AI伺服器擴產卡在散熱與供電，台廠訂單能多快轉成獲利？

 

AI伺服器擴張遇上電力、散熱與高速互連瓶頸

台灣經過數十年技術累積，已成為全球AI運算供應鏈的重要基地。隨著單顆晶片的運算密度持續提高，伺服器硬體面臨三項限制：電力供應、散熱技術與高速互連。算力擴張開始受制於基礎設施，晶片效能已無法單獨決定資料中心可以部署多少運算能力。

對雲端服務業者來說，導入新一代AI伺服器，意味著供電設備、冷卻系統與網路架構都要同步升級。這些項目會直接推高資本支出，也會拉長資料中心從下單到投入運轉的時間。若電網、變壓器或冷卻設備建置速度落後，即使高階晶片供給增加，整體算力仍可能卡在部署環節。

這也改變了市場評估AI基礎建設的方式。過去投資人較集中觀察晶片出貨量，接下來還要檢查電力容量、機櫃功率密度、散熱方案與網路傳輸效率。任何一項進度落後，都可能造成資本支出效益遞延。

 

晶圓代工與系統整合支撐台灣算力供應鏈

輝達執行長黃仁勳近期提到，宏碁(2353)成立五十週年，以及台積電(2330)開創的晶圓代工模式，替台灣科技生態系建立深厚基礎。晶圓代工讓無晶圓廠公司專注晶片設計，製造端則投入製程、封裝與量產，形成高度分工的產業體系。

台積電負責先進晶片製造，聯電(2303)提供成熟製程產能；鴻海(2317)、廣達(2382)、緯創(3231)則把晶片、主機板、電源與機櫃整合成可部署的運算平台。台灣供應鏈的覆蓋範圍，已從零組件延伸到整套系統交付。

這種分工模式的價值，在AI伺服器複雜度提高後更加清楚。晶片設計進步需要先進製造配合，機櫃功耗上升也要求電源與冷卻系統重新設計。台灣的優勢來自完整協作能力，涵蓋晶圓製造、零組件、伺服器組裝與系統整合。

 

六千瓦晶片散熱與CPO挑戰傳統硬體極限

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。研發團隊正在探索把微流道直接埋入晶片內部，希望處理單一晶片最高達六千瓦的熱能。這項目標反映未來高效能晶片的熱密度可能大幅上升，也顯示傳統氣冷與既有液冷方案將承受更大壓力。

微流道散熱是讓冷卻液更接近熱源，縮短熱能傳導距離。技術若能走向穩定量產，將有助提高散熱效率；材料可靠度、漏液風險、維修方式與製造成本仍需同步處理。六千瓦目前代表產業研發方向，距離大規模商用仍要經過工程驗證。

另一項發展是共封裝光學技術(CPO)，也就是把光學元件放到交換晶片附近。隨著晶片串聯數量增加，銅線傳輸會面臨距離、功耗與頻寬限制。CPO可望降低資料傳輸延遲與能耗，同時減輕伺服器內部線材重量，讓大型AI叢集具備更高擴充性。

散熱與光傳輸將影響有效算力。市場即使持續增加高階GPU採購，若網路傳輸效率偏低，或散熱能力無法支撐高功率運作，晶片利用率與資料中心投資報酬都會受到影響。

 

台廠從執行硬體設計走向參與全球規格研發

面對雲端服務業者與AI算力市場需求，台灣供應鏈的角色正逐步改變。過去台廠多依照客戶既定設計完成製造與組裝，如今已開始參與產品規格前端研發，範圍涵蓋供電、散熱、光通訊與整機架構。

這項轉變有助台廠提高技術參與程度，也讓供應鏈更早接觸客戶需求。然而，前端共同研發也伴隨更高研發支出、驗證成本與交付責任。產業競爭將同時考驗量產良率、工程整合與客戶協作能力。

從機構投資角度看，AI資本支出仍是主要需求來源，硬體限制則決定支出能多快轉成可運作產能。後續可觀察高壓供電、先進液冷、CPO與系統整合是否依序完成驗證，並進一步形成穩定訂單及企業獲利。

目前AI基礎建設需求高度集中在少數雲端業者與高階晶片平台。題材集中會放大供應鏈波動；當資本支出增速放慢、部署時程延後，或電力建設跟不上伺服器交付，營收認列速度就可能出現落差。台灣擁有完整供應鏈基礎，領先程度仍要由量產能力、訂單延續性與獲利品質共同確認。