台灣拿下九成AI硬體製造，20年擴張能否撐住資本支出

 

季辛格估計全球九成AI硬體仰賴台灣製造

今年10月下旬，前英特爾執行長季辛格率領Playground Global團隊來台。他估計，全球約90%的人工智慧硬體仰賴台灣製造，並預期AI硬體將進入長達20年以上的擴張週期。

這項估計凸顯台灣在晶圓製造、封裝、伺服器組裝與零組件整合上的密集程度。台灣人口未滿2,500萬，卻已成為美國主要貿易夥伴之一，AI基礎建設投資又進一步放大台灣供應鏈在全球貿易中的分量。

不過，90%與20年都屬於季辛格對產業的判斷，還需要未來資本支出與實際訂單持續支持。長期方向與每一年的成長速度仍有差距，擴張週期中也可能出現庫存調整、產能錯配與資本支出降溫。

 

台灣供應鏈優勢來自原型、量產與規模化速度

季辛格用一個很生活化的方式描述台灣生態系：早餐提出構想，午餐討論並完成原型，晚餐前就能進入初期量產。這段話反映出台灣供應鏈的密度，工程、材料、製造與組裝能在很短時間內協作。

對AI硬體而言，速度會直接影響產品迭代與資本效率。晶片設計更新後，還要經過製造、封裝、散熱、電源與伺服器整合，任何環節延遲都可能拉長交貨時間。台灣的優勢集中在快速試產與規模化製造，這也是全球AI投資增加時，訂單容易向台灣聚集的原因。

這套生態系也帶來集中風險。當全球大部分AI硬體產能聚集於單一區域，電力供應、天然災害、地緣政治與貿易政策都會影響交貨。供應鏈效率越高，全球對台灣製造的依賴程度也可能越深。

 

電力、記憶體與晶圓產能限制AI擴張速度

季辛格點出的限制很具體：電力、記憶體與晶圓廠產能都無法無限擴張。AI模型需要更多運算資源，資料中心還要同步增加電力、散熱與網路設備，硬體需求會沿著整條基礎建設供應鏈傳導。

先進封裝與光學互連因此成為產業投入方向。先進封裝用來整合更多運算與記憶體元件；光學互連則希望降低大量資料傳輸所帶來的能耗與延遲。技術升級正在處理運算密度與能源效率瓶頸，也決定AI資本支出能否轉換成更高的有效算力。

季辛格同時看好台積電(2330)等晶圓代工廠擴充產能，並確認鴻海(2317)在其創投團隊合作中的重要地位。台積電代表先進製程與封裝供應，鴻海則連結伺服器製造與系統整合，兩者分別處於AI硬體基礎建設的不同環節。

 

二十年擴張論仍要接受資本支出與企業獲利檢驗

面對AI泡沫疑慮，季辛格把短期修正比喻為釋放壓力的小型地震，認為市場波動有助於消化過熱情緒。這個觀點適合用來理解長期技術週期，卻無法單獨回答企業獲利、投資報酬率與股市估值問題。

我會把AI硬體擴張拆成三層觀察。第一層是全球運算基礎建設資本支出能否延續；第二層是晶圓、記憶體、封裝與電力設備能否同步擴產；第三層是新增算力能否帶動企業收入與生產力。任何一層落後，都可能讓供應鏈訂單與獲利出現波動。

AI長週期可以成立，題材集中風險也會同步累積。當市場高度依賴少數大型資本支出計畫，投資人需要持續檢查訂單、產能利用率、企業獲利與現金流。台灣供應鏈具備速度與規模優勢，未來的警示訊號則會出現在電力瓶頸惡化、記憶體供需失衡，以及資本支出無法轉化為穩定收益。