AI时代下， 晶圆制造的“产能解药”除了扩产还有什么路？

当前，随着AI应用的持续发展，终端侧对于算力的需求正转化对芯片制造端的供给压力。SEMI本月发布的最新预测显示，全球300毫米晶圆厂前道设备投资在2026年有望达到1490亿美元，同比增长31%。这意味着，AI正驱动更广泛、更长期的晶圆制造产能投入，晶圆制造商不得不加速扩产来应对激增的需求。

但是，新建晶圆制造产线不仅投资巨大，且工厂从开工建设到有效产能开出周期长达数年。特别是在目前半导体制造设备供应受限、交付周期拉长的背景下，如何加速新建产线的产能开出，以及如何提升现有产线的设备利用率、工艺稳定性和有效产出，正成为了晶圆制造商需要并行推进的两项任务。

这些需求的变化也会体现在产业链上游企业的业绩中。当地时间10月14日，ASML公布2026年第三季度财报，净销售额达到116.62亿欧元，同比增长55.2%，创下历史新高；净利润达到49.60亿欧元，同比增长133.4%。公司同时将2026年全年净销售额指引上调至440亿至450亿欧元，并预计第四季度净销售额将进一步升至142亿至152亿欧元。

ASML亮眼的业绩也真实反映出AI基础设施建设对半导体制造设备的强劲需求。新机销售外，更值得关注的，还包括ASML如何通过设备安装管理、计算光刻、量测与检测等技术，帮助客户进一步提升产线效率和制造能力。

从这个角度看，半导体制造竞争的重心正在发生变化：从追求单台设备的性能，走向对整个制造系统的精度、效率、良率与稳定性进行综合优化。而这正是ASML“全景光刻”（Holistic Lithography）解决方案的意义所在。

一、扩产之外，存量产线提效需求成新趋势

ASML作为全球光刻技术的领导者，其财报也是观察全球半导体产业景气度、资本开支以及制造技术演进的重要窗口。除了营收、利润和全年指引，这份财报还揭示了晶圆厂投资逻辑的两个侧面：增加制造能力，以及挖掘现有产线的效率。

首先，在AI基础设施投资热潮的驱动下，ASML第三季度共销售121套光刻系统，环比增长33%；净系统销售额约84亿欧元，环比增长27.3%。

ASML CEO傅恪礼表示，客户普遍认为短期市场需求将继续增长，需求周期也在进一步延长。客户对未来市场需求前景更加清晰，并预计至少到2028年行业仍将处于供不应求的状态。基于这一预期，客户持续上调对ASML设备的短期和中期需求预期，部分客户已开始与ASML接洽2029年甚至2030年的设备订单。

因此，ASML将2026年全年净销售额指引上调至440亿至450亿欧元，毛利率指引调整为约56%。公司还在研究进一步提升2028年产能的方案，以实现超过此前公布的30%产能增幅。

其次，是既有产线的效率提升。ASML第三季度已安装设备管理业务收入达到32.89亿欧元，同比增长67.6%，环比增长19.1%，约占当季总营收的28.2%。该业务包括设备维护、维修、现场升级和选件销售等。傅恪礼表示，这项业务收入高于此前预期，并推动公司整体毛利率达到57.5%。

ASML指出，部分升级可由软件驱动，客户无需增加机台就有机会获得即时产能提升。对于晶圆厂而言，这一点尤其重要：新设备从下单、交付到安装调试通常需要较长周期，而升级现有设备、优化工艺和减少非计划停机，则可能更快转化为可用产能。

ASML还计划于2027年推出的NXE:3800F，可将生产效率从目前每小时230片晶圆提升至每小时260片晶圆。在浸润式DUV方面，ASML也计划提升关键设备性能，使2027年交付的浸润式设备生产效率达到每小时330片晶圆。

与此同时，ASML持续拓展量测与检测业务。公司在第三季度财报会议上宣布推出新一代量测设备YieldStar 550B，进一步提升测量精度，设备生产效率也可提升60%。这类业务的增长表明，客户不仅需要购买设备，也需要通过更好的过程控制和更及时的缺陷识别，提升整条产线的表现。

把这些信息放在一起看，晶圆厂投资不再只是通过增加设备来“做加法”，也要通过软件、升级、维护和工艺优化来“做乘法”。前者扩张名义产能，后者提升既有资产的有效产出。两者共同决定晶圆厂能否把需求增长转化为稳定、可交付的芯片产量。半导体设备市场的竞争，也正在从单一设备性能的竞争，逐渐转向整个系统综合能力的竞争。

二、挑战升级，光刻技术走向系统协同

如果把芯片制造比作一场接力赛，光刻只是其中一棒，但这一棒决定了整场比赛的节奏。一颗复杂芯片的光刻层数可达数十层甚至上百层，每一层图形不仅要符合设计尺寸，还必须与其他工艺层保持纳米级的精确对准。任何微小偏差，都可能被放大为良率损失、产能损失甚至交付风险。

晶圆厂真正要解决的，并不是某一次曝光能否达到很高的分辨率，而是如何让设计图形在整片晶圆、不同工艺层以及大规模连续生产中，始终以足够高的精度和一致性被制造出来。

要做到这一点，晶圆厂需要一个能够相互配合的生产系统。

首先是“计算”：芯片设计图形并不会一比一完美复制到晶圆上，光在掩模版和晶圆之间会发生衍射，相邻图形相互影响，光刻胶和显影等工艺条件也会带来偏差。在制造之前，软件模型需要预测光学成像和工艺过程中可能出现的偏差，并对设计图形和相关参数进行补偿，让最终结果尽可能接近目标。

其次是“生产”：量产环境对设备的要求，远不止某一次曝光达到理论分辨率。光刻设备必须在高速、长时间运行中保持成像和对准的稳定，不能只在单次曝光中表现出色。

最后是“量测与检测”：设备知道自己处于什么状态，并不等于知道晶圆最终被造成了什么样。制造完成后，需要测量实际图形、检查缺陷，并把结果反馈给模型和设备控制环节。

这三者不是彼此独立的功能，而是相互依赖的闭环。计算给出预测与补偿，设备负责执行，量测和检测判断结果是否符合预期，再将数据反馈到后续生产。如果缺少其中任何一环，晶圆厂都更难在复杂工艺与大规模量产之间取得平衡。

计算、生产、量检测，三个环节各自都不简单，更难的是把它们真正连起来。ASML的“全景光刻”正是围绕这一闭环构建的技术体系：计算光刻负责预测和补偿，光刻机台负责稳定执行，光学与电子束量检测负责验证和反馈，三者构成一个持续迭代的闭环。它的价值不在于某一台设备或某一款软件，而在于让晶圆厂能够以更高效率、更合理的成本控制整个制造工艺。

这也是ASML市占率高的深层原因。当制造复杂度持续提升，客户衡量的不再只是单台设备的性能，而是设备、软件、量测与工艺控制能否形成持续优化的整体能力。这也意味着，半导体设备的竞争已从单点突破走向系统能力竞争。

在新设备交付周期拉长、新产线建设受限的背景下，全景光刻还为市场提供了另一条产能释放路径——通过升级、软件和工艺优化，让既有产线创造更多有效产出。ASML近年来也持续将AI和机器学习能力引入相关产品和软件体系，帮助客户加快产品上市并提升系统性能。

去年9月，ASML与Mistral AI宣布建立战略合作，探索将AI应用于产品研发、软件和运营等领域。

不难看出，AI对半导体产业正在形成一种双向驱动：一方面，大模型训练与推理带来的算力需求推动芯片制造持续扩产；另一方面，先进芯片制造本身需要算法与计算能力的支持。未来，如何将AI算法与光刻、量测和检测技术结合，提升复杂制造环节的分析与优化效率，将是行业值得关注的方向。

三、中国市场，同样的产业逻辑转换正在发生

中国本土晶圆制造能力也在从单纯采购设备向更广泛的工艺能力建设延伸。ASML在2026年第三季度财报电话会上表示，中国市场在主流逻辑和存储领域仍有较强的本土需求，同时还有相当数量的晶圆厂产能正在建设并将陆续投产。

中国半导体市场的需求，主要集中在主流制程领域，涵盖成熟及主流逻辑芯片、存储芯片等应用。随着相关晶圆厂持续建设和产能布局调整，市场对设备交付、稳定运行及产线效率的关注也在不断提升。在这一过程中，半导体设备供应商的角色不止于设备交付，也体现在结合客户的实际需求，在相关政策与法规框架下，持续提供相应的服务与技术支持，帮助产线保持稳定运行、释放设备潜力。

对应地，ASML的业务也不再局限于光刻设备的销售与交付，而是提供一套涵盖客户服务、培训、开发及物流等环节的本地支持网络。目前，ASML在中国拥有超过2000名员工，并在多个城市设有办事处。此外，位于深圳和北京的开发中心，涉及全景光刻体系中的计算光刻与量测技术；客户服务团队则承担着设备维护、故障排查和性能优化等现场支持工作。

显然，ASML与中国晶圆厂之间的关系不仅仅是“设备采购—交付—维护”的关系，而是围绕设备性能、工艺控制、数据反馈和量产效率进行更加深入的协同。这也反映了中国本土晶圆制造能力的升级，以及其对光刻产业逻辑的影响——设备交付只是一个节点，光刻前的预测补偿，后续的工艺优化、性能维护和升级支持都是支撑制造能力的重要环节。

小结：AI时代，从扩产到提效，系统能力成为新的竞争焦点

随着AI成为新的基础设施，芯片需求在未来若干年仍将十分清晰。面对广阔但严苛的市场需求，晶圆厂不仅需要“印得出来”，更需要确认实际制造结果、快速发现偏差、通过计算模型预测并补偿，再将数据反馈到生产过程。晶圆制造行业也在思考如何让新产线快速交付，让已有产线提升效率。此时，光刻行业关注的重点，也从单个设备的性能，转向企业系统能力。

ASML的“全景光刻”方案是一种围绕“计算—制造—量测反馈”组织起来的制造方法。它帮助晶圆厂在图形精度、工艺稳定性、良率和产能之间寻求更好的平衡。随着AI、高性能计算、智能汽车和机器人等应用继续拉动芯片需求，半导体产业面对的挑战不只是制造更多芯片，更是如何以可持续的成本和更高的效率稳定量产。

编辑：芯智讯-浪客剑