AI供應鏈股價分化，資本支出能否換到現金流？

 

AI擴張進入資本效率檢驗期

AI基礎建設仍在擴張，資金需求也同步升高。博通指出，資本已成為AI擴張瓶頸。資料中心需要GPU、網路、光通訊、電力與散熱系統，任何一環擴產，都會拉高整體建置成本。

市場因此開始檢查資本支出能否轉成足夠的營收與現金流。大型雲端業者可以用長期合約、平台服務與自研晶片分攤成本；設備和零組件供應商則要面對產能投資、價格競爭與客戶拉貨節奏。營收成長依舊重要，投資回報期與獲利品質已經成為另一組評估尺度。

這也解釋了2026年10月上旬AI供應鏈的股價分化。市場仍願意為高成長支付溢價，但對資本支出強度、訂單能見度與毛利率的要求同步提高。當殖利率上升時，遠期獲利的折現壓力會更加明顯。

 

輝達與思科用USFP提高頻寬密度

AI叢集規模擴大後，GPU之間的資料交換速度會直接影響運算效率。輝達(NVDA)與思科(CSCO)合作規劃新一代超高密度可插拔光模組USFP，目標是把頻寬密度提高至現有方案四倍。這項設計反映資料中心正在追求更高的交換容量，以及更有限的機櫃空間。

頻寬密度提升，有助於降低相同傳輸容量所需的模組數量與空間。技術推進仍要同時處理功耗、散熱、良率及量產成本。對Lumentum(LITE)與Coherent(COHR)而言，長期需求方向仍受到AI叢集擴張支撐，短期股價則會提前反映產品導入速度與獲利貢獻。

2026年10月上旬，美國AI光通訊族群承受估值調整與獲利了結壓力，Lumentum與Coherent均出現明顯修正。這段行情顯示，高速光通訊需求預期仍高，市場同時要求企業用營收、毛利率與訂單證明成長速度。技術規格升級與股價表現可能存在時間差。

 

微軟用Maia 300降低AI運算成本

雲端大廠正在擴展運算晶片組合。微軟(MSFT)計畫部署超過100萬顆自研AI晶片Maia 300，希望優化系統成本，並降低對外部加速器的依賴程度。這項部署規模顯示，自研晶片已進入雲端資本配置的重要環節。

Maia 300規劃採用台積電(2330)的2奈米與3奈米製程。先進製程可協助改善效能與能源效率，也會提高設計、製造及封裝整合的複雜度。對微軟而言，效益取決於晶片利用率、軟體相容性，以及自家雲端工作負載能否充分配合。

超過100萬顆的部署計畫也反映雲端業者正在建立多元運算選擇。外部GPU、自研加速器與CPU將依照模型訓練、推論及通用運算需求分配。未來CPU與GPU的採購比例，會逐步受到推論成本與工作負載種類影響。

 

長鑫存儲推進4F²設計，記憶體競爭升溫

中國長鑫存儲在新型記憶體晶片研發取得進展，並計畫推出採用4F²設計的產品。4F²代表更緊密的記憶體單元布局，若能順利量產，有機會改善晶片密度與成本。市場因而重新評估全球記憶體供應鏈的競爭格局。

消息公布後，2026年10月上旬美光(MU)、SK海力士與三星股價承壓。市場擔心新增技術與產能會影響未來供需及價格秩序。現階段仍需追蹤量產良率、產品規格與客戶採用進度，研發突破到商業化之間仍有多項製造門檻。

同一期間，南亞科(2408)公布2026年第三季稅後淨利年增50倍，主要受惠於產品漲價。價格回升帶動獲利彈性，也說明記憶體景氣改善可以快速反映在財報。長鑫存儲代表中長期供給競爭，南亞科則呈現當季價格上行帶來的獲利變化，兩者對應不同時間尺度。

 

台積電營收高成長，股價仍受殖利率壓力影響

基本面成長尚未完全抵銷金融市場壓力。2026年10月上旬，美國公債殖利率攀升，加上科技股估值調整，台積電ADR出現連日下跌。股價反應顯示，市場同時衡量營收增速、資本支出、折現率與未來獲利轉換效率。

AI基礎建設的長期需求仍由雲端運算、自研晶片與高速光通訊推動。接下來的判斷依據，會集中在雲端業者資本支出回報、光模組量產進度、自研晶片利用率，以及先進製程需求能否持續轉成現金流。AI投資已進入回報效率檢驗期。