AI資本支出衝上7450億美元，推論訂單能否接棒硬體熱潮？

 

四大雲端業者今年資本支出預估升至7,450億美元

截至今年9月19日，研調機構預估Amazon、Alphabet、Meta與Microsoft今年合計資本支出將升至7,450億美元，寫下新高。這筆資金涵蓋資料中心、伺服器、網路設備與AI算力建設，規模變化會直接傳導至台灣半導體、電子零組件及資料中心硬體供應鏈。

7,450億美元資本支出代表科技巨頭仍在擴建AI基礎設施，也同步拉高未來的投資回報要求。資本支出先形成廠房、設備與運算能力，商用收入與獲利通常需要更長時間累積。支出規模愈大，市場愈會追問模型服務、企業訂閱與推論需求能否帶來足夠現金流。

對供應鏈而言，大型雲端業者的採購方向比單一模型發布更具影響力。訓練算力增速若調整，晶片、伺服器與散熱設備的訂單組合也會改變；整體資本支出維持高檔，仍可支撐基礎建設需求。

 

OpenAI與DeepMind主張降速，輝達與Meta支持持續推進

AI產業對前端研發速度已出現公開分歧。OpenAI與Google DeepMind高層支持放慢部分研發腳步，希望透過較長的測試與管理週期降低風險。輝達與Meta執行長則認為，研發速度與安全管理可以同步推進。

這項分歧牽涉基礎模型訓練、算力投入與安全治理的資源配置。若領先業者延長大型模型的開發週期，短期訓練需求可能降溫；若競爭壓力促使業者維持開發速度，高階晶片與資料中心建設仍會獲得支撐。

我會把企業表態與實際預算分開追蹤。單靠高層對研發速度的看法，尚無法確認資本支出已經轉向。雲端業者的預算、採購與折舊壓力，才會逐步反映AI投資週期的變化。

 

商用化速度決定庫存與投資回收週期

法人提出的風險集中在AI商用化進度。企業導入速度若低於原先預期，雲端業者收回投資的時間將被拉長，晶片與硬體供應鏈也可能面臨訂單遞延及庫存上升。這類壓力通常會沿著雲端業者、伺服器廠、零組件供應商逐層傳導。

宏碁(2353)創辦人施振榮認為，AI發展速度很難明顯放慢，目前台灣產能也無法支撐更快速的擴張。他指出，台灣供應鏈的優勢在於彈性與速度，景氣循環交替期間仍有機會透過快速調整產品與產能配置承接需求。

這項優勢可以降低轉單與規格變動帶來的衝擊，卻無法完全消除庫存風險。商用收入能否追上資本支出，仍是供應鏈訂單延續性的主要判準。當客戶開始延後驗收、降低採購增幅或調整產品組合，庫存壓力便可能快速升高。

 

推論、邊緣裝置與ASIC可能承接下一階段需求

台灣經濟研究院產經資料庫總監劉佩真認為，前端訓練降速可能促使資金轉向推論應用。推論指模型完成訓練後，實際執行搜尋、生成內容、辨識或決策等任務。當AI進入大量使用階段，市場會更加重視能源效率、成本與部署彈性。

這有利於高能源效率的邊緣裝置，以及特殊應用積體電路(ASIC)。ASIC針對特定工作設計，可在部分應用中降低耗電與運算成本。需求從集中式訓練擴散至推論與終端設備，台灣供應鏈面對的產品規格、客戶組合及價值分配也會改變。

劉佩真進一步指出，台灣半導體產業需要逐步擴大系統設計與價值整合能力，降低對純代工模式的依賴。推論需求能否形成規模化訂單，將決定這波資金轉向可以帶來多少營收與獲利。

目前可以確認的是，科技巨頭資本支出仍處高檔，研發速度與商用化路徑則出現分歧。市場同時面對資本支出創高、回收週期拉長與需求轉向推論三股力量。若獲利增長長期落後於投入速度，AI題材集中化與硬體庫存風險將逐步放大；後續需要持續檢查雲端預算、實際採購、推論收入及供應鏈庫存能否互相支持。