AI供應鏈持續擴產，新增設備與新機銷售能否轉成獲利？

 

AI機櫃功率升至246 kW，散熱與供電成為基礎建設門檻

AI基礎建設持續往高密度運算發展。施耐德電機與超微(AMD)近期共同發布首款AMD Helios機櫃級解決方案參考設計，整合AMD Instinct MI455X GPU與第六代EPYC處理器。整套方案支援最高10.4 MW的IT容量，單一機櫃功率可達246 kW。

這組數字反映AI伺服器擴張帶來的工程壓力。當單櫃功率持續提高，資料中心需要同步升級供電、冷卻與空間配置，建置成本也會跟著上升。施耐德導入液冷技術，最高可帶走84%的系統熱量，能源使用效率指標PUE約為1.12；PUE越接近1，代表用於冷卻等非運算環節的耗電越少。

對AMD而言，Helios參考設計有助於縮短客戶整合GPU、CPU與冷卻系統的時間。對施耐德而言，高功率機櫃也擴大能源管理與液冷設備的需求範圍。AI資本支出正在延伸至電力與散熱，晶片效能仍需資料中心工程能力配合，才能轉成可部署的算力。

 

Pixel 11採用台積電3奈米，Google以系統優化因應記憶體漲價

AI也持續從資料中心進入消費裝置。Google近期在台灣發表Pixel 11系列，共推出4款新機，搭載為Gemini Intelligence設計的新一代Tensor G6晶片。這款晶片採用台積電(2330)最新改良的3奈米製程生產。

Tensor G6代表Google繼續採取軟體、AI模型與自研晶片整合的路線。台積電先進製程則提供功耗與運算密度基礎，讓手機在有限電池容量及散熱空間下執行更多AI功能。終端AI開始考驗整套系統效率，晶片製程、記憶體管理與作業系統調校都會影響使用體驗。

Google也提到記憶體價格上漲帶來的壓力，工程團隊因此加強系統端優化。這項作法有助於降低硬體成本變動對產品設計的衝擊，但能抵銷多少成本，仍取決於記憶體規格、採購價格與新機銷售組合。台灣研發團隊在供應鏈合作及產品整合中扮演核心角色，也顯示台灣的功能已從製造延伸至共同開發。

 

宜特擴充CPO檢測設備，專案數量與複雜度同步提高

AI晶片進入更先進製程，資料傳輸速度也持續提升，檢測與分析需求因此增加。半導體檢測分析廠宜特(3289)指出，今年下半年大客戶的矽光子共同封裝光學元件(CPO)專案數量增加，專案複雜度也同步提升。新下單設備預計在今年第三季陸續進駐，以擴大服務範圍。

CPO將光學元件放到更接近運算晶片的位置，用來降低高速資料傳輸的功耗與延遲。封裝整合程度提高後，材料、訊號、熱管理與可靠度測試都更複雜。宜特增加設備，反映客戶開發活動升溫；設備進駐到形成穩定產能與營收貢獻，中間仍有認證、稼動率及專案進度等環節。

宜特同時規劃發行可轉換公司債(CB)，用途包括償還借款及準備後續擴增產能。設備投資與融資安排已經同步啟動，代表公司正在為需求擴張配置資源。財務面的觀察則要放在借款結構、產能利用率，以及新增設備能否帶來足夠訂單。

 

AI供應鏈持續擴張，獲利轉換速度仍有差異

從AMD Helios機櫃、Google Pixel 11到宜特的CPO檢測設備，可以看到AI投資已涵蓋資料中心、終端裝置與半導體分析。各環節面對的限制也不同：資料中心受供電與散熱約束，手機端承受記憶體成本壓力，檢測廠則需要先投入設備並等待客戶專案轉成稼動率。

我會把這些進展視為AI供應鏈持續提高技術與資本門檻的證據。現階段資料足以確認企業仍在投入研發、設備與產能，尚無法單憑產品規格與擴產計畫判斷最終獲利幅度。

市場若持續把成長預期集中在少數AI公司，任何資本支出放緩、設備利用率偏低或終端需求弱於預期，都可能放大估值波動。後續應追蹤機櫃方案的實際部署、Pixel 11銷售與成本控制，以及宜特新增設備轉成訂單和營收的速度。