AI算力合約衝上845億美元，台廠供應鏈能吃到多久？

 

OpenAI降低模型成本，IPO延至2027年後

OpenAI近期在開發者大會推出多項產品，顯示AI應用正朝更低成本與更高效率推進。可跨軟體執行任務的數位助理「dots」，試圖讓模型從對話工具延伸到工作流程；GPT-6.1 Sol則大幅降低詞元成本，也就是模型處理文字與資料的單位費用。

針對專業用戶，OpenAI同步推出運算速度達標準版六倍的Ultrafast級別。速度提升與單位成本下降若能同時成立，企業導入AI的門檻會繼續降低，推論需求也可能隨使用頻率擴張。模型降本有利應用普及，底層算力需求則取決於新增使用量能否超過效率改善帶來的節省。

執行長奧特曼也透露，OpenAI計畫把首次公開募股，也就是IPO，延後至2027年之後。這項安排讓公司保留更多時間處理資本需求、治理架構與市場環境，同時意味著公開市場暫時難以透過財報，持續檢視其獲利能力與現金消耗。

 

Anthropic簽下845億美元算力合約，支出規模快速放大

Anthropic在IPO公開說明書中揭露，與SpaceX簽訂的算力租賃協議已翻倍至845億美元，期限延續到2029年，每年支付額度超過200億美元。公司另計畫投入500億美元自建資料中心，租用與自建兩條路線同步進行，反映大型模型對運算資源的需求仍在擴張。

這組數字也把財務壓力攤在市場面前。Anthropic於2025年營收接近46億美元，淨損卻高達420億美元；單看每年超過200億美元的租賃支付，規模已超過2025年營收四倍。算力承諾遠高於當前營收，未來需要更快的收入成長、穩定融資能力與更高的模型使用效率共同支撐。

我會把845億美元合約視為AI基礎建設需求的強烈證據，也會同步追蹤付款節奏與商業化進度。長約能提高供應鏈能見度，但長期承諾也會提高固定成本；當模型價格持續下降，使用量與客戶留存便要承擔更大的獲利責任。

 

台積電與四大組裝廠站在AI資本支出傳導鏈上

OpenAI擴充產品功能，Anthropic擴大算力與資料中心支出，資金會沿著晶片、伺服器主板、機櫃及邊緣運算平台向硬體供應鏈傳導。台積電(2330)承接AI晶片製造需求；廣達(2382)、鴻海(2317)、緯創(3231)與英業達(2356)，則參與伺服器與相關系統的組裝代工。

對台灣供應鏈來說，百億美元等級的算力合約提供較長的建置視野。AI資本支出仍在擴張，供應鏈受惠程度仍會受到產品組合、客戶集中度、產能配置與訂單轉換速度影響。合約總額代表潛在需求，營收與獲利仍要依照交付進度逐期確認。

這也解釋了市場為何持續關注台積電與AI伺服器組裝廠。模型公司每降低一次推論成本，都可能刺激更多應用；每增加一批用戶，也會推升資料中心、晶片與網路設備負載。軟體普及與硬體投資形成循環，前提是終端付費需求能跟上資本支出。

 

AI基建成長伴隨集中化與現金消耗風險

目前的正向證據相當清楚：模型成本下降、產品使用場景增加，算力合約與資料中心計畫也持續放大。需求強度已反映在資本承諾，供應鏈仍有機會從多年建置週期中取得訂單。

警訊同樣明確。大型AI公司正用龐大虧損與長期付款義務換取算力領先，硬體需求也高度依賴少數模型業者持續融資。若營收成長跟不上年度算力支出，資本支出增速便可能降溫，壓力也會沿著晶片與伺服器供應鏈向下傳導。

我接下來會觀察三項組合：模型使用量能否隨降價擴大、營收能否縮小與算力支出的差距，以及長約能否按期轉成設備交付。AI基礎建設週期仍在擴張階段，題材集中與現金消耗風險也正在累積，兩組證據需要持續放在同一張資產負債表上檢查。