AI伺服器卡在電力散熱與光傳輸，台廠誰先跨進前端研發？

 

AI伺服器擴張受電力、散熱與高速互連約束

AI運算需求持續提高，伺服器硬體面臨三項直接限制：電力供應、晶片散熱與高速互連。運算密度越高，耗電與熱密度同步攀升；晶片之間交換的資料量，也開始逼近傳統銅線的物理邊界。

這三項限制會共同決定算力基礎設施的擴充上限。電力系統需要承受更高負載，散熱設計要維持晶片穩定運作，互連架構則要控制延遲、能耗與系統重量。任何一個環節跟不上，新增晶片也難以完整轉化成可用算力。

因此，AI伺服器的競爭範圍已經從處理器效能，延伸到整套系統工程。電力與散熱成為算力上限，高速互連則影響大型運算叢集能擴展到多大規模。

 

晶圓代工與系統整合構成台灣算力供應鏈

輝達執行長黃仁勳近期談到宏碁(2353)成立50週年，以及台積電(2330)開創的晶圓代工模式。這套分工讓無晶圓廠公司集中資源設計晶片，製造端則持續累積製程、封裝與量產能力。

台灣供應鏈的涵蓋範圍也超過單一製造環節。台積電負責先進晶片製造，聯電(2303)提供晶圓代工產能；鴻海(2317)、廣達(2382)、緯創(3231)等公司則參與伺服器製造與系統整合。晶片製造與整機整合的分工，支撐高效能運算平台快速擴大。

這種生態系的價值，在於縮短晶片設計、製造、伺服器組裝與系統測試之間的協作距離。AI硬體複雜度持續升高後，供應鏈能否同步處理功耗、散熱與訊號傳輸，會直接影響產品推出速度與量產效率。

 

六千瓦散熱目標推動晶片內部微流道

緯穎(6669)董事長洪麗甯指出，運算基礎建設正面臨高壓供電、光傳輸與晶片散熱等挑戰。其中，研發團隊正探索把微流道直接埋入晶片，目標處理單一晶片高達六千瓦的熱能。

微流道的概念，是讓冷卻介質更靠近主要發熱區域，縮短熱量傳遞路徑。當熱通量持續提高，傳統由晶片表面向外導熱的方式會承受更大壓力，散熱設計也需要往晶片與封裝內部延伸。

單晶片六千瓦仍屬研發目標，量產時程與商用規格尚待確認。這項尺度依然反映產業方向：未來伺服器設計將更早納入冷卻架構，晶片、封裝、機櫃與資料中心設施需要共同規劃。

 

CPO以光傳輸擴大晶片互連規模

高速互連面臨的限制同樣明確。晶片數量增加後，銅線需要處理更龐大的資料流量，傳輸距離、延遲、功耗與線材重量都會形成壓力。

共封裝光學(CPO)是把光學元件放到更靠近運算晶片的位置，透過光訊號傳送資料。這項技術有機會擴大可互連的晶片數量，同時降低資料傳輸延遲與伺服器整體重量。

CPO連結算力密度與網路頻寬。GPU與加速器規模持續增加後，系統效能會更依賴晶片之間交換資料的效率。光通訊因此從網路設備延伸到運算封裝與伺服器內部，供應鏈的技術門檻也同步提高。

 

台廠開始參與全球伺服器規格前端研發

台灣供應鏈過去多依照客戶既定設計完成製造與組裝，目前逐步往產品規格前端移動。雲端服務業者提出更高密度的算力需求後，供應商需要提前參與供電、散熱、光學互連與系統配置。

前端共同研發提高供應鏈價值，也增加跨領域整合難度。晶片公司、代工廠、伺服器製造商與雲端業者需要共同處理規格，才能讓高階硬體進入穩定量產。

後續判斷可集中在三項進度：高壓供電架構能否支援更高運算密度、微流道散熱能否進入可量產設計，以及CPO能否從研發走向大規模部署。AI算力軍備競賽的下一段差距，將由這些系統工程能力逐步拉開。