的演进，它将直接影响终端设备的性能与功耗。
正如迪克森所言，算力需求的增长幅度前所未有，而芯片制造商正为多年产能扩张做准备。这场由AI引发的产业变革，才刚刚拉开序幕。