经历近一个月的猛烈抛售后，美股半导体板块周一迎来强劲反弹，投资者开始重新买入此前遭受重挫的AI芯片股。然而，华尔街对这轮反弹能否持续仍存在明显分歧：摩根士丹利及Cantor Fitzgerald认为市场反应过度，当前估值已提供买入机会；BTIG等机构则警告，半导体指数跌破关键技术支撑位，后市可能仍有进一步下跌空间。
周一，追踪美国半导体板块的 iShares费城交易所半导体ETF大涨约7%，今年以来累计升幅超过45%。该ETF主要持仓包括 美国超微公司、 英伟达、 博通美光科技(MU)$及 英特尔，但即使经历反弹，其价格仍较6月高位下跌逾30%。
AI投资热潮遭遇质疑，大摩认为市场反应过度
近期芯片股持续承压，主要源于市场对AI基础设施投资可持续性的担忧。尤其是美国中期选举结果出炉后，投资者开始担心数据中心建设可能放缓，进一步加剧AI相关股票的抛售压力。
不过，摩根士丹利分析师Stephen Byrd认为，市场对中期选举结果的反应过度。他预计，部分数据中心项目可能由原定时间推迟至2028年或2029年，而非彻底取消。
Byrd指出，延长建设周期反而可能缓解AI基础设施投资带来的信贷压力，同时改善芯片供需失衡问题。
Cantor Fitzgerald分析师C.J. Muse则将近期芯片股回调形容为投资者收到的「提前假期礼物」。他认为，AI资本开支计划基本保持不变，建议投资者在年底前维持对半导体板块的看好立场。
英伟达2028年预期市盈率仅9倍，华尔街仍视其为AI首选
在具体投资标的方面，摩根士丹利及Cantor Fitzgerald均看好AI算力领域的龙头企业，其中英伟达仍是华尔街参与AI投资热潮的主要选择。
尽管英伟达股价周一下跌约5%，并受到管理层相关争议消息影响，但其估值已明显回落。
按照2028年预期盈利计算，英伟达目前市盈率仅约9倍。
Muse认为，即使未来整体芯片需求放缓，英伟达凭借AI加速器市场的领先地位，仍有望展现更强的抗跌能力。
其竞争优势之一在于每瓦特Token处理效率，即芯片在相同电力消耗下处理AI工作负载的能力。随着数据中心电力供应逐渐成为AI扩张的重要限制因素，能效表现可能进一步影响客户采购决策。
存储股跌势更惨，美光跌超40%、闪迪及希捷腰斩
相比算力芯片，存储及数据储存板块近期遭遇的抛售更为猛烈。
专注于存储产业链的Roundhill Memory ETF（DRAM）本季度累计下跌逾30%。该ETF覆盖三星电子、美光、SK海力士、长鑫存储及希捷等企业。
个股方面，闪迪及希捷较近期高位跌幅均超过50%，美光跌幅亦超过40%。
值得注意的是，存储股此前曾是AI交易中表现最强劲的板块之一。Roundhill Memory ETF今年4月推出后，5月便一度飙升超过60%，反映投资者对AI存储需求的高度乐观预期。
但随着市场重新评估AI资本开支增长速度及企业盈利兑现能力，此前涨幅较大的存储股也成为资金集中减仓的对象。
闪迪预期市盈率仅2.6倍，美光降至3倍
面对存储股大幅回调，摩根士丹利及Cantor Fitzgerald均认为闪迪已出现值得关注的估值机会。
Cantor Fitzgerald预计，闪迪2028年预期市盈率仅约2.6倍，并估计公司截至2028年累计可产生820亿美元自由现金流。
摩根士丹利则指出，若闪迪将大量剩余现金用于股份回购，理论上有能力在2028年前回购超过50%的流通股份，从而推动每股盈利增长。
美光同样受到机构关注。
Cantor Fitzgerald指出，美光目前按2028年预期盈利计算的市盈率仅约3倍。随着美国《芯片法案》相关股份回购限制预计于12月到期，公司未来两年可能具备更大的回购空间。
此外，如果存储芯片供需持续紧张，美光的盈利预测仍有进一步上调的可能。
半导体指数跌破200日线，技术分析师警告仍有下跌空间
不过，并非所有华尔街机构都认为当前是抄底良机。
BTIG首席市场技术分析师Jonathan Krinsky指出，费城半导体指数近期自2025年5月以来首次跌破200日移动平均线，意味着此前的重要技术支撑已经失守。
Krinsky表示，今年5月至10月期间买入半导体股票的投资者，目前普遍面临账面亏损。
历史数据显示，当半导体指数在连续至少三个月维持于200日线上方后首次跌破该水平，即使短期可能出现强劲反弹，其后50个交易日的平均回报仍为负值。
因此，他认为近期反弹能否持续仍存在很大不确定性。
Krinsky进一步指出，费城半导体指数可能需要回落至今年4月突破区域，即约8,000至8,300点，才能完全消化此前的抛物线式涨势。
尽管半导体板块经历猛烈回调，截至周一下午，费城半导体指数今年以来累计升幅仍超过40%。
Syzygy Asset Management创办人兼董事长Rob Arnott亦对芯片股估值保持谨慎。他认为，市场此前已将AI产业的乐观前景充分反映在股价之中，但AI商业化变现至今仍未真正大规模实现。
