AI 硬體供應鏈一條龍：從一顆 GPU 到一座資料中心，全球命脈卡在哪八關？

每次新聞講「某公司又買了幾萬顆 Nvidia GPU」，聽起來像是買了一批顯示卡插上去就好。實際上沒那麼簡單。

一顆 AI 晶片要先被設計出來、送進晶圓廠刻在矽片上，再跟記憶體用特殊封裝綁成一塊，接著靠光纖串成幾千顆一起算的叢集，然後想辦法把整櫃上百千瓦的熱量帶走，最後塞進一座吃電像怪獸的資料中心。這整段路，業界叫它「AI 硬體供應鏈」。

這條鏈最有意思的地方，是它的命脈並沒有平均分散在全世界，而是集中壓在少數幾個點上，其中兩個關鍵環節就在台灣。看懂這八關卡在哪裡，比記住哪家公司股價漲跌更有用。

---

30 秒看懂整條鏈

把整條 AI 硬體供應鏈想成蓋一座超級工廠：先在矽片上刻出運算線路（晶圓代工），把超快的運算大腦和裝資料的立體記憶庫貼在同一塊基板上（先進封裝＋HBM），組成一張運算怪獸顯卡（AI 晶片）。再用光速等級的高速網路把成千上萬張卡連起來（光互連），因為它們運轉時發熱驚人、傳統風冷壓不住，得靠液冷（散熱與液冷），最後整齊裝進吃電巨獸般的機房（資料中心與電力）。而這座橫跨全球的工廠，每一步都被大國的法律防火牆盯著（地緣政治與出口管制）。

---

核心數據快照表

下面這些數字是整條鏈的「儀表板」。要先講清楚：產能、市占這類數字多半是研調機構或財經媒體的估計值，不是公司官方逐月公告，所以這裡盡量標明時點與性質，看的時候抓「量級」和「趨勢」比抓小數點更實際。

---

第 1 關 · AI 晶片（GPU）

它在幹嘛：GPU 原本是為遊戲、3D 繪圖設計的，靠大量簡單核心做平行運算。這個結構剛好很適合把神經網路拆成無數小矩陣一起算。打個比方，CPU 像一位精算高等數學的教授，一次解一題；GPU 像一千個只會加減法的小學生，人多力量大，跑 AI 反而快上好幾個數量級。

誰在賺：這一關幾乎是 Nvidia 一家獨大。產業統計顯示，2025 年 Nvidia 在 AI 加速器市場市占約八成，AI GPU 這個更細的分類甚至估到約 86%。真正的護城河不只是晶片本身，還有綁在上面的 CUDA 軟體生態，大家寫好的程式都跑在它上面，要換家成本很高。AMD 的 MI 系列市占估計不到一成、慢慢往上爬；Google、Amazon 等雲端大廠則走另一條路，自研 ASIC（特殊用途晶片，例如 TPU、Trainium）在自家雲裡省成本、做差異化，但全球整體份額仍遠小於 Nvidia。

台灣在這關：晶片設計不在台灣，但 Nvidia 整櫃的 AI 系統（像 Vera Rubin NVL72）很多由台系廠商（如和碩）做成可量產的產品出貨。台灣不只做晶圓和封裝，也是整櫃 AI 伺服器的重要組裝基地。

短期內你聽到的「AI 伺服器」幾乎都還是 Nvidia 當家，自研晶片比較像長期佈局，不是今年就會翻盤的事。

---

第 2 關 · HBM 高頻寬記憶體

它在幹嘛：晶片再快，資料餵不上來也是空轉。HBM（High Bandwidth Memory，高頻寬記憶體）就是專門解決這件事。一般 DRAM 是橫向排成一條條記憶體；HBM 則把記憶體層層垂直堆疊，用「矽穿孔」連起來，再透過超寬的介面接到 GPU。一句話：它是站起來的超寬記憶體，目的是別讓 GPU 等資料等到餓死。

現在卡在哪：HBM 是三家寡占，SK 海力士、美光、三星。SK 海力士技術與市占都領先（依口徑約占五成多），美光從 2024 年底的個位數市占快速衝上約兩成，三星則在追趕。重點是供給很緊：美光已公開表示 2026 年的 HBM4 產能「全部被預訂一空」。這代表就算晶圓和封裝產能擴出來，HBM 跟不上，整機一樣出不了貨。

註：HBM 市占數字會因「算所有 HBM」或「只算最新 HBM4」、以及時點不同而有出入，這裡取各家報導的區間，方向一致，海力士領先、美光急起直追。

台灣在這關：台灣不生產 HBM 晶圓，但 HBM 最後要在台積電與封測廠被堆疊、測試，再送進台系伺服器廠組裝。HBM 越缺，先進封裝和系統整合的議價力就越高，台灣在下游的份量反而被放大。

---

第 3 關 · 先進封裝（CoWoS）

它在幹嘛：要讓 GPU 和 HBM 之間跑出每秒 20 幾 TB 的資料量，兩者必須「貼得非常近」，傳統電路板走線根本做不到。先進封裝就是把多顆晶片放到一塊矽中介層上、緊靠在一起，甚至直接疊起來。台積電的 CoWoS 就是這類技術的代表，把 GPU 和好幾顆 HBM 綁成一顆超大模組。可以想成：把好幾塊樂高精準黏在同一塊底板上，變成一顆「大積木」。

為什麼是卡脖子點：高階 GPU 幾乎全用 CoWoS 或類似封裝，所以 CoWoS 月產能直接決定了這些晶片一年能出多少。2025-2026 年的報導幾乎口徑一致：Nvidia 的 CoWoS-L 產能「完全被訂滿」，台積電還得把部分訂單外包給日月光、Amkor 等封測廠當安全閥。

台灣在這關：CoWoS 主力產能集中在台灣的幾個科學園區廠，新擴產案也大多在台灣。就算部分外包，多數也與台灣供應鏈緊密相連（像矽品本身就是台灣公司）。在「GPU＋HBM 的封裝」這一層，台灣是全球單一最關鍵的地理集中點之一，一旦中斷，高階 AI 平台短期內很難找到替代產能。

---

第 4 關 · 晶圓代工與微影設備

它在幹嘛：晶圓代工就是「幫別人做晶片」。Nvidia 自己設計 GPU，但製造交給台積電。製程節點（5 奈米、3 奈米、2 奈米）可以粗略理解成「線寬」，數字越小，同樣面積塞進越多電晶體、越省電。現在高階 AI 晶片幾乎都用 3-5 奈米級別。

集中到什麼程度：台積電在全球純晶圓代工市占約六成四（2024 Q3），遠勝第二名三星的一成二。更關鍵的是，台積電 7 奈米以下的先進製程貢獻了約七成四的晶圓營收，全球高階 AI 晶片幾乎都壓在這條最先進的產線上。

還有一個藏在後面的瓶頸，就是 ASML：要做 7 奈米以下，必須用極紫外光（EUV）微影機，而全世界只有荷蘭的 ASML 做得出量產級 EUV，幾乎是壟斷。一台機器要價一億八千萬到三億八千萬歐元。這代表只要對 ASML 設備出口設限，就能直接掐住下游晶圓廠能不能做更先進的製程。

台灣在這關：台積電是全球最先進製程的最大供應者，而這種技術與產能高度集中在台灣，使得「台海是否穩定」直接變成全球 AI 晶片供應的前提。這也是為什麼國際社會對台海局勢如此敏感。

---

第 5 關 · 光互連

它在幹嘛：訓練大模型時，幾千甚至幾萬顆 GPU 要不停交換資料。距離一拉長、速度一拉高，傳統銅線的訊號就會衰減失真。所以叢集內部改用光纖傳輸，把電訊號轉成光、送出去再轉回來。速率從 400G 一路往上推到 800G、再到 1.6T。

現在走到哪：800G 光模組已是 2024-2025 年 AI 資料中心的主流，比 400G 頻寬翻倍、每位元功耗還降三到四成。1.6T 模組（含共封裝光學 CPO、矽光子方案）2025-2027 年陸續量產。CPO 的關鍵在於把光引擎直接封裝在晶片旁邊，大幅縮短電路距離、省下不少功耗，以 Nvidia 的數字，每個連接埠可以從約 30 瓦降到約 9 瓦。在動輒上萬顆 GPU 的叢集裡，這種省電會被放得很大。

台灣在這關：台灣有不少網通與伺服器系統廠負責整合光模組與交換器，也供應電路板、機構件與測試。不過矽光子晶片本身主流仍由美國、中國廠商設計生產，台灣在這層比較偏代工與零組件，市占公開數據有限。這一關技術門檻高，但目前還沒出現像 CoWoS 那種「整條斷貨」的情形。

---

第 6 關 · 散熱與液冷

它在幹嘛：一顆 B300 GPU 就要 1400 瓦，一櫃裝 72 顆很容易破 150-200 千瓦。傳統靠冷氣加風扇的機櫃大概只扛得住每櫃 5-10 千瓦，到了 AI 機櫃根本不夠看。於是液冷登場：把冷卻液直接送到晶片上的冷板帶走熱量（直接晶片液冷），或乾脆把整台伺服器泡進不導電的液體裡（浸沒式）。

數字感受一下：

台灣在這關：台灣在散熱零組件（風扇、熱管、冷板、機殼）本來就有完整供應鏈，現在不少廠商切進冷板、冷卻分配單元（CDU）、整櫃液冷整合。台達電是明確的例子，從機櫃級到機房級的液冷與電源方案都做，主打高密度 GPU 場景。常見的打法是「伺服器＋機櫃＋電源＋散熱」整套由台灣團隊輸出。

---

第 7 關 · 資料中心與電力

它在幹嘛：機櫃做好了，得放進資料中心，背後還要接上數百 MW（百萬瓦）等級的電力。一座大型 AI 資料中心的用電量，可比擬十萬戶家庭，最大的案子更高。

錢花在哪：前五大雲端業者（亞馬遜、微軟、Google、Meta 等）的資本支出正在猛衝。多家機構推估 2026 年合計約 6,000-6,900 億美元，年增三成上下，光是這個量級就接近美國 GDP 的 2%。這些錢大部分變成 GPU、機房與電力基礎建設。

電從哪來，變成新問題：雲端大廠早就大量簽再生能源購電合約，但 AI 的胃口太大，連核能都被搬上檯面。NuScale、Oklo 這類小型模組化反應爐（SMR）業者頻頻被點名，亞馬遜也與 X-energy 合作要在華盛頓州蓋 SMR 為大型負載供電。不過務實地看，2030 年之前 AI 機房主要還是靠傳統電網加再生能源，SMR 比較像 2030 年之後的長期備胎。

這裡有個越來越被強調的轉折：AI 的真正瓶頸正從「GPU 數量」轉移到「電網與土地」。 在部分地區，電網已經難以再吃下更多上百 MW 等級的資料中心。要把一櫃 200 千瓦的機器塞進既有電網，業者只能同時押注更省電的晶片、更高效的光互連，以及更激進的液冷。

台灣在這關：台灣電力結構與核電政策都比較敏感，短期不太可能成為全球 AI 機房最集中的地點。台灣比較像是用「高效電源、不斷電系統、液冷」這些設備與技術，參與全球資料中心的建設，而不是自己當機房大本營。

---

第 8 關 · 地緣政治與出口管制

這一關並不算供應鏈裡的某個物理環節，比較像是罩在前面七關之上的一層規則。誰買得到多少高階 GPU、誰做得出先進製程，很大程度由美國與盟友的出口法規決定。

2026 年 1 月起的新規：美國商務部把部分中階 AI 晶片（如 Nvidia H200、AMD MI325X 這類「沒到最高規格」的晶片）對中國的審查，從原本幾乎一律拒絕的「推定駁回」，改成在嚴格條件下「逐案審查」。白話講，就是開了一條附帶一堆條件（含課稅、第三方測試證明、不得排擠美國本土供應等）的窄門。最高規格的晶片與再出口，多數仍維持嚴格管制。

要盟友一起夾：美國國會審議中的 MATCH Act，目標是要求荷蘭、日本等盟友在限期內跟進對中國的設備出口限制，涵蓋 EUV 與較舊的 DUV 浸潤式機台，等於連中國想在 7-14 奈米擴產也更難。

台灣被列為第一級夥伴：在美國的「AI 擴散」架構下，台灣與多數歐盟國家、日本、韓國被列為第一級（Tier 1），在該框架下不受配額上限限制（台灣仍須維持既有出口管制與合規，並非完全免管制），被官方視為對台灣技術保護制度的「信任投票」。

中國的處境：在高階 GPU 與設備受限下，中國一邊自研晶片（如華為昇騰），一邊靠模型壓縮、蒸餾等手法省算力。研究指出，管制比較像是「拉高成本與延遲」的工具，而不是滴水不漏的封鎖。

---

哪幾關最卡脖子？

把八關攤開來看，真正會「掐住整條鏈」的其實集中在四個環節，而它們在地理上又高度集中，這正是地緣政治盯著看的地方。

從地緣風險看，台灣同時握著先進製程和 CoWoS 兩張王牌，一旦台海生變，全球 AI 晶片供應會立刻重創；荷蘭的 ASML 是 EUV 唯一供應者，任何出口政策變化都牽動全球；中國則被卡在設備與高階晶片進口上，被迫更依賴本地替代，但短期仍難與美國加盟友的生態抗衡。

---

這條鏈告訴我們什麼

看完八關，可以收斂成三個判斷：

第一，AI 的算力競賽，本質上是一場硬體與產能的競賽。 模型再厲害，做不出晶片、封不了裝、餵不上記憶體、供不了電，都只是 PPT。所以追 AI 趨勢時，盯供應鏈的瓶頸往往比盯模型發表會更早看出風向。

第二，瓶頸高度集中，台灣站在中央。 先進製程和先進封裝兩個最卡的環節都壓在台灣，這既是台灣的戰略價值，也是全球最在意的單點風險。理解這件事，才看得懂為什麼晶片變成大國角力的主戰場。

第三，下一個天花板可能不是晶片，而是電。 當電網與土地開始追不上算力擴張，誰能解決供電、散熱、能效，誰就握住下一輪的關鍵。核能、液冷、光互連這些「不性感」的環節，反而是接下來值得長期關注的地方。

這篇是供應鏈的整體導覽，之後小企鵝會把每一關（像 CoWoS、HBM、出口管制）拆成更深入的單篇來談。想先搞懂個別公司的，可以接著看 Nvidia 上下游的客戶與生態。

延伸閱讀

• CoWoS 是什麼？台積電先進封裝為何卡住 AI 晶片出貨
• HBM 是什麼？AI GPU 缺貨為何常卡在高頻寬記憶體
• 矽光子是什麼？AI 資料中心為什麼開始用光搬資料