智通财经APP获悉，华尔街金融巨头伯恩斯坦最新发布的《全球半导体设备追踪》研究报告显示，围绕AI算力主题的半导体股票(即AI半导体)投资巨浪正在从前沿AI实验室与云计算大厂们AI算力资源采购向攸关AI算力基建的那些半导体制造设备类股票扩散。伯恩斯坦分析师团队表示，围绕AI半导体的股票市场投资浪潮正在向芯片制造上游加速扩散，半导体设备企业有望成为承接最新一轮庞大AI算力资本开支与半导体盈利增长周期的重要力量。
伯恩斯坦援引8月日本市场半导体设备供应商销售额达到5450亿日元，同比增长50%，其中前道制造、组装和测试设备分别增长约37%、22%和98%;三个月移动平均销售额持续上升，显示设备需求扩张具有愈发强劲的中期需求支撑。与此同时，美光最新财季营收同比增长约379%至542.29亿美元，下一季度营收指引进一步升至615亿美元、上下浮动15亿美元，显示存储需求正在转化为强劲收入，并且美光管理层表示未来将大举扩产能推动存储芯片供给规模扩张;10月2日费城半导体指数上涨2.4%，反映市场在美债收益率激增背景之下继续关注半导体盈利增长。
自今年以来以Meta Muse、OpenAI Astra以及Anthropic Claude所核心代表的全球最前沿AI智能体/AI大模型技术进步，可谓为AI应用向各行业的大规模商业化扩张以及AI算力需求持续激增提供了重要技术基础——尤其智能体应用范围扩大，有望同步提高AI GPU/TPU这类AI超级加速器与高性能CPU、数据中心高性能HBM/DRAM/NAND存储芯片、高速光互连器件等AI核心基建资源需求。
从AI推理系统架构来看，GPU和专用加速器承担模型计算，CPU负责把推理结果转化为实际操作，内存与存储负责保存和调取任务状态。长上下文与多轮调用增加预填充计算及KV缓存需求;浏览器、代码沙箱、检索和任务编排增加服务器CPU负载;文件、数据库、持久记忆与缓存分层则将需求延伸到服务器DRAM、企业级SSD和高速网络。英伟达的技术资料已经将AI智能体推理描述为跨越GPU HBM、CPU DRAM、本地NVMe及远程存储，以及对于数据传输至关重要的内部高速光互连的无比庞大系统工程。
在Anthropic管理层看来，AI数据中心服务器集群的存储芯片组件，以及AI GPU仍是最清晰的AI算力产业链层面供给瓶颈。市场调研机构TrendForce预计，2026年服务器DRAM合约价累计上涨约270%，企业级SSD价格累计上涨约235%;2027年HBM合约价仍可能上涨70%—140%，即继续呈现翻倍式增长，这些数据体现了AI算力需求持续扩张与存储芯片涨价的共同作用。TrendForce测算还显示，2027年涵盖Blackwell与Vera Rubin平台的NVL72机架出货量预计同比增长超过50%;其市场调研的配图显示，相关系统产值预计由2026年的约2260亿美元升至2027年的7110亿美元，同比大幅增长214%。
从工程逻辑看，智能体将一次问答扩展为规划、检索、工具调用、代码执行和结果校验，多轮推理增加计算需求，美国半导体设备巨头应用材料的管理层此前明确指出，智能体应用迫切需要庞大AI GPU这类AI加速器以及更偏CPU密集的计算架构，并增加DRAM和NAND需求，为晶圆制造设备提供额外增长动力。
因此，半导体设备端可谓受益于“扩产需求”与“工艺升级”共同推进。先进逻辑芯片的全环绕栅极结构、高层数3D NAND，以及HBM堆叠与先进封装，提高了精密沉积、选择性刻蚀、化学机械抛光和缺陷控制的技术要求。需求持续增长，既可能推动新增产线，也会增加现有产线升级需求。
总部位于日本的这些半导体设备领军企业受到伯恩斯坦青睐，根本原因是其产品优势覆盖了AI芯片制造的关键工序。比如全球半导体设备领军者之一——应用材料最强竞争对手东京电子拥有广泛的前道设备布局，受益于存储和先进逻辑投资，日元贬值还可能增强其定价竞争力。日本半导体设备之所以成为伯恩斯坦观察焦点，是因为日本供应商占全球晶圆制造设备市场约四分之一，并在多项关键工艺中拥有突出竞争地位。此外，伯恩斯坦继续看好包括应用材料、科磊、泛林集团、北方华创以及中微公司在内的美国及中国市场多家半导体设备超级龙头。
对AI算力主题而言，伯恩斯坦表示，半导体设备企业的核心投资价值来自多种芯片路线对先进制造能力的共同需求：GPU、定制AI芯片、HBM及服务器内存的竞争，可以共同增加对沉积、刻蚀、加工、检测与测试的投入。伯恩斯坦因此维持11家公司“跑赢大市”评级，形成“全球扩产+工艺复杂度提升+优势厂商份额增长”的半导体板块投资组合与选股框架。
下表完整列出伯恩斯坦分析师团队给予的股票投资评级、目标价以及这些个股对应的未来12个月股价上行空间;计算基准统一采用报告所列2026年10月1日收盘价，而非实时股价。
日本半导体设备销售额疯狂增长50%：AI投资巨浪正在抵达晶圆厂
伯恩斯坦分析师团队重点给出的，是一组具有全球产业观察价值的设备销售数据，而非尚未兑现的采购意向。报告采用日本半导体制造装置协会(SEAJ)9月30日发布的8月统计数据，并同时观察单月与三个月移动平均，以区分短期波动和趋势：8月日本供应商半导体生产设备(SPE)销售额为5,450亿日元，日元口径同比疯狂增长50%、环比下降4%;美元口径同比增长39%。三个月平均销售额则在日元口径下同比增长47%、环比增长7%，美元口径下同比增长35%、环比增长10%，延续了自2023年年中启动的上升周期。
伯恩斯坦表示，这些数据都在积极说明增长并非仅由日元换算带来，也不能因为单月环比回落就认定景气逆转。细分来看，前道晶圆制造设备同比增长36.6%、环比下降8.3%;组装设备同比增长22%、环比增长5.9%;测试设备同比增长98%、环比增长17%，测试设备三个月平均环比增幅约14%。前道保持高同比增长、封装继续扩张、测试接近翻倍，构成了这份报告最重要的产业链条结构信号。
伯恩斯坦分析师团队最新预期显示，该机构预测全球晶圆制造设备(WFE)市场2026年、2027年分别增长26.3%和32.6%;按这两年的预测连乘，2027年市场规模将较2025年扩大约67.5%，意味着规模数千亿美元的半导体设备产业面对的是连续两年的显著扩张步伐。伯恩斯坦强调，美光强劲业绩展望所显示出的2026财年净资本开支达到273.7亿美元，最新披露的2027财年上半年资本开支计划约250亿美元，为存储厂商继续扩大制造投入提供了具体支持。
伯恩斯坦研究报告对于半导体设备的研究之所以聚焦日本市场，主要因全球晶圆厂大规模扩产带动在日本股市占据高额权重且在全球半导体产业链具备重要影响力度的日本半导体设备供应商大幅受益。
伯恩斯坦表示，日本设备企业与存储资本开支回升之间具有较强的业务匹配关系：东京电子是全球第四大、日本最大的半导体生产设备供应商，覆盖六大产品领域，受益于DRAM与先进逻辑投资，并可能凭借日元贬值后的定价竞争力扩大份额与利润率;DISCO在研磨、切割设备领域拥有约85%的份额，近期增长来自HBM和CoWoS，随后还可受益于混合键合、三维堆叠与背面供电相关工艺;Kokusai的批量原子层沉积(Batch ALD)主要应用于NAND，并有望随全环绕栅极(GAA)等先进工艺扩大采用。
此外，Lasertec拥有约50%的掩模检测份额，并在曝光波长检测(Actinic Inspection)领域具有独家供应地位，新型A200HiT设备向晶圆厂应用渗透，有望推动可服务市场扩大，伯恩斯坦非常看好A200HiT新品扩大EUV波长检测的应用;爱德万则凭借报告所述约65%的HBM测试设备份额及英伟达AI GPU测试供应地位，受益于测试强度、设备平均售价与产品组合升级。从工程角度推演，芯片结构越复杂、堆叠层数越多、封装后的总价值越高，制造过程中对精密加工、缺陷检测和测试覆盖的要求就越严格，因而设备支出可以同时受益于产能增加和单位产能工艺投入提高。
从扩产红利到“复杂度红利”：半导体设备龙头接棒AI投资巨浪
伯恩斯坦的半导体设备投资推荐覆盖范围进一步说明，这轮半导体设备投资机遇具有跨地区、跨工艺的市场延伸特点，并且呈现出半导体设备在半导体板块中独家具备的“复杂度红利”——即AI芯片/存储芯片/光芯片等AI基建芯片架构、堆叠和封装越复杂，制造与验证所需的设备能力越高;昂贵芯片和多芯粒封装又提高了失效成本，使更充分的检测和测试具有更强经济价值。
美国市场方面，应用材料的逻辑包括长期WFE增长、可服务市场扩大、服务业务增长以及资本回报;泛林集团(LRCX)同时受益于GAA、先进封装、HBM和NAND升级等技术转折;科磊凭借工艺控制领域的结构性增长、持久竞争优势、相对较低的中国国产替代风险和有纪律的资本配置，获得估值溢价支持。
中国市场方面，伯恩斯坦表示，北方华创覆盖物理与化学气相沉积、干法刻蚀、热处理和清洗，并服务逻辑、DRAM与NAND客户;中微公司以干法刻蚀为核心，向ALD、LPCVD和外延等沉积领域扩张;拓荆科技以多类薄膜沉积设备为基础，进一步拓展晶圆对晶圆、芯片对晶圆混合键合设备。三者的共同驱动是国产替代与份额提升，因此中国设备公司的增长包含独立于全球总需求增速的本土化因素。报告对于在日本股票市场上市交易的SCREEN(7735.JP)仅维持“与大市同步”：尽管估值较低，但清洗强度未明显提高、竞争较强，且中国收入占比大幅下降可能影响利润率。这些都在积极表明伯恩斯坦更看重技术升级和份额提升带来的盈利弹性，而非仅凭“半导体设备”标签给予统一看涨判断。
能体如何把Token需求传导为设备支出?Meta的Muse以独立云端虚拟机持续执行任务，OpenAI的GPT‑6 Astra则强化了计算机操作和多步骤专业工作能力，两者共同指向AI从单次问答转向持续完成任务;值得注意的是，在华尔街分析师们看来，这些能够支持智能体应用扩张的最新判断依据，无须把“AGI已经实现”作为论证前提。
从底层工程机制推演，一项任务会反复经历规划、推理、工具调用、代码或浏览器执行、反馈验证和重试，扩大输入、输出与推理Token总量，并增加同时运行的执行环境;GPU与AI ASIC承担模型计算，CPU承担调度和工具执行，HBM承担高速模型数据访问，服务器DRAM承载运行状态，SSD与网络支持数据、持久记忆和分层缓存。随后，持续利用率上升与客户用量增长推动云厂商采购更多服务器，芯片厂商再根据需求可见度增加晶圆、先进封装和测试产能，最终传导为设备采购。现实例证是Anthropic与Akamai签署七年116亿美元协议，明确用于CPU工作负载;Akamai预计相关资本开支约55亿美元，并在2026年追加约17亿美元预购包括内存在内的关键部件。
因此，智能体的“任务规模×执行深度×并发需求”，可谓是连接应用繁荣与设备扩张的核心变量;Token并不与算力固定比例对应，但只要总任务量和并发需求增长超过单任务效率改善，算力与制造投入仍会扩张。伯恩斯坦所观察到的AI芯片/存储芯片产能投资增长、先进封装大规模扩张和半导体测试设备接近翻倍，正与这条关于半导体设备支出加速扩张的AI资本传导链相吻合。
另一华尔街金融巨头高盛统计数据显示，9月美国对冲基金虽卖出多数行业，半导体设备和软件却获得强劲流入，但截至9月30日的一周，广义科技基金净流出26.3亿美元，金融、公用事业基金分别净流入11.3亿和4.68亿美元，足以说明全球资金配置方向已经分化。高盛最新观点也明确提到，投资者兴趣正在向AI部署工具、网络安全、AI数据中性核心基础设施和智能体商业应用、受益于AI算力需求扩张的半导体设备全面扩展。伯恩斯坦报告给出的投资启示可谓与高盛统计的资金流相呼应——AI半导体仍有坚实的产业增长支撑，半导体设备产业链开始成为机构捕捉制造投入增长的重要环节之一，而应用层的全面扩散又为下一轮算力需求提供增量来源。
伯恩斯坦在研究报告中对于应用材料的预计每股收益由2026年的12.76美元大幅升至2027年的18.30美元，对应市盈率由40.1倍降至27.9倍;DISCO的预计每股收益由1,830.28日元升至2,336.94日元，对应市盈率由33.0倍降至25.9倍。这些最新盈利预期上修凸显出在股价及盈利强劲预测下，由盈利增长带来的估值消化。伯恩斯坦维持对于覆盖中国以及美国、日本市场的11家半导体设备领军公司的“跑赢大市”评级，形成“全球扩产+工艺复杂度提升+优势厂商份额增长”的投资组合与选股框架。