当人工智能从概念走向千行百业，支撑其运算能力的底层硬件正迎来一场史无前例的投资浪潮。国际半导体产业协会（SEMI）最新发布的年中预测指出，全球半导体设备销售额将从2025年的1347亿美元增长至2028年的2295亿美元，三年复合年增长率高达19.44%。在这场由AI应用驱动的增长中，不仅逻辑芯片和存储器设备需求旺盛，测试与封装环节也展现出惊人的爆发力。本文将从多个维度拆解这一趋势背后的产业逻辑，并探讨AI应用如何重塑半导体资本开支的底层规则。
一、AI应用点燃设备投资“长周期引擎”
“人工智能正在加速对更强大、更高效芯片的需求，从而推动整个半导体资本设备市场的投资增长。”SEMI总裁兼首席执行官Ajit Manocha的这句话，精准概括了本轮设备牛市的本质。与过去由智能手机、PC等消费电子驱动的周期性波动不同，本轮增长呈现出更强的持续性与结构性特征——AI应用不再是单一场景的试验，而是渗透到数据中心、自动驾驶、医疗影像、工业自动化等几乎所有领域，形成了对高性能芯片的“刚需”。
据SEMI数据，2025年全球半导体设备销售额已突破1347亿美元，而2026年预计将达1659亿美元，同比增幅高达23.2%。更值得注意的是，这一增速并非昙花一现：2027年销售额有望跨越2000亿美元大关，2028年进一步攀升至2295亿美元。连续三年的高增长背后，是AI Agent技术从实验室走向生产环境所带来的算力饥渴。每一代大模型的训练都需要数万张高端GPU集群，而GPU的制造依赖于最先进的光刻机、刻蚀机和薄膜沉积设备。可以说，AI应用的每一次进化，都直接拉动了最新科技在半导体制造端的落地。
与此同时，AI技术对芯片架构的革新也在反哺设备市场。从英伟达的Blackwell到AMD的MI系列，GPU加速器正在从单纯的计算单元演变为集成了HBM内存、先进封装和高速互联的复杂系统。这种“系统级芯片”的制造难度指数级提升，需要更精密的设备来支撑。因此，我们看到的不仅仅是设备销售额的上涨，更是每单位芯片价值中所含设备成本的显著增加。
二、前端WFE市场：逻辑与存储器“双核”驱动
前端晶圆制造设备（WFE）是半导体投资的重头戏。SEMI预测，WFE市场将在2025年增长23.1%至1439亿美元，随后在2027年和2028年分别实现21.8%和14.1%的增幅，最终达到1047亿美元。这一看似“先高后稳”的增长曲线，实际上反映了制程工艺从7nm向3nm乃至2nm的迁移带来的设备更新需求。
从细分来看，逻辑芯片领域的设备投资三年复合增长率约为16.86%，虽然不如存储器激进，但绝对值巨大。台积电、三星和英特尔的3nm以下制程竞速，直接推动了对先进光刻机（尤其是EUV）、原子层沉积（ALD）设备和离子注入机的采购热潮。而AI应用对逻辑芯片的定制化需求——例如NPU（神经网络处理器）、TPU（张量处理单元）的崛起——让晶圆厂不得不为不同架构配备专门的制程工艺，这进一步拉长了设备采购清单。
存储器方面，DRAM设备销售额预计在2025年同比增长39.0%至388亿美元，随后两年分别增长27.4%和15.0%，到2028年达到569亿美元。这一飙升与HBM（高带宽存储器）的爆发直接相关。HBM是AI加速器不可或缺的“高速缓存”，其制造需要比传统DRAM更复杂的TSV（硅通孔）和混合键合工艺，对刻蚀、沉积和清洗设备提出了全新要求。而NAND设备销售额则将在2026和2027年连续两年录得30%以上的增幅，到2028年达到208亿美元。AI应用对海量数据的存储需求，使得QLC（四级单元）和PLC（五级单元）NAND闪存的3D堆叠层数不断攀升，从200层迈向500层，每增加一层都需要对应的沉积与刻蚀设备投入。可以说，前端WFE市场的增长，本质上是AI技术对计算与存储双重极限的持续挑战。
三、DRAM与NAND：AI数据洪流中的“存储革命”
如果说逻辑芯片是AI的大脑，那么存储器就是AI的神经末梢。SEMI的预测中，DRAM和NAND的增速格外亮眼，这背后是AI应用对“存算一体”需求的急剧变革。
先看DRAM。2025年DRAM设备销售额同比增长39%，这一数字甚至超过了2024年AI服务器出货量增速。核心驱动力来自HBM3E和HBM4的量产。目前，三星、SK海力士、美光三巨头正在疯狂扩充HBM产能，而HBM的制造需要将多个DRAM die垂直堆叠并通过微凸点连接，这一过程涉及数十道额外的工艺流程，包括TSV钻孔、铜电镀、临时键合和解键合。每一套HBM产线的设备投资额，是传统DRAM产线的3到5倍。更关键的是，HBM的良率当前仅有60%-70%，这意味着设备商有巨大的机会通过改进工艺来帮助客户提升良率。
再看NAND。AI推理和训练过程中产生的大量中间数据（Checkpoint、权重文件）对存储容量和读写速度提出了新要求。传统HDD无法满足延迟要求，而PCIe 5.0/6.0 SSD成为标配。为了在单位面积内堆叠更多存储层，NAND厂商正在从232层向300层甚至400层迈进。每增加50层，就需要更换更高精度的沉积设备和刻蚀设备。此外，PLC（五级单元）技术的引入对读写精度要求更高，这意味着测试设备的采购量也会同步增长。值得注意的是，NAND设备销售额将在2028年达到208亿美元，较2025年有翻倍潜力。
从数据中还能看到一个有趣的结构变化：DRAM设备增速在2027年后减缓至15%，而NAND则仍保持两位数增长。这或许是因为HBM的短期爆发力更强，但长期来看，随着AI应用从云端向端侧（如AI PC、AI手机）扩散，本地存储需求的基数会更大。这也提醒设备厂商，需要在保持高端优势的同时，关注中低端产线的自动化改造需求。
四、后端测试封装：从“配角”到“价值高地”
过去，测试和封装设备在半导体投资大盘中占比通常不高，常被视为“后道工序”的附属品。但这一局面正在被AI应用彻底改写。SEMI预测，半导体测试设备销售额将在2025年飙升55.3%的基础上，2026年再增长31.0%，最终在2028年达到208亿美元；封装设备销售额则将在2028年达到86亿美元。
测试设备的爆发，直接源于AI芯片的复杂性。一颗AI加速器内部可能集成了数百亿个晶体管、多层HBM堆叠、以及高速互联SerDes接口。任何一个节点的缺陷都可能导致整个AI模型推理出错——尤其对于自动驾驶或医疗诊断等生命攸关的应用，零缺陷要求几乎成为行业标准。这促使芯片厂商大幅增加测试设备的投入，包括ATE自动测试设备、探针台和分选机。尤其是系统级测试（SLT），需要在模拟真实AI工作负载的环境下对芯片进行全功能验证，这类设备单价动辄数百万美元。
封装设备同样是本轮增长的亮点。先进封装（如CoWoS、InFO、3D IC）是AI芯片实现高集成度的关键。以台积电为例，其CoWoS产能连年翻番，仍供不应求。先进封装的核心工艺包括晶圆级键合、硅中介层制造和微凸点回流焊，这些都需要高精度的临时键合机、混合键合机和划片机。SEMI预测，封装设备销售额在2028年达到86亿美元，但考虑到先进封装在AI芯片成本中的占比正在从15%向30%攀升，这一数字未来仍有上调空间。
值得注意的是，后端设备的客户群也在变化。过去，封装和测试主要由IDM和OSAT厂商承担；而现在，越来越多的晶圆代工厂开始自建封装产能（如台积电的3D Fabric平台），甚至系统厂商（如苹果、英伟达）也在自研测试方案。这种“垂直整合”趋势，使得设备商需要提供从设计到量产的端到端解决方案。AI工具导航中不少新兴的EDA和仿真平台，正是为了帮助客户在测试环节提前发现设计缺陷。可以预见，未来几年后端设备将成为半导体设备市场增长最快的细分赛道之一。
五、三年19.44%复合增长：数字背后的产业逻辑
19.44%的复合年增长率，放在任何一个制造业领域都是惊人的。要理解这一数字的含金量，需要回到半导体产业的底层逻辑：每一次技术代际跃迁，都会带来设备投资的倍数放大。从28nm到7nm，设备成本增加了约3倍；从7nm到3nm，又增加了2倍左右。而AI应用正在加速这一“代际跃迁”的节奏——原来每3-4年一次的光刻节点更新，现在被缩短到2年甚至更短。
这种加速对设备商意味着巨额订单，但也带来了“资本过剩”的风险。SEMI主席Ajit Manocha在发布预测时特别指出：“芯片制造商正在投资于人工智能时代所需的最前沿逻辑芯片、先进存储器、测试和封装能力。”这句话的潜台词是，投资主要集中在“最前沿”，而非全品类。这意味着那些无法跟上AI需求的成熟制程设备（如90nm的旧款光刻机）可能面临需求萎缩，而针对3nm以下制程、HBM专用和先进封装的设备将持续供不应求。
从区域分布看，中国大陆、中国台湾和韩国仍是设备采购的主力。但地缘政治因素正在重塑供应链——美国CHIPS法案推动的本地制造、欧洲芯片法案的新建晶圆厂、日本在材料领域的隐形优势，都使得设备需求的地理分布更加分散。对于设备商而言，大模型训练带来的GPU需求虽然集中在少数几家芯片公司，但为满足这些需求，全球范围内的晶圆厂扩建却在同步展开。预计到2028年，全球将有超过40座新晶圆厂投入运营，这些新建产线需要从零开始采购全套设备，成为设备销售额增长的压舱石。
另外，一个不可忽视的因素是二手设备市场的活跃。AI应用虽然需要最先进的设备，但一些成熟工艺（如电源管理芯片、传感器）的扩产仍在使用折旧后的旧设备。这在一定程度上对冲了产能过剩的风险，使得设备市场的波动性低于历史周期。
六、未来展望：AI应用如何重塑半导体资本开支
站在2025年年中回望，半导体设备市场正处于一个“超级周期”的起点。但准确地说，这并非简单的周期性复苏，而是结构性变革下的新常态。AI应用的渗透率还在快速提升，从云端到边缘再到终端，每一个新场景都在要求芯片具备更低的功耗、更高的性能以及更灵活的可重构性。这将倒逼芯片设计从“通用化”走向“场景化”，进而要求设备制造工艺具备更高的灵活性。
一个关键趋势是，设备采购将从“按制程节点招标”转向“按应用场景定制”。例如，专门针对AI推理的芯片可能不需要极致的3nm FinFET，而可以采用相对成熟的制程结合先进封装来实现。这意味着设备商的产品线需要更宽，既要能供应最尖端的EUV光刻机，也要能为成熟制程提供高效能的等离子体刻蚀设备。AI工具箱中类似定制化设计辅助工具的出现，正在帮助芯片厂商更好地匹配工艺与需求。
另一个潜在变量是量子计算和光子计算的崛起。虽然当前它们尚未形成规模，但AI应用对算力的无止境追求，可能催生全新的计算范式。一旦量子比特数量突破门槛，半导体设备市场将迎来全新的设备类别——例如用于制造超导量子芯片的分子束外延（MBE）设备或电子束光刻机。尽管这不会在未来三年内显著影响SEMI的预测数字，但长期投资者必须将其纳入叙事框架。
最后，从投资策略角度看，设备商的估值逻辑正在发生变化。过去，设备股跟随WFE周期波动；如今，由于其下游客户（台积电、三星等）的营收预期与AI应用绑定，设备股获得了“成长溢价”。例如，ASML的市盈率长期维持在35倍以上，远超传统工业股。这意味着，只要AI应用的需求曲线保持向上，设备市场的“天花板”远未到来。对于普通观察者而言，不妨保持对AI图片生成、艺术签名等趣味应用背后算力消耗的关注——那些看似轻松的娱乐功能，正在吞噬越来越大的半导体产能。
总之，SEMI的三年预测像一扇窗，让我们得以窥见AI产业从底层硬件的价值传递链条。19.44%的复合增长率不是一个冰冷的数字，而是全球数万工程师、数十座晶圆厂以及数以万亿计资本意志的凝结。当AI应用无处不在，半导体设备本身的“技术含量”也将成为衡量全球经济智能化程度的标尺。