【Semicon】2026 Semicon 實地考察：四大 AI 市場趨勢一次看！
重點整理
SEMICON Taiwan 2026 國際半導體展於本週登場，M平方研究副總監 Vivianna 除了受邀前往分享總體經濟、地緣政治、人工智慧、資本市場等多個面向的觀點，研究員也實際走訪論壇與展場，以下是我們整理觀察到的四大趨勢：1) AI 需求爆發的實際數據佐證越發明朗； 2) 科技巨頭資本支出明年上看兆美元等級；3）三大供應鏈瓶聚焦晶片、記憶體、電力；4）未來技術趨勢關注矽光子 & 光通訊。
MM 研究員
一、 AI 需求爆發的實際數據佐證越發明朗
與去年相比，我們於本次論壇明顯觀察到更多實際 AI 需求暴增的數據佐證，主要推力來自以下兩面向：1）Agent 深入工作流，AI 變現開始浮現；2）AI 對中美霸權影響力擴大，帶動主權 AI 爆發。
AI 的應用正從「概念嘗試」到「核心工作流自動化」的典範轉移，各跡象顯示傑文斯悖論（效率提升>>成本下降>>需求爆發）正在發酵，AI 生態系也如 M平方預測走向第三階段的變現期。根據 JP Morgan 推估：過去四年中，推理的單一 Token 成本大幅下降 80% ~ 90%，但同期的 Token 總消耗量卻暴增 10 ~ 15 倍；從變現角度來看，1 GW 基礎設施投入營運後，雲端廠商每年可賺取約 170 億美元營收，若由前沿模型公司直接向終端銷售 Token，每年預估可創造高達 300 億美元 的營收（去年該僅為 100 億美元），這證明了 AI 的變現效率正在顯著提高。
如 M平方對中美霸權的看法，AI 不僅僅為產業趨勢，背後更是霸權之爭。本次論壇學者提及，2025 年美國宣布的 AI 相關政策規模等幾乎等同於冷戰時期太空競賽，目前美國前沿實驗室相較於中國開源模型領先約 6 到 12 個月，美國對中國的出口禁令爭取了技術領先的時間優勢，中國的蒸餾技術則不斷拉近距離，然儘管如此，多數講者仍認為兩者非零和博弈，前者獲利極高，即便市佔被侵蝕仍握有高利潤比例。除中美本身主權 AI 發展外，為防範美中衝突帶來的地緣與貿易風險，北美以外世界各地在主權基礎設施即服務（Sovereign IaaS）的支出年成長率高達 80% 至 90%，預估到 2029 年，北美以外的主權 IaaS 市場規模將達到北美本土市場的 3.5 倍。
二、科技巨頭資本支出明年上看 1 兆美元，資金鏈尚無需擔心
四大雲端服務業者（CSP）資本支出今年預估接近 8,000 億，2027 年預估突破 1 兆美元。另一方面，M平方統計九間科技巨頭（微軟、谷歌、亞馬遜、 Meta 、甲骨文、輝達、博通、 AMD 、 SpaceX）的採購承諾與未生效租賃，這些「表外」（Off-Balance Sheet）財務義務已達 3 兆美元規模，未來也都將轉化為先進製程、 HBM 記憶體、 ABF 載板、網通設備、購電合約與雲端算力等供應鏈業者的營收。
儘管從今年 CDS（信用違約交換）攀升來看，信用市場已經開始為 AI 基建浪潮「買入保險」、進行風險定價，但考量科技巨頭的龐大本業營收規模，以及平均淨負債對股權比率（Net Debt to Equity）目前僅約 38%，目前仍處於極為健康的財務狀態。若結合帳上營運現金流、舉債能力與股權融資，JP Morgan 預估未來 3 至 4 年內可動用資金高達 6 兆至 7 兆美元，資金鏈極其安全。
三、三大供應鏈瓶頸聚焦：晶片、記憶體、電力
晶片：
AI 算力需求每 4 ~ 5 個月翻倍，相當於每年要以 5 倍速度成長，遠超過傳統摩爾定律節奏（每 18 ~ 24 個月翻倍），顯示擴展速度出現階躍函數（Step function）式的劇變。晶片擴展的維度也從「水平」轉向「垂直」，從過去單晶粒、2.5D（邏輯晶粒與 HBM 在矽中介層水平並排）走向 3D 堆疊（在 2.5D 基礎上垂直堆疊邏輯晶粒），提供更短連線、更細間距、更高頻寬與更低功耗。
從台積電、日月光、聯發科等相關技術論壇分享中，我們整理出當前量產與良率挑戰包括：異質材料整合的翹曲（Warpage）與良率問題、光罩與載板尺寸暴增、大尺寸／超薄晶片取放易碎、後段 CoWoS / CoPoS 先進封裝設備的軟體自動化成熟度落後。整體而言，供應鏈重心正由前段微縮轉移至「後段異質整合與良率控制」，受惠板塊除了台積電與日月光掌握技術平台與標準主導權，另外也包括濕 / 熱製程與檢測設備，以及面臨規格升級與供需吃緊的 ABF 載板。
記憶體：
高昂的記憶體成本已為算力供應商帶來極大壓力，HBM 甚至已占目前 AI 晶片總成本高達 70% ~ 75%，顯著推高了伺服器硬體的採購門檻，進而成為推升 CSP 巨頭總資本支出，為壓迫其自由現金流的核心主因之一。為了因應暴漲的價格，業者正加速推動「分層記憶體（Tiered Memory）」架構，靈活搭配 SRAM 、 HBM 、 DDR 與 Flash。同時，AI 的算力瓶頸早已從「晶片效能本身」轉向「資料搬移的龐大功耗與頻寬限制」，導致傳統 GPU 在 Decode 階段陷入「供應端的單位推理成本居高不下」，而市場端又因開源模型與 API 價格戰導致「 Token 售價暴跌」，兩者雙向擠壓，才是造成算力供應商面臨虧損的核心原因。
隨著單純堆疊算力（FLOPS）的邊際效益遞減，記憶體已從過去的成本項目躍升為決定 AI 變現落地的核心；記憶體架構正全面向運算核心靠攏，甚至直接垂直堆疊於 XPU/ASIC 上進行架構協同設計與封裝。未來 AI 晶片市場的勝負關鍵，不再是誰能做出速度最快的超級晶片，而是誰能透過 3D 垂直整合與軟硬體協同排程將搬移能耗降至最低，精準掌控「頻寬、熱量與 Token 成本」的平衡。
能源：
AI 伺服器機櫃將從數百千瓦（kW）邁向 1 百萬瓦（MW），Meta 、 xAI 、 OpenAI 也陸續興建或啟用吉瓦級（GW）超級運算叢集，因此從電網到晶片（From Grid to Chip）整體架構都面臨技術挑戰與升級需求。晶片側觀察到英飛凌預估每新增 1GW 資料中心容量可挹注 1.75 億美元營收，成熟製程也受惠功率半導體需求而出現高稼動率與漲價潮。機櫃電源架構方面，留意 54V 轉向 800V 高壓直流的規格升級進程，傳統機電系統也逐步被固態變壓器（SST）取代。
綜合來看，彭博預估 2025 至 2050 年全球資料中心用電將暴增 4,000 兆瓦時（TWh），幾乎等同美國全年總電量，挑戰將在於傳統電網併入緩慢、現場自建電力設備（如燃氣渦輪機）設備短缺，以及隨著美國期中選舉逼近，地方政策收緊（如德州）可能迫使大量新建計畫面臨延宕或取消的巨大變數。
四、未來技術：矽光子 & 光通訊
銅極限已經逼近，當前機櫃間互聯 Scale-out 已轉向光通訊，接著下一步便將是機櫃內互聯 Scale-up 逐步取代銅線轉向光傳輸。電訊號在極高傳輸速率下面臨嚴重的物理極限、功耗牆、及傳輸距離瓶頸，隨著 AI 運算需求邁向 800G 、 1.6T 甚至更高頻寬，光傳輸在效率、距離與密度上展現出壓倒性優勢。但同時，這也大幅提高了半導體領域的設計、封裝、及測試難度。此次走訪 Semicon，M平方統整了當前矽光子產業與光通訊架構的演進如下。
架構與封裝演進：光學引擎開始向 ASIC/XPU 近移，以克服功耗牆；封裝由 2.5D 與平面 Side-by-side 轉向電晶片（EIC）垂直堆疊於光晶片（PIC）之上的 3D 垂直異質整合，並擴展至 600mm 面板級封裝。
新材料與製造革新： 結合薄膜鈮酸鋰（TFLN）、磷化銦（InP）與氮化矽（SiN）於矽基板，以滿足單通道 200G/400G 及 1.6T~3.2T 高速調變，並改採離子束蝕刻（IBE），且波導側壁粗糙度需控制於 1nm 以下以降低光損耗。
關鍵瓶頸-熱與翹曲：GPU 2 ~ 8 kW 的龐大熱能與大面積封裝導致的局部翹曲，極易引發對準失效與光耦合損耗，造成熱與翹曲的干擾。
四階段測試：對於測試門檻的飆升，當前產業建立 Insertion 1 ~ 4（晶圓級、雙面、單晶粒到 CPO 模組）四階段測試，雙面主動對準困難與缺乏自動化測試設備，成為當前良率與產能的主要的 Bottleneck。
整體而言，矽光子已不再只是單純的光通訊技術升級，而是一場整合半導體前中後段製程的「系統級架構革命」。預計 2029 年將進入 100% 全光學 AI 資料中心時代、 2031 年 Scale-Up 光學引擎市場將突破千億美元。但同時，產業短期的勝負關鍵將是「先進封裝與自動化測試」的商業化落地能力，誰能率先解決 3D 異質整合的翹曲散熱問題，並建立低成本、高效率的 CPO 自動化量測與檢測標準，誰就能在 1.6T/3.2T 光學高速互聯時代中，掌握真正的產業定價權。