怎么给半导体公司估值：周期、资本开支、库存与“AI 溢价”
更新时间：2026-10-03。本篇是产业观察里偏投资视角的一篇：前面几篇分别讲了存储的资本开支与商品周期、代工的产能、定价与资本开支周期、芯片终端市场的需求周期，这一篇把这些产业事实收拢成一个问题——面对一只半导体股票，到底该怎么给它定价。半导体公司估值看起来是财务问题，实际上是产业位置判断题：同一条产业链上，轻资产的设计公司和重资产的存储厂，用的估值锚完全不同；同一家公司，在周期底部和顶部，合理的估值可以差三到五倍。
本文要回答的问题
- 为什么半导体是典型的周期股，单看静态 PE 为什么会“高买低卖”？
- Fabless、Foundry、IDM、设备材料这几类公司，分别该用什么估值指标？
- 库存周转、B/B 景气比、产能利用率这些先行指标，怎么和股价周期对应起来？
- 费城半导体指数（SOX）的历史告诉了我们什么周期规律？
- AI 带来的“结构性溢价”是真重估还是新泡沫，回撤风险在哪里？
一、周期股估值陷阱：低 PE 往往是顶部信号
先讲半导体估值里反直觉、也最贵的第一课：周期股的低 PE 常常出现在股价顶部，高 PE（甚至亏损、PE 为负）反而出现在底部。
道理不复杂。PE = 市值 / 净利润。半导体公司净利润的波动远大于营收波动：行业上行期，产能利用率从 80% 拉到 100%，代工涨价、存储涨价，而产线的折旧是固定的，多出来的收入大部分直接变成利润，净利润可能翻好几倍。市场提前半年到一年预期到这种盈利爆发，股价先涨；等财报兑现、利润冲到天上去的时候，股价往往已经不涨了——此时你用当季利润算出来的 PE 低得诱人，但那正是盈利和股价的顶部区域。反过来，下行期利润暴跌甚至亏损，PE 高到没法看或直接失效，市场却已经在交易下一轮复苏，股价悄悄见底。
以存储行业为例，这在存储的资本开支与商品周期里反复上演：2021 年 DRAM 涨价周期顶部，几家存储大厂的滚动 PE 一度压到个位数，看起来“便宜得离谱”，随后 2022—2023 年行业进入史上最深下行之一，利润转亏；而当 2023 年亏损最大、PE 完全失效时，股价反而提前见底，之后 HBM 和 AI 需求把行业拉进新一轮上行。用静态 PE 交易存储股，几乎保证买在山顶、卖在谷底。
这张图是理解全篇的钥匙：PE 曲线和股价曲线在周期股上是错位的，利润最低估的不是公司价值，而是你对周期的判断。所以成熟的做法是用“周期调整盈利”——把公司过去一个完整周期（半导体通常 3-4 年）的平均利润作为分母，估算“正常化”盈利水平，再看当前价格对应这个正常化盈利的倍数，而不是拿单季峰值利润算 PE。
二、先分清你在给谁估值：四种商业模式四个锚
半导体产业链内部差异极大，用同一把尺子量所有公司是最大的方法论错误。先把公司归类，再选估值锚。
| 环节 | 代表公司 | 资产属性 | 盈利特征 | 首选估值锚 | 辅助指标 |
|---|---|---|---|---|---|
| Fabless 设计 | NVIDIA、高通、AMD、联发科 | 轻资产，无形资产为主 | 毛利率 50-70%，利润弹性大 | P/E（成长股 PEG） | EV/Sales（高增长期）、研发转化率 |
| Foundry 代工 | TSMC、中芯国际、联电 | 重资产，巨额 capex | 毛利率 40-55%，看利用率 | EV/EBITDA、P/E | 产能利用率、资本开支强度 |
| IDM / 存储 | 英特尔、三星、美光、SK海力士 | 最重资产 | 利润随价格剧烈波动，常亏损 | P/B（周期底部）、EV/Sales | 周期调整 PE、库存周转 |
| 设备 / 材料 | ASML、AMAT、泛林、东京电子 | 中等资产，“卖铲人” | 订单驱动，滞后于客户 capex | P/E + 订单增速 | B/B 景气比、在手订单 |
| IP 授权 | ARM、Synopsys（IP 部分） | 极轻资产 | 授权费 + 版税，毛利近 100% | EV/Sales、P/E | 版税收入的流片基数 |
几个要点值得展开。存储和功率类 IDM 看 P/B：这类公司的利润表在周期里会整个打穿，PE 没法用，但产线和产能的账面价值是实实在在的底部支撑——历史上美光在 P/B 跌到 1 倍附近时基本是周期底部区域，涨到 3 倍以上就要警惕。代工看 EV/EBITDA：因为折旧占成本比重极大（TSMC 折旧占收入约 25-30%），EBITDA 比净利润更能反映真实经营现金流，EV（企业价值）把巨额资本开支对应的负债也纳入考量。Fabless 龙头看 P/E 但要盯增速：NVIDIA 这类公司在 AI 爆发期的估值争论，本质不是 PE 高低，而是这个增速能维持几年。设备股的特殊之处在下一节展开——它们的“利润”是滞后的，订单才是先行指标。
三、先行指标体系：库存、B/B、利用率和设备订单
既然静态财报是滞后的，判断“现在处于周期哪个位置”就要靠先行指标。半导体行业有一套成熟的高频景气信号体系，最重要的是四个。
库存周转天数（DOI）。设计公司季报里的库存天数是最直观的体温计：正常水平大约 70-90 天，一旦连续两三个季度爬升到 120 天以上，说明渠道和终端在积压，砍单和价格战的下行段就在眼前；反过来，库存降到 60-70 天的低位，往往是补库存行情的前奏。2021 年缺货潮顶峰时全行业的“恐慌性备货”把库存推到极端高位，这直接预告了 2022 年的深度去库存。
B/B 比率（Book-to-Bill，订单出货比）。设备行业经典指标：当月新接订单金额除以当月出货金额。B/B 大于 1 说明订单在积压、景气向上，小于 1 说明在消化在手订单、景气向下。因为设备交付周期长达 6-18 个月，B/B 领先设备公司收入两到四个季度，而设备订单又领先晶圆厂产能投放一到两年——它是整个产业链最前端的信号。北美半导体设备出货额（SEMI 每月公布）和 ASML 每季披露的净预订额（net bookings）是目前仍在持续更新的近似替代。2023 年 ASML 单季预订额一度跌到 26 亿欧元的低位，2024—2025 年随着 AI 驱动先进制程和 HBM 扩产，单季预订额回到 50-90 亿欧元区间，提前一年画出了这轮设备景气曲线。
晶圆厂产能利用率。TSMC、联电、中芯国际季报里的利用率数字：成熟制程利用率跌破 80% 意味着价格战，回到 95% 以上意味着涨价周期开启。代工的产能、定价与资本开支周期详细讲过利用率和代工报价的联动，这里只强调投资含义：利用率拐点通常领先代工股盈利拐点一个季度，领先股价见底一到两个季度。
资本开支（capex）指引。三星、TSMC、美光每年的 capex 预算是行业最重要的供给端信号：全行业 capex 大幅上修，意味着两年后产能集中开出、下行风险累积；capex 大幅削减（如 2023 年存储三巨头合计砍掉近一半 capex），则是一年半后供给收缩、价格反转的伏笔。
这张传导链解释了为什么“看财报炒半导体股”必然慢半拍：财报是链条上最后一环，而股价的交易时点卡在中间。实用结论是——买入看库存见底和 capex 出清，卖出看库存见顶和订单增速拐头，财报只用来验证，不用来触发。
四、SOX 指数三十年：半导体周期有多规律
费城半导体指数（SOX）1993 年设立，覆盖设计、制造、设备、IDM 三十家龙头，是观察行业周期的最佳样本。回看三十多年，几条规律相当稳定。
第一，大周期 3-4 年一轮，和库存周期（约 3-4 年）与产能建设周期（晶圆厂从动工到量产约 2-3 年）的叠加节奏吻合。1995、2000、2004、2007、2010、2014、2018、2021 是上行或顶部区域，2001（互联网泡沫后 SOX 一年跌约 45%）、2008（金融危机跌约 48%）、2015、2018Q4、2022（跌约 35%）是下行段。
第二，指数底部领先盈利底部约两个季度。几乎每一轮，SOX 见底时行业还在亏损扩大、新闻里全是坏消息；等盈利确认反转，指数已经涨了三到五成。这正是第一节“PE 陷阱”的指数级印证。
第三，每一轮大顶都伴随一个“这次不一样”的叙事：2000 年是互联网带宽无限需求，2021 年是“缺货将长期持续、芯片是新石油”，2024—2026 年是“AI 算力需求无上限”。叙事不全是假的——互联网和 AI 确实重塑了需求——但供给端的产能开出从不缺席，叙事改变的是长期斜率，不是周期的存在。
| 周期段 | 顶部/底部年份 | SOX 表现 | 主导叙事 |
|---|---|---|---|
| 互联网泡沫 | 2000 顶 / 2002 底 | 顶部到底部最大回撤超 60% | 带宽需求无限 |
| 金融危机 | 2007 顶 / 2008 底 | 2008 年跌约 48% | 全球需求崩塌 |
| 智能手机成熟 | 2015 / 2018Q4 | 两轮 20-30% 调整 | 手机饱和、库存高企 |
| 缺货潮 | 2021 顶 / 2022 底 | 2022 年跌约 35% | “长期缺芯”证伪 |
| AI 浪潮 | 2023-2026 上行 | SOX 三年最大涨幅超 2 倍 | AI 算力军备竞赛 |
值得注意的最新变化：2023 年以来的 AI 上行段，SOX 内部出现了罕见分化——与 AI 算力直接相关的公司（NVIDIA、博通、TSMC、美光）贡献了指数绝大部分涨幅，而汽车、工业、模拟芯片公司（TI、ADI、恩智浦）同期还在消化自己的库存下行。指数级别的“半导体周期”正在裂变成多条不同步的子周期，这给估值增加了新难度：你不仅要判断大周期位置，还要判断自己手里那只股票属于哪条子周期。
五、设备股的特殊语言：为什么 ASML 和 AMAT 要盯订单
设备公司是产业链里最反直觉的一类投资标的：它们的利润表极度滞后，但股价交易的是 12-24 个月后的世界。
原因在于商业模式。ASML 一台 EUV 光刻机单价约 1.5-2 亿欧元，High-NA EUV 超过 3.5 亿欧元，从下订单到交付确认收入要一年以上；AMAT、泛林的沉积和刻蚀设备周期短一些，但也有两三个季度。所以设备公司当季财报里几乎没有新信息——收入是早就签好的单，真正的信息全在净预订额、在手订单（backlog）和管理层对明年 WFE（晶圆厂设备）市场规模的指引里。
这带来几个独特的估值现象。其一，设备股的 PE 在下行期会“虚假稳定”：因为确认的收入滞后，订单已经崩了，利润还能撑两三个季度，PE 看起来波澜不惊，但股价早跟着订单数据跌了——盯着设备股 PE 等“跌出价值”是错的，要盯 bookings。其二，设备股的 beta 高于行业平均：客户 capex 的一点点波动，经过设备端被放大成订单的大幅波动（晶圆厂推迟一个厂，设备商丢掉几十亿订单），所以 AMAT、泛林的历史股价波动显著大于 TSMC。其三，ASML 是个例外中的例外：ASML 的光刻垄断让它在 EUV 上是独家供给，订单波动虽大，长期定价权和毛利率（约 50%）几乎不受周期侵蚀，市场因此长期给它 30 倍以上的“垄断溢价”PE——这在设备行业里独一无二。
六、AI 溢价：真重估还是新泡沫
最后回到当下最大的估值争论：AI 到底给半导体带来了什么？
客观事实是，AI 确实重塑了产业链的盈利分布。NVIDIA 数据中心业务单季收入从 2023 年初的约 40 亿美元膨胀到 2025—2026 年的数百亿美元量级，毛利率维持在 70% 以上；TSMC 先进制程产能被 AI 芯片订满，CoWoS 先进封装连续多年供不应求；美光、SK 海力士的 HBM 产能提前一两年被预订完，把存储这个最“商品化”的品类第一次做出了长约定价的结构性属性。市场给这条链的估值重估不是纯粹炒作——NVIDIA 的远期 PE 在股价涨了十几倍后仍维持在 30-40 倍区间，因为盈利增速把分母同步做大了，这和 2000 年互联网泡沫期“有价格没盈利”有本质区别。
但风险同样具体，而且每一条都曾在半导体历史上重演过。客户集中：NVIDIA 数据中心收入的大头来自不到十家超大云厂商，任何一家 capex 指引的微调都会放大成股价剧震；循环收入的质疑：AI 基础设施投资能否产生匹配的终端收入（所谓 capex 回报率问题）至今没有被完全证明，一旦云厂商开始拷问 GPU 集群的利用率与回报，订单拐点会来得很快；技术路线押注：从训练转向推理、从通用 GPU 转向定制 ASIC（谷歌 TPU、亚马逊 Trainium 的份额在上升），任何一个切换都会重排产业链的利润分配；供给端的不缺席：三星、SK 海力士、美光在 HBM 上的产能竞赛，几乎注定在某个时点把 HBM 从“稀缺品”打回“周期品”。
实操层面的结论是：AI 溢价应该分环节给。有独家供给地位的（ASML 的 EUV、TSMC 的先进制程与 CoWoS、SK 海力士的先发 HBM）可以享受结构性溢价；纯受益但竞争格局会恶化的（通用 DRAM/NAND、成熟制程代工）仍按周期股处理；而押注型标的（二线 AI ASIC 设计公司）本质上是风险投资，用仓位控制而不是估值模型管理。
这一篇在知识体系里的位置
本篇是产业观察板块“半导体商业系列”的收尾视角，把前面各篇的产业事实翻译成估值语言：
- 周期与供给端机制：存储的资本开支与商品周期、代工的产能、定价与资本开支周期、芯片终端市场的需求周期；
- 产业链格局与护城河：台积电的纯代工护城河、ASML 的光刻垄断、英伟达的崛起、ARM 的 IP 授权模式；
- 外部环境变量：主权重芯与产业政策、中国 AI 芯片出口管制。
读完这一篇，你应该能回答一个完整的问题：拿到任意一家半导体公司，先归类（Fabless/代工/IDM/设备），再定位（处于哪条子周期的哪个阶段），再选锚（P/E、P/B、EV/EBITDA 还是订单指标），最后用周期调整盈利交叉验证。
总结
半导体公司估值的核心不是算 PE，而是回答两个问题——“这家公司属于哪个环节、该用哪把尺子量”和“我们现在处在周期的哪个位置、该用峰值利润还是正常化利润当分母”：轻资产环节看 P/E 与增长，重资产周期环节看 P/B 与正常化盈利，设备环节盯订单而不是财报；SOX 三十年的规律是底部永远领先盈利见底、低 PE 永远是顶部陷阱，AI 改变了行业的长期斜率、让垄断环节配得上结构性溢价，但它没有、也不会消灭半导体的周期。