COMPUTEX 2026 為何再次聚焦黃仁勳「五層蛋糕」

微軟預期 AI data center 前景看好，為何市場卻潑了好幾盆冷水？「亞馬遜時刻」正在重演，還是提前暴露 AI 五層瓶頸？

2026 年 4 月 29 日，Microsoft 公布財報後，表面上交出的是一份強勁成績單。Microsoft 當季營收達 829 億美元，年增 18%；營業利益達 384 億美元，年增 20%；淨利達 318 億美元，年增 23%。單從財報表現來看，這不是一家獲利能力惡化的公司。相反地，Microsoft 仍是全球最會賺錢的科技公司之一。

但市場的反應並不只是喝采。財報公布後，部分國際媒體甚至開始出現「Microsoft’s AI spending overshadows earnings」這類標題，顯示市場焦點已從 Microsoft 強勁的獲利表現，轉向快速膨脹的人工智慧基礎設施支出。2026 年 5 月，人工智慧基礎設施熱潮是否過熱，也成為市場與媒體關注的問題。

問題不只在於大型科技公司持續擴張資料中心投資，更在於電力、冷卻、資料中心與電網接入能力，是否真能與人工智慧需求同步形成。

這也讓黃仁勳持續強調的「五層蛋糕（Five-Layer Cake）」架構，被放進更強烈的基礎設施與部署語境中。

而 Microsoft，正好站在這場市場焦慮的中心。Microsoft 預期 Azure 與其他雲端服務在下一季可維持 39% 至 40% 的年增率，高於市場原先預估；但同時，公司也規劃大幅提高 2026 年資本支出，外界估計規模可能高達 1900 億美元。

這組數字真正揭露的問題，不是 Microsoft 沒有成長，也不是人工智慧沒有需求；市場質疑的是，人工智慧收入形成速度，是否能追上人工智慧基礎設施擴張速度。

也正因如此，COMPUTEX 2026 （台北國際電腦展）再次聚焦「五層蛋糕」，不再只是人工智慧產業的分類架構，而是理解人工智慧不同層部署條件之間的連動關係。

Microsoft 引發的市場焦慮，也揭露一件事：人工智慧競爭的限制，並不固定在五層蛋糕的某一層。

微軟正在重演亞馬遜時刻嗎？

市場其實並不是第一次面對這種張力。當年的 Amazon 也曾面對類似質疑。市場看到的是倉儲、物流、配送中心、雲端機房、現金流壓力與低利潤；Amazon 看到的，則是未來需求一旦形成，誰擁有承接訂單、處理流量、完成交付的能力。若倉儲不足、配送不足、運算不足、節點不足，即使需求存在，也無法轉化為收入。

Amazon 當年建立的，不只是倉庫，也不只是伺服器，而是一套「需求到來時，別人無法快速補上的承接系統」。

Microsoft 提前擴張人工智慧資料中心、電力與部署容量，邏輯其實相似，但企業人工智慧需求形成的難度，遠高於當年的電商消費需求。

因為 Amazon 當年的消費需求比較容易觀察。消費者下單、倉儲出貨、配送完成，交易即可轉化為收入。即使市場短期看不懂 Amazon 的基礎設施投資，至少訂單、商品、物流與現金流之間的關係仍然相對直接。

企業人工智慧需求則不同。企業可以試用 Copilot，可以導入人工智慧助理，可以購買雲端算力，可以實驗人工智慧代理，也可以在客服、文件、程式、會議、資料搜尋與內部流程中導入模型。但這些使用是否會成為每日高頻、長期付費、難以移除的營運依賴，仍不是已被完全證明的答案。

所以 Microsoft 與市場其實不是在看不同東西。雙方看到的都是人工智慧基礎設施快速擴張。差別在於，Microsoft 認為未來需求會追上現在的容量；市場則擔心，容量建立速度可能已經超過需求真正成熟的速度。

第一盆冷水：人工智慧支出太大，科技公司開始變重

2026 年，市場對大型科技公司的問題已不再只是「人工智慧會不會成長」，而是「人工智慧成長要花多少錢」。

Breakingviews 估算，Amazon、Microsoft、Alphabet 與 Meta 四家公司，2026 年人工智慧基礎設施支出可能達約 6300 億美元，主要流向資料中心與人工智慧晶片。

過去，軟體公司最吸引市場的，是高毛利、輕資產、可快速擴張與強自由現金流。可是人工智慧資料中心把 Microsoft 推向另一種財務結構：更多土地、更多電力、更多晶片、更多冷卻系統、更多變壓器、更多折舊，還有更長的回收週期。

這不是說 Microsoft 變成公用事業公司，而是說，人工智慧正在把科技公司推向更重資產、更長回收週期的經營模式。

這正是市場潑下第一盆冷水的原因：Microsoft 仍然非常賺錢，但人工智慧基礎設施正在改變它賺錢的節奏。

對五層蛋糕而言，這代表壓力首先從晶片層往能源與基礎設施層下沉。人工智慧不再只是模型和晶片競賽，而是開始要求土地、電力、冷卻、施工與電網接入一起成立。

第二盆冷水：真正卡住的，不只是晶片，而是交付條件

Microsoft 對人工智慧資料中心樂觀，並不是沒有理由。若企業人工智慧需求持續成長，資料中心容量確實可能成為稀缺資源。Microsoft 早在 2025 年 1 月就表示，2025 會計年度預計投入約 800 億美元，建設人工智慧資料中心，用於訓練模型，並部署人工智慧與雲端應用。

但市場也看到另一面：這些容量不是花錢就能立刻取得。

人工智慧資料中心不是單純採購圖形處理器（GPU）。它必須同時解決高頻寬記憶體（HBM）、先進封裝、電力、液冷、變壓器、土地、電網接入、施工、資安、網路與營運效率。任何一段延遲，都會讓昂貴的資本支出無法立刻轉化為可銷售算力。

Breakingviews 對大型科技公司人工智慧支出的拆解正好說明這一點：即使大量資金流向晶片，剩下部分仍必須投入土地、建築與電力設備；但許可、電網接入與設備瓶頸，會拖慢資料中心建設，讓資本支出無法按照財務模型預期的速度轉化為產能。

這也是為什麼人工智慧基礎設施競爭不再只是誰買到最多晶片。更精準地說，競爭正在變成誰能讓晶片、電力、冷卻、資料中心與企業人工智慧需求彼此配合。

這是市場第二盆冷水：即使需求存在，Microsoft 也未必能用軟體公司的速度，把基礎設施變成收入。

Microsoft 不只是加碼 AI，而是在提前布局人工智慧基礎設施

前兩盆冷水，已經足以說明一件事：Microsoft 的人工智慧投資，不能只被理解為「花更多錢」。

如果只看資本支出，市場當然會擔心過度建設；但若同時檢視 Microsoft 自己的公開說法與實際行動，會發現它更像是在不斷重新判定：人工智慧下一階段最可能被哪個環節拖慢。

2025 年 1 月，Microsoft 表示，2025 會計年度預計投入約 800 億美元建設人工智慧資料中心，用於訓練 AI 模型，並部署人工智慧與雲端應用。這個金額說明，Microsoft 當時已不再把人工智慧視為單純軟體功能，而是把它放進資料中心、算力與全球雲端部署能力之中。換言之，Microsoft 權衡的，是算力是否足夠。

但 Microsoft 後續的行動顯示，算力本身並不是唯一限制。2025 年年報中，Microsoft 說它已在全球超過 70 個區域營運 400 多座資料中心，並在一年內新增超過 2GW 容量；更重要的是，每個 Azure 區域都已轉向以人工智慧部署為核心，並可支援液冷。這表示 Microsoft 眼中的問題已經從有沒有 GPU，擴大成GPU 能否被部署為可運作、可供電、可散熱、可全球調度的資料中心系統。

這也是三哩島核電廠（Three Mile Island）協議重要的原因。2024 年 9 月，Microsoft 與 Constellation 達成長期購電安排，支持三哩島核一座核能機組重啟，並由 Microsoft 購買其電力，以匹配資料中心用電。這是 Microsoft 直接介入人工智慧資料中心的成立條件：當電力與接入能力可能限制部署速度時，電力本身就不再只是成本，而成為能否繼續擴張的前置條件。

因此，市場與 Microsoft 的分歧，不在於雙方是否都看見資本支出暴增。雙方都看見了。差別在於，市場把它解讀為現金流壓力與過度建設風險；Microsoft 的行動則顯示，它把這些投資視為避免未來部署受限的能力儲備。

五層蛋糕的意義，不再是產業分類圖，限制如何跨層傳導的結構。當晶片層被滿足，限制可能落在能源與基礎設施層；當資料中心逐步建成，限制又可能落在模型使用、企業流程與應用層。Microsoft 案例揭露的，不是單一公司花太多錢，而是人工智慧競爭的限制位置正在跨層漂移。

第三盆冷水：企業人工智慧需求還沒完全變成營運依賴

前兩盆冷水主要發生在能源、晶片與基礎設施層。但第三盆冷水則針對模型與應用層。

Microsoft 最強的敘事，是企業人工智慧。Copilot、Azure AI、GitHub Copilot、OpenAI 生態與企業雲端基礎，使 Microsoft 看起來最有機會把人工智慧從技術展示，轉為企業日常工作流程。Microsoft 365 Copilot 使用者在單季增加 500 萬人，達到 2000 萬人，這確實代表企業導入正在擴大。

但市場關注的是：企業是在試用人工智慧，還是真的開始依賴人工智慧？試用代表企業願意嘗試新工具；依賴代表企業流程已經被重新設計，員工工作方式已經改變，資料、權限、系統與決策節點已經與人工智慧整合。前者可以快速成長，也能即刻退出；後者一旦成立，才會變成長期、穩定、高頻的人工智慧使用需求。這正是 Microsoft 必須證明的地方。

傳統雲端服務一旦進入企業資訊架構，通常具有高度依賴性。資料庫、儲存、運算、資安與企業應用，一旦遷移到雲端，企業不容易捨棄。但人工智慧工作流程仍在形成中。許多企業仍在測試人工智慧代理、內部助理、程式輔助、文件生成、資料搜尋與客服自動化；這些使用能否轉化為不可逆的營運依賴，仍需要時間證明。

所以市場第三盆冷水是：人工智慧使用量正在成長，但人工智慧是否已像雲端一樣成為企業不可缺少的基礎設施，還沒有完全證明。

這也是五層蛋糕從基礎設施問題轉向應用問題的關鍵。算力可以建，資料中心可以擴，電力可以簽約，但企業工作流程是否真的改寫，不能靠資本支出直接買到。

第四盆冷水：推理需求會很大，但何時大到足以吸收產能，仍是關鍵

Microsoft 不是只在賭模型訓練。真正更大的押注，是推理需求。所謂推理，指的是模型被實際使用時所消耗的運算。企業每一次生成文件、摘要會議、查詢資料、撰寫程式、處理客服、執行代理任務、分析報表、串接企業流程，都會消耗人工智慧運算能力。如果人工智慧真的嵌入企業日常營運，推理需求就不會只是一次性專案，而會變成持續發生的營運負載。

這才是 Microsoft 願意提前建設人工智慧資料中心的深層理由。如果未來企業的工作流程大量人工智慧化，那麼 Microsoft 所投資的，就不只是資料中心，而是未來企業人工智慧運轉的底層容量。到那時候，誰掌握足夠算力、電力、冷卻、雲端平台與企業整合能力，誰就能承接更多企業人工智慧需求。

但市場的疑問也正是在這裡：推理需求會變大，並不等於它會在 Microsoft 資本支出擴張的時間表內變大。

Microsoft 看的是未來人工智慧推理需求的上限；市場看的是現在資本支出、折舊、現金流與收入轉換速度。Microsoft 擔心未來容量不夠；市場擔心現在容量太快。雙方都不是沒有道理，因為它們看的不是同一個時間尺度。

放回五層蛋糕來看，推理需求連接模型層與應用層，但它消耗的是能源、晶片與資料中心層的容量。如果應用層成熟太慢，底層基礎設施會先承受折舊壓力；如果應用層突然加速，底層容量又可能不夠。人工智慧競爭因此不再只是單層擴張，而是不同層的部署條件，能否在需求形成的時間窗口內同步成立。

第五盆冷水：市場真正要求的，不是成長敘事，而是時間表證明

因此，Microsoft 與市場的分歧，不是樂觀與悲觀的差別，而是對「時間」的判斷不同。

Microsoft 認為，企業人工智慧需求正在快速形成，現在若不提前建設資料中心、圖形處理器、電力與冷卻容量，未來將無法承接需求。市場則擔心，人工智慧基礎設施投資正在以前所未有的速度提前擴張，但企業工作流程、使用頻率與營運依賴，可能還不足以支撐如此規模的部署容量。

市場不是說 Microsoft 花太多錢，也不是說人工智慧需求不存在；真正要求 Microsoft 證明的是，企業人工智慧需求形成的速度，足以配合基礎設施折舊、電力合約、晶片採購、資料中心建設與雲端平台擴張的時間表。

Amazon 當年被市場質疑，是因為它提前建設物流、倉儲與雲端能力；後來需求追上基礎設施，這些投資才被重新理解為平台能力。Microsoft 現在也在提前建設人工智慧承接能力。但差別是，人工智慧需求形成比電商訂單更難觀察，也更難在短期內證明。

電商需求可以透過訂單、配送、庫存周轉與交易額觀察；人工智慧需求則必須透過企業流程是否導入、員工是否高頻使用、代理是否真正執行任務、內部系統是否接入、資料治理是否成熟、人工智慧使用需求是否持續增加來判斷。

這些都不是單季新增幾百萬使用者就能完全證明的事。

微軟版亞馬遜，考驗的是企業是否離不開人工智慧

所以，Microsoft 是否正在重演 「亞馬遜時刻」？答案是：形式上相似，但結果尚未證明。

相似之處在於，兩者都曾在市場尚未完全相信之前，提前建立未來需求的承接能力。Amazon 建的是物流、倉儲、配送密度與雲端容量；Microsoft 建的是人工智慧資料中心、圖形處理器、電力、冷卻、雲端平台與企業人工智慧入口。

但不同之處在於，Amazon 的承接能力較快對應到交易量與雲端收入；Microsoft 的人工智慧承接能力，必須等人工智慧真正嵌入企業日常營運後，才會釋放價值。

這也是市場為何又期待、又焦慮。

如果人工智慧確實成為持續性的企業營運需求，Microsoft 今天的人工智慧資料中心投資，就可能像 Amazon 當年的倉儲、物流與 AWS 早期投資一樣，被事後證明是提前卡位。屆時，市場現在看到的高資本支出，會被重新理解為未來需求承接能力。

但如果企業人工智慧長期停留在局部導入、試驗性部署與有限工作流程整合，Microsoft 面對的就不是「人工智慧沒有需求」，而是「需求不足以吸收這麼快擴張的基礎設施」。

這兩者差別極大。前者是戰略提前；後者是資本錯配。

COMPUTEX 2026 正在從模型競爭轉向部署競爭

因此，市場潑冷水，並不代表 Microsoft 的人工智慧戰略錯了。

更準確地說，市場正在要求 Microsoft 證明一件事：人工智慧不只是新的軟體功能，而會成為企業日常營運不可缺少的一部分。

這才是 COMPUTEX 2026 再次聚焦五層蛋糕的原因。五層蛋糕呈現的，已不只是一張產業分類圖，而是人工智慧不同層部署條件能否同步成立的問題。

過去，市場習慣把人工智慧競爭理解為模型能力競爭、基準測試競爭，或圖形處理器數量競爭。但 Microsoft 案例顯示，真正的競爭正在轉向另一個問題：誰能穩定支撐企業人工智慧需求。

這也是為什麼 Amazon、Microsoft、Google、Meta、Oracle 與 NVIDIA，都開始同時爭奪電力、變壓器、液冷、資料中心土地與電網接入能力。因為人工智慧競爭的核心，已不再只是模型是否足夠強，而是模型能否被放進一套可供電、可散熱、可交付、可擴張、可長期營運的部署系統。

Microsoft 看到的是未來企業人工智慧需求會持續擴大；市場看到的是，未來還沒完全到來，但基礎設施支票已經開出去。

所以，真正決定 Microsoft 是否能重演 Amazon 成功路徑的，不是人工智慧是否熱門，也不是 Copilot 使用者是否增加，而是人工智慧能否從企業工具，變成企業營運中不可被輕易移除的基礎能力。

如果答案是肯定的，Microsoft 目前的重資產化投資，未來將被理解為新一代人工智慧平台的基礎工程；但如果答案是否定的，市場此刻的幾盆冷水，就不只是短期波動，而可能是人工智慧基礎設施過度擴張的早期警訊。

※作者從事半導體業二十餘年，現為自由撰稿人。