AI算力資金流向解碼！TPU崛起、GPU續強 盤點台廠供應鏈誰最賺？
智能模型Gemini 3之所以展現驚人效能，並非僅靠單一模型或晶片，而是由一整條使用者難以察覺的AI供應鏈所支撐。從晶片設計、製造與封測，到關鍵零組件、伺服器組裝，再延伸至軟體與雲端服務，AI算力的真正戰場其實是一條高度分工、環環相扣的產業體系。
在這條供應鏈中，美國企業主導最前端的晶片設計與最後端的軟體服務，而台灣則憑藉世界級的電子製造與系統整合能力，深度卡位中間晶圓代工、先進封測、PCB、散熱、電源、伺服器組裝等硬體環節。接下來，我們將進一步拆解AI算力供應鏈的各個環節，說明台灣產業在其中扮演的關鍵角色。
AI供應鏈上游 晶片設計、製造與封測
- 晶片設計：AI算力基礎來自高效能運算晶片，其中以GPU與ASIC為2大主流架構。GPU具備高度平行運算能力，能同時處理大量資料，特別適合AI模型訓練等高複雜度工作負載，代表廠商包括輝達與AMD（超微）。
為降低對單一供應商的依賴，Google、亞馬遜、微軟、Meta等4大雲端服務供應商（CSP），近年積極投入自研ASIC晶片。ASIC的崛起也同步帶動晶片設計服務需求，代表廠商為美國的博通，以及台灣的世芯-KY（3661）、創意（3443）、智原（3035）、聯發科（2454），專門協助大型客戶將運算需求轉化為可量產的晶片設計。
- 晶片製造與封測：AI晶片設計圖完成後，接下來便進入實體量產階段。晶圓代工廠透過蝕刻、拋光、鍍膜等多道精密製程，將電路一層層刻劃在晶圓上。之後送到封測公司將裸晶、基板、記憶體整合成可使用的晶片模組，並確保晶片在高功耗、高溫條件下仍能穩定運作。
最知名的莫過於台積電（2330），其為領先全球的晶圓代工廠，無論GPU或ASIC晶片，最終多需交由其量產。而日月光（3711）、京元電（2449）為全球封裝與測試龍頭，在CoWoS先進封裝與高階測試領域市占率居前，具備承接高功耗AI晶片量產與驗證需求的能力。此外，AI晶片測試高度仰賴精密測試設備，包括探針卡、測試介面與自動化設備，相關供應鏈如旺矽（6223）、精測（6510）、致茂（2360）、鴻勁（7769）等。
AI供應鏈中游 關鍵零組件、伺服器組裝
- 關鍵零組件：若將AI晶片視為「大腦」，那麼關鍵零組件就是支撐算力運作的「器官、骨骼、神經與血液循環系統」，以下列舉說明6種關鍵零組件。
1.PCB印刷電路板：負責承載晶片、記憶體等電子元件，並透過銅線將電力與訊號傳遞至各元件。隨AI伺服器運算密度提高，PCB走向更多層、更複雜的設計，單台AI伺服器所需PCB價值從900美元上升至1,980美元。代表廠商如金像電（2368）、臻鼎-KY（4958）。
2.CCL銅箔基板：PCB的核心材料，隨AI伺服器、交換器升級至800G/1.6T，帶動CCL從M7、M8升級到M9，對厚度、耐熱、低損耗要求更高，單價與用量顯著增加。代表廠商如台光電（2383）、台燿（6274）、聯茂（6213）。
3.ABF載板：負責連接晶片與PCB，並承擔高速訊號與大量I/O傳輸。隨AI晶片尺寸放大、腳位（電腦零組件與主機板連接的物理接口規格）數增加，對載板線寬、線距與良率要求大幅提高。台廠ABF三雄為欣興（3037）、南電（8046）、景碩（3189）。
4.電源：AI晶片功耗快速攀升，不僅推升PSU（電源供應器）朝更高功率密度發展，加速導入800V HVDC架構，也帶動新型UPS（不斷電系統）、高階BBU（電池備援模組）等需求。代表廠商如台達電（2308）、光寶科（2301），在全球市占率超過8成。
5.散熱：過去以氣冷為主的散熱架構，已逐漸逼近極限，難以因應1,000W以上的高功耗運算需求，使資料中心加速轉向液冷解決方案。散熱效能不僅關係系統穩定度，更直接影響晶片效能能否完整釋放，代表廠商如奇鋐（3017）、雙鴻（3324）。
6.光通訊：光通訊是將資料轉換為光訊號，並透過光纖進行傳輸。相較傳統以銅線傳遞電子訊號，光訊號就像「高速公路」，具備更高頻寬、更快傳輸速度與更低延遲，同時可有效降低能耗與熱損。隨AI模型訓練與推論對算力互聯需求大幅提升，光通訊成為支撐AI算力擴張不可或缺的核心技術之一。代表性台廠包括光聖（6442）與、聯亞（3081）。
- 伺服器組裝：最後由ODM/OEM（原始設計製造商/原始設備製造商）廠商負責將晶片與關鍵零組件整合，組裝成可實際部署於資料中心的AI伺服器與機櫃系統。此一環節不僅是硬體組裝，更涉及整體架構設計、電力配置、散熱整合與系統驗證能力，決定算力能否在高功耗環境下長時間穩定運作。代表台廠包括鴻海（2317）、廣達（2382）、緯創（3231）、緯穎（6669）與英業達（2356）。
AI供應鏈下游 軟體服務決定算力使用強度
當硬體伺服器建設逐步到位後，便正式進入軟體應用階段，包括Amazon AWS、Microsoft Azure、Google Cloud等雲端服務平台，以及OpenAI ChatGPT、Google Gemini、Oracle Cloud等各類訓練模型與應用程式。軟體服務的普及與商業化程度，將直接決定算力的實際使用強度，並影響整體AI供應鏈的投資節奏與成長動能。
從以上AI產業鏈，投資人明顯可以發現台廠「吃硬不吃軟」，其中被點名的硬體AI龍頭台廠，都在各自領域中具備較高的市占率與技術門檻，短期內難以被取代，而且與AI晶片設計大廠及雲端服務商維持長期且緊密的合作關係，訂單能見度相對較高。
接下來投資人要思考的，便是如何從眾多AI概念股中，篩選出最具潛力的受惠標的。投資篇將進一步整理專家眼中的關鍵族群與選股邏輯，協助投資人更有系統地掌握 AI 趨勢下的投資機會。
（圖片來源：Shutterstock僅示意/ 內容僅供參考，投資請謹慎為上）
文章出處：《Money錢》2026年1月號
下載「錢雜誌App」隨時隨地掌握財經脈動