中国半导体设备营收创新高：在 AI 算力竞赛中，本土替代与“转运供应链”双轨并行

当大模型训练与推理需求持续推高算力基础设施门槛，半导体设备不再只是产业链“上游环节”，而是直接决定 AI 能力上限的关键变量。最新数据显示，中国本土设备厂商在 2025 年集体刷新营收纪录，同时，一条通过东南亚转运的设备供应链正在迅速放大。这两条看似矛盾的路径，实际上共同构成了 AI 时代中国算力底座的现实图景。

本土设备厂商爆发：AI 驱动的“需求侧红利”

以 、、、为代表的中国设备厂商，在 2025 年普遍实现营收新高：

• 北方华创前三季度营收达 271.4 亿元，已显著超过 2020 年全年规模
• 拓荆科技营收较 2020 年增长约 13 倍
• 多家厂商订单积压（backlog）维持高位

这背后的核心驱动力并非传统消费电子复苏，而是 AI 基础设施建设的加速：

• 数据中心扩张带动先进制程与成熟制程并行扩产
• AI 芯片（GPU/NPU/ASIC）需求拉动晶圆厂资本开支
• 存储（尤其 DRAM、HBM）成为 AI 性能瓶颈，进一步刺激设备投入

换句话说，本土设备厂商的增长，本质上是 AI 算力周期向上叠加“国产替代”逻辑的结果。

利润承压：价格战与技术代差的现实约束

不过，营收高增长并未同步转化为利润扩张。行业普遍面临：

• 国内厂商之间竞争加剧，价格持续下探
• 高端设备（如 EUV 光刻、先进刻蚀/沉积）仍存在技术差距
• 客户（晶圆厂）在资本开支周期中更趋理性，压缩采购成本

这意味着，本土设备厂商在 AI 时代仍处于“以量换时间”的阶段：通过规模与迭代积累工艺经验，同时逐步逼近先进制程门槛。

另一条暗线：经东南亚转运的设备流动

与本土替代并行的，是一条更为复杂的全球供应链重构路径。

数据显示，2025 年中国从美国直接进口半导体设备金额降至约 20 亿美元（2017 年以来最低），但从新加坡、马来西亚的进口额却分别升至 57 亿和 34 亿美元。这一反向增长揭示出：

• 设备通过第三地（如新加坡、马来西亚）转运进入中国
• 供应链在地理层面被“重路由”（re-routing）
• 实际设备依赖结构并未完全改变

与此同时，、、等美系厂商在华销售依然强劲：

• 2025 财年合计在华营收接近 190 亿美元
• 中国市场收入占比均超过 30%

这说明，在先进制程与关键设备环节，全球分工格局仍然深度绑定。

政策变量：供应链不确定性进一步放大

值得注意的是，美国方面已提出《MATCH 法案》，意图限制通过东南亚的设备转运路径，并可能对 、等企业实施更严格限制。

若相关政策落地，潜在影响包括：

• 转运链路受阻，设备获取周期延长
• 晶圆厂扩产节奏可能被打乱
• 本土设备厂商获得更大替代空间，但也面临更高技术压力

对于 AI 行业而言，这直接关系到算力供给的稳定性。

回到 AI：设备能力如何映射到模型性能

从 AI 工程视角看，半导体设备的演进会沿着以下路径传导到模型层：

1. 工艺节点 → 晶体管密度 → 单芯片算力提升
2. 制造能力 → 良率与成本 → 算力部署规模
3. 设备能力 → 存储与互连 → 模型训练效率

例如：

• 更先进的刻蚀与沉积设备提升 GPU/NPU 良率
• 检测设备（如缺陷检测）影响大规模集群稳定性
• 存储相关设备决定 HBM/DRAM 的供给，从而影响训练吞吐

因此，设备层的每一次“卡点”或突破，都会在 AI 训练成本（$/token）与推理延迟上体现出来。

结语：AI 算力竞赛下的“双轨结构”

综合来看，中国半导体设备产业正在形成一种典型的“双轨结构”：

• 一条是以国产替代为核心的本土能力建设路径
• 一条是通过全球供应链重构维持先进能力获取

短期内，这两条路径将长期共存；中长期来看，AI 对算力的极致需求，正在迫使设备、材料、工艺全链条加速演进。

对于 AI 技术社区而言，关注模型架构与算法之外，理解底层设备与制造能力的变化，正在变得同样关键——因为算力的边界，往往不在代码里，而在晶圆厂的工艺线上。