AI 驱动盈利牛市，半导体涨势远未结束

概览

这篇深度研报旨在拆解 2026 年初至今半导体板块约 72% 暴涨的背后驱动力，并判断其可持续性。报告的核心结论是：此轮上涨并非由投机性估值扩张驱动，而是由坚实的盈利增长支撑，AI 基础设施建设周期仍处于早期且具有持久性。美银对 AI 驱动的半导体行业前景保持高度乐观，尤其看好计算、存储、模拟芯片和半导体资本设备等子板块，并认为 AI 整体市场空间到 2030 年将增长三倍，达到约 1.7 万亿美元。

核心观点

报告的核心论点在于驳斥市场对半导体板块“估值泡沫”的担忧。数据显示，尽管费城半导体指数（SOX）年初至今大幅上涨，但其远期市盈率（PE）仍维持在约 25.6 倍，与年初水平基本持平，并远低于此前约 30 倍的峰值。这说明指数上涨的主要驱动力是盈利预期的上修，而非市盈率的盲目扩张，这为涨势的可持续性提供了坚实基础。 在需求端，报告认为 AI 基础设施投入的可持续性被市场低估，并指出了四大关键支撑：1）前沿 AI 实验室（如 OpenAI、Anthropic）的收入正以 3-5 倍的同比增速爆发式增长，为巨额资本支出提供了商业闭环；2）AI 商业化正在加速，以谷歌为例，其 token 消耗量同比增长 7 倍，智能体（Agentic）工作流能产生比聊天交互多 10 到 1000 倍的 token，从“按席位付费”转向“按用量付费”的商业模式变革，为云厂商提供了明确的变现路径；3）供给端持续紧张，所有已部署的基础设施利用率接近饱和；4）主权国家、企业和工业端的需求被低估。基于此，美银预计 AI 数据中心系统总可寻址市场（TAM）将从 2025 年的 2640 亿美元增长至 2030 年的 1.7 万亿美元以上，其中 AI 服务器占约 75%，网络设备占约 20%，存储占约 5%。 估值层面，报告通过分析 PEG（市盈率相对盈利增长比率）指标，识别出多个子板块的投资机会。在计算和存储领域，像英伟达（NVDA）、美光（MU）、Credo（CRDO）等公司的 PEG 小于 1 倍，且交易价格低于其历史市盈率均值，显示估值具备吸引力。半导体资本设备板块虽然估值相对较高，但考虑到其未来 2-3 年可能迎来 20% 以上的年销售额增长（远超历史 10% 的增速），这种高估值有其合理性。模拟芯片板块则提供了一个“低 beta 参与 AI”的独特视角，因其 AI 相关收入敞口平均仅约 10%，同时受益于航空航天、国防和汽车等非 AI 市场的周期性复苏，兼具防御性和成长性。

分析框架

报告采用了一种经典的“自上而下”与“自下而上”相结合的分析框架来构建其论点。 首先，在宏观和市场层面，报告通过拆解指数涨幅，将股价变动归因于“盈利”和“估值”两个核心因子。通过对比 SOX 指数年初至今的价格涨幅与远期市盈率的变化，直观地证明了此轮上涨几乎完全由盈利增长驱动，从而驳斥了“泡沫论”。 接着，在产业需求层面，报告构建了一个严谨的逻辑传导链条：从“前沿 AI 实验室收入爆发” → “云服务商积压订单（RPO）增长” → “AI 资本支出具备可持续性” → “半导体需求长期强劲”。报告引用了 OpenAI、Anthropic 的具体收入预测，以及微软、亚马逊、谷歌等超大规模云服务商（Hyperscaler）的 RPO 和资本支出数据，将抽象的“AI 需求”具象化为可验证的财务数据。 最后，在微观选股层面，报告通过分析 PEG 指标（市盈率/盈利增长率）来横向比较不同子板块和个股的估值性价比。PEG 小于 1 通常被视为低估值的信号，报告据此筛选出计算、存储等领域的标的，并针对不同子板块的估值水平和增长前景，给出了差异化的投资逻辑。这种方法系统性地将宏观判断、产业趋势和微观估值结合，为投资者提供了一个清晰的决策地图。

方法论与常识提炼

• 估值方法PE/PEG 估值

  PE（市盈率）与 PEG（市盈率相对盈利增长比率）的联合运用

  PE 衡量股价相对于每股盈利的倍数，而 PEG 则进一步将 PE 与盈利增长率挂钩，即 PEG = PE / 盈利增长率。PEG 小于 1 通常被视为股票可能被低估。报告中大量使用这一指标，例如指出英伟达、美光等公司的 PEG 小于 1 倍，来说明其估值相对于其高增长潜力具备吸引力。

• 行业/产业分析框架量价拆分

  将股价/指数涨跌拆解为盈利变动和估值变动的分析方法

  这是一种常见的分析思路，用于判断市场上涨的驱动力是健康的盈利增长，还是投机性的估值扩张。报告通过对比 SOX 指数年初至今约 72% 的涨幅与远期市盈率“基本持平”的事实，得出“盈利驱动”的核心结论，这正是量价拆分思想的运用。

• 行业/产业分析框架渗透率 S 曲线

  AI 技术的渗透率 S 曲线和产业生命周期

  报告认为 AI 基础设施投资周期仍处于“早期/持久”阶段，这隐含了技术创新扩散的 S 曲线理论，即一项新技术在初期渗透缓慢，随后进入快速增长的甜蜜点，最终达到饱和。报告通过 2030 年 TAM 增长三倍的预测，以及 token 消耗量、智能体工作流等新应用的出现，论证了 AI 仍处于加速渗透的早期阶段。

• 量化/因子/组合理论beta/alpha 分析

  低 beta 策略在行业轮动中的应用

  Beta 系数衡量个股相对于整个市场（如 S&P 500）的波动性。报告指出，模拟芯片板块因 AI 相关收入敞口较低（约 10%），意味着其 beta 值较低，可作为参与 AI 主题的“防御性”方式。这意味着在市场波动加剧时，低 beta 的资产可能表现更稳健，为投资者提供了一种兼顾成长与防御的投资逻辑。

• 周期与景气框架

  将股票上涨归因于“盈利驱动”而非“估值驱动”，以判断市场周期的健康度

  报告的核心逻辑是区分“盈利牛”与“水牛”（估值牛）。在一个健康的牛市中，股价上涨应主要由企业盈利增长推动。如果 PE 倍数同步快速扩张，则可能意味着市场情绪过热，存在回调风险。报告通过论证 SOX 指数 PE 稳定，旨在说明这轮半导体牛市有扎实的基本面支撑，持续性更强。

• 固收与信用分析利差与资产质量

  财务指标（如 RPO、资本支出强度）与资本开支的可持续性分析

  报告通过分析超大规模云商的商业 RPO（剩余履约义务，即已签约未确认的收入）和资本支出强度，来验证 AI 资本开支的可持续性。RPO 高速增长意味着未来收入有保障，从而支持当前的巨额投资。这类似于信用分析中，通过分析借款人的未来收入确定性来评估其偿债能力，从而判断其当前的资本开支计划是否稳健。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• AMD (Advanced Micro Devices)

  受益于 AI CPU/GPU 市场份额提升，以及超 50% 的年度 EPS 复合增长潜力。

  优势

  AI CPU/GPU 市场份额增长潜力大，EPS 增长强劲。

  劣势

  在周期性的 PC、嵌入式、游戏主机市场增长较慢。

  风险

  中东 AI 项目时间/规模不确定；消费和企业支出不规律；高度依赖单一外包制造伙伴；游戏主机周期成熟。

• ADI (Analog Devices Inc.)

  受益于数据中心（约 20% 收入敞口）和 AI 电力需求，以及一流的自由现金流生成能力。

  优势

  数据中心敞口，一流的盈利能力和 FCF，差异化通信业务。

  劣势

  面临成本上升和关税的短期担忧。

  风险

  经济衰退减少汽车/工业需求并影响毛利率；无法实现 Maxim 合并的协同效应；来自成本更低生产商的竞争；中美贸易紧张/关税风险。

• AVGO (Broadcom Inc)

  受益于 AI 定制芯片（ASIC）和网络业务，是 AI 计算领域的核心供应商。

  优势

  双位数 EPS 增长，一流的盈利能力、FCF 和回报。

  劣势

  对苹果和谷歌的高敞口存在被替换风险；面临来自英伟达在网络领域的竞争。

  风险

  半导体周期风险；客户集中度风险；网络/智能手机/存储市场竞争风险；频繁收购带来的财务和整合风险；约 600 亿美元净债务。

• NVDA (NVIDIA Corporation)

  作为 AI 加速计算和网络市场的领导者，是 AI 资本支出的直接受益者。

  优势

  在快速增长的 AI 计算/网络市场中占据领先份额。

  劣势

  面临来自大型公共公司、云厂商内部项目和其他私营公司的竞争。

  风险

  消费级游戏市场疲软；AI 市场竞争加剧；对华芯片出口限制影响加大；企业、数据中心、汽车新市场销售不规律；资本回报减速；反垄断审查。

• MU (Micron Technology, Inc)

  作为存储芯片龙头，受益于 AI 驱动的 HBM 和传统内存景气周期上行。

  风险

  内存平均售价（ASP）跌幅超预期；来自中国新进入者的竞争加剧；市场份额流失；数据中心、智能手机、PC 等终端市场需求疲软。

关键数据

• SOX 指数年初至今涨幅约 72%彰显板块强劲动能。
• SOX 指数远期市盈率约 25.6 倍与年初持平，低于此前约 30 倍的峰值，表明上涨由盈利驱动。
• AI 数据中心系统 TAM（2030 年预估）约 1.7 万亿美元从 2025 年的 2640 亿美元增长，年复合增长率（CAGR）达 45%。
• OpenAI 2030 年收入预估约 2840 亿美元来自美银分析师 Justin Post 的预测，其中智能体业务贡献约 20%。
• Anthropic 年化收入运行率（ARR）从 12 月的 90 亿增至 3 月的 190 亿美元环比增加可能超 25 亿美元，是 AI 需求变现的近期证据。
• 微软商业 RPO约 6270 亿美元同比增长约 99%，其中包含 OpenAI 为 Azure 服务新增的 2500 亿美元合同。
• 亚马逊 AWS 积压订单3640 亿美元明确不包括近期超 1000 亿美元的 Anthropic 交易。

影响与含义

报告认为，在 AI 需求持续爆发的背景下，半导体行业正处在一个多年度的结构性增长周期中。对于投资者而言，这轮上涨的“盈利驱动”属性意味着，尽管板块已录得显著涨幅，但并未出现危险的估值泡沫，后市仍有基本面支撑。从行业内部看，AI 投资链条上的价值分配将更广泛，从核心的计算芯片、高带宽内存（HBM），延伸到网络、存储、模拟芯片和半导体设备。报告特别提示，传统 CPU 的经济价值占比在 AI 时代相对有限，而加速器（GPU/ASIC）、内存和代工厂仍是获取 AI 增长杠杆的更好方式。

风险

• 执行风险：电力、数据中心建设、融资和组件供应等环节可能成为瓶颈，影响 AI 资本支出的实际落地。
• AI 商业化不及预期：尽管前沿实验室收入增长迅速，但利润率偏低和高现金消耗仍是行业面临的盈利挑战。
• 半导体行业周期性风险：市场对 AI 主题的情绪或基本面变化可能导致股价回调。
• 地缘政治风险：中美贸易紧张局势、关税升级或对华芯片出口限制，可能影响多家公司的业务。
• 竞争风险：在 AI 加速器、定制芯片（ASIC）和网络设备等领域，竞争日益激烈，可能导致市场份额变化。

后续跟踪

• 即将召开的 Computex 展会（6 月初）：预计将有更多关于 CPU 的发布，包括英伟达对其 2030 年 2000 亿美元 TAM 的详细阐述。
• 超大规模云服务商的资本支出和 RPO 数据：这是验证 AI 需求持续性的关键指标。
• DRAM 内存季度定价：只要价格环比持续增长，存储板块的“痛苦交易”就值得继续参与。
• 智能体（Agentic）AI 工作流的商业化进程：代理工作流能产生远超聊天交互的 token 消耗，是下一阶段计算需求增长的核心驱动力。