AI 硬件供应链一条龙：从一颗 GPU 到一座数据中心，全球命脉卡在哪八关？

每次新闻讲「某公司又买了几万颗 Nvidia GPU」，听起来像是买了一批显卡插上去就好。实际上没那么简单。

一颗 AI 芯片要先被设计出来、送进晶圆厂刻在硅片上，再跟内存用特殊封装绑成一块，接着靠光纤串成几千颗一起算的集群，然后想办法把整柜上百千瓦的热量带走，最后塞进一座吃电像怪兽的数据中心。这整段路，业界叫它「AI 硬件供应链」。

这条链最有意思的地方，是它的命脉并没有平均分散在全世界，而是集中压在少数几个点上，其中两个关键环节就在台湾。看懂这八关卡在哪里，比记住哪家公司股价涨跌更有用。

---

30 秒看懂整条链

把整条 AI 硬件供应链想成盖一座超级工厂：先在硅片上刻出运算线路（晶圆代工），把超快的运算大脑和装数据的立体内存库贴在同一块基板上（先进封装＋HBM），组成一张运算怪兽显卡（AI 芯片）。再用光速等级的高速网络把成千上万张卡连起来（光互连），因为它们运转时发热惊人、传统风冷压不住，得靠液冷（散热与液冷），最后整齐装进吃电巨兽般的机房（数据中心与电力）。而这座横跨全球的工厂，每一步都被大国的法律防火墙盯着（地缘与出口管制）。

---

核心数据快照表

下面这些数字是整条链的「仪表盘」。要先讲清楚：产能、市占这类数字多半是研调机构或财经媒体的估计值，不是公司官方逐月公告，所以这里尽量标明时点与性质，看的时候抓「量级」和「趋势」比抓小数点更实际。

---

第 1 关 · AI 芯片（GPU）

它在干嘛：GPU 原本是为游戏、3D 绘图设计的，靠大量简单核心做并行计算。这个结构刚好很适合把神经网络拆成无数小矩阵一起算。打个比方，CPU 像一位精算高等数学的教授，一次解一题；GPU 像一千个只会加减法的小学生，人多力量大，跑 AI 反而快上好几个数量级。

谁在赚：这一关几乎是 Nvidia 一家独大。产业统计显示，2025 年 Nvidia 在 AI 加速器市场市占约八成，AI GPU 这个更细的分类甚至估到约 86%。真正的护城河不只是芯片本身，还有绑在上面的 CUDA 软件生态，大家写好的程序都跑在它上面，要换家成本很高。AMD 的 MI 系列市占估计不到一成、慢慢往上爬；Google、Amazon 等云端大厂则走另一条路，自研 ASIC（专用芯片，例如 TPU、Trainium）在自家云里省成本、做差异化，但全球整体份额仍远小于 Nvidia。

台湾在这关：芯片设计不在台湾，但 Nvidia 整柜的 AI 系统（像 Vera Rubin NVL72）很多由台系厂商（如和硕）做成可量产的产品出货。台湾不只做晶圆和封装，也是整柜 AI 服务器的重要组装基地。

短期内你听到的「AI 服务器」几乎都还是 Nvidia 当家，自研芯片比较像长期布局，不是今年就会翻盘的事。

---

第 2 关 · HBM 高带宽内存

它在干嘛：芯片再快，数据喂不上来也是空转。HBM（High Bandwidth Memory，高带宽内存）就是专门解决这件事。一般 DRAM 是横向排成一条条内存；HBM 则把内存层层垂直堆叠，用「硅通孔」连起来，再通过超宽的接口接到 GPU。一句话：它是站起来的超宽内存，目的是别让 GPU 等数据等到饿死。

现在卡在哪：HBM 是三家寡占，SK 海力士、美光、三星。SK 海力士技术与市占都领先（依口径约占五成多），美光从 2024 年底的个位数市占快速冲上约两成，三星则在追赶。重点是供给很紧：美光已公开表示 2026 年的 HBM4 产能「全部被预订一空」。这代表就算晶圆和封装产能扩出来，HBM 跟不上，整机一样出不了货。

注：HBM 市占数字会因「算所有 HBM」或「只算最新 HBM4」、以及时点不同而有出入，这里取各家报道的区间，方向一致，海力士领先、美光急起直追。

台湾在这关：台湾不生产 HBM 晶圆，但 HBM 最后要在台积电与封测厂被堆叠、测试，再送进台系服务器厂组装。HBM 越缺，先进封装和系统集成的议价力就越高，台湾在下游的份量反而被放大。

---

第 3 关 · 先进封装（CoWoS）

它在干嘛：要让 GPU 和 HBM 之间跑出每秒 20 几 TB 的数据量，两者必须「贴得非常近」，传统电路板走线根本做不到。先进封装就是把多颗芯片放到一块硅中介层上、紧靠在一起，甚至直接叠起来。台积电的 CoWoS 就是这类技术的代表，把 GPU 和好几颗 HBM 绑成一颗超大模组。可以想成：把好几块乐高精准黏在同一块底板上，变成一颗「大积木」。

为什么是卡脖子点：高阶 GPU 几乎全用 CoWoS 或类似封装，所以 CoWoS 月产能直接决定了这些芯片一年能出多少。2025-2026 年的报道几乎口径一致：Nvidia 的 CoWoS-L 产能「完全被订满」，台积电还得把部分订单外包给日月光、Amkor 等封测厂当安全阀。

台湾在这关：CoWoS 主力产能集中在台湾的几个科学园区厂，新扩产项目也大多在台湾。就算部分外包，多数也与台湾供应链紧密相连（像矽品本身就是台湾公司）。在「GPU＋HBM 的封装」这一层，台湾是全球单一最关键的地理集中点之一，这种高度集中本身就是供应链层面要留意的单点风险，高阶 AI 平台短期内很难找到替代产能。

---

第 4 关 · 晶圆代工与光刻设备

它在干嘛：晶圆代工就是「帮别人做芯片」。Nvidia 自己设计 GPU，但制造交给台积电。制程节点（5 纳米、3 纳米、2 纳米）可以粗略理解成「线宽」，数字越小，同样面积塞进越多晶体管、越省电。现在高阶 AI 芯片几乎都用 3-5 纳米级别。

集中到什么程度：台积电在全球纯晶圆代工市占约六成四（2024 Q3），远胜第二名三星的一成二。更关键的是，台积电 7 纳米以下的先进制程贡献了约七成四的晶圆营收，全球高阶 AI 芯片几乎都集中在这条最先进的产线上。

还有一个藏在后面的瓶颈，就是 ASML：要做 7 纳米以下，必须用极紫外光（EUV）光刻机，而全世界只有荷兰的 ASML 做得出量产级 EUV，几乎是垄断。一台机器要价一亿八千万到三亿八千万欧元。这代表只要对 ASML 设备出口设限，就能直接掐住下游晶圆厂能不能做更先进的制程。

台湾在这关：台积电是全球最先进制程的最大供应者，而这种技术与产能高度集中在台湾产业。这种「最先进制程压在单一地区」的集中度，本身就被视为全球 AI 芯片供应的一个结构性风险，也是产业界与各国政策长期关注供应链韧性的原因。

---

第 5 关 · 光互连

它在干嘛：训练大模型时，几千甚至几万颗 GPU 要不停交换数据。距离一拉长、速度一拉高，传统铜线的信号就会衰减失真。所以集群内部改用光纤传输，把电信号转成光、送出去再转回来。速率从 400G 一路往上推到 800G、再到 1.6T。

现在走到哪：800G 光模块已是 2024-2025 年 AI 数据中心的主流，比 400G 带宽翻倍、每比特功耗还降三到四成。1.6T 模块（含共封装光学 CPO、硅光子方案）2025-2027 年陆续量产。CPO 的关键在于把光引擎直接封装在芯片旁边，大幅缩短电路距离、省下不少功耗，以 Nvidia 的数字，每个连接端口可以从约 30 瓦降到约 9 瓦。在动辄上万颗 GPU 的集群里，这种省电会被放得很大。

台湾在这关：台湾有不少网通与服务器系统厂负责集成光模块与交换器，也供应电路板、机构件与测试。不过硅光子芯片本身主流仍由美国、中国厂商设计生产，台湾在这层比较偏代工与零组件，市占公开数据有限。这一关技术门槛高，但目前还没出现像 CoWoS 那种「整条断货」的情形。

---

第 6 关 · 散热与液冷

它在干嘛：一颗 B300 GPU 就要 1400 瓦，一柜装 72 颗很容易破 150-200 千瓦。传统靠空调加风扇的机柜大概只扛得住每柜 5-10 千瓦，到了 AI 机柜根本不够看。于是液冷登场：把冷却液直接送到芯片上的冷板带走热量（直接芯片液冷），或干脆把整台服务器泡进不导电的液体里（浸没式）。

数字感受一下：

台湾在这关：台湾在散热零组件（风扇、热管、冷板、机壳）本来就有完整供应链，现在不少厂商切进冷板、冷却分配单元（CDU）、整柜液冷集成。台达电是明确的例子，从机柜级到机房级的液冷与电源方案都做，主打高密度 GPU 场景。常见的打法是「服务器＋机柜＋电源＋散热」整套由台湾团队输出。

---

第 7 关 · 数据中心与电力

它在干嘛：机柜做好了，得放进数据中心，背后还要接上数百 MW（百万瓦）等级的电力。一座大型 AI 数据中心的用电量，可比拟十万户家庭，最大的项目更高。

钱花在哪：前五大云厂商（亚马逊、微软、Google、Meta 等）的资本支出正在猛冲。多家机构推估 2026 年合计约 6,000-6,900 亿美元，同比增长三成上下，光是这个量级就接近美国 GDP 的 2%。这些钱大部分变成 GPU、机房与电力基础建设。

电从哪来，变成新问题：云端大厂早就大量签再生能源购电合约，但 AI 的胃口太大，连核能都被搬上台面。NuScale、Oklo 这类小型模块化反应堆（SMR）业者频频被点名，亚马逊也与 X-energy 合作要在华盛顿州盖 SMR 为大型负载供电。不过务实地看，2030 年之前 AI 机房主要还是靠传统电网加再生能源，SMR 比较像 2030 年之后的长期备胎。

这里有个越来越被强调的转折：AI 的真正瓶颈正从「GPU 数量」转移到「电网与土地」。 在部分地区，电网已经难以再吃下更多上百 MW 等级的数据中心。要把一柜 200 千瓦的机器塞进既有电网，业者只能同时押注更省电的芯片、更高效的光互连，以及更激进的液冷。

台湾在这关：台湾电力结构与核电政策都比较敏感，短期不太可能成为全球 AI 机房最集中的地点。台湾比较像是用「高效电源、不间断电源系统、液冷」这些设备与技术，参与全球数据中心的建设，而不是自己当机房大本营。

---

第 8 关 · 地缘与出口管制

这一关并不算供应链里的某个物理环节，比较像是罩在前面七关之上的一层规则。谁买得到多少高阶 GPU、谁做得出先进制程，很大程度由美国与盟友的出口法规决定。

2026 年 1 月起的新规：美国商务部把部分中阶 AI 芯片（如 Nvidia H200、AMD MI325X 这类「没到最高规格」的芯片）对中国的审查，从原本几乎一律拒绝的「推定驳回」，改成在严格条件下「逐案审查」。白话讲，就是开了一条附带一堆条件（含课税、第三方测试证明、不得排挤美国本土供应等）的窄门。最高规格的芯片与再出口，多数仍维持严格管制。

要盟友一起夹：美国国会审议中的 MATCH Act，目标是要求荷兰、日本等盟友在限期内跟进对中国的设备出口限制，涵盖 EUV 与较旧的 DUV 浸润式机台，等于连中国想在 7-14 纳米扩产也更难。

台湾在出口框架中的定位：在美国的「AI 扩散」架构下，台湾与多数欧盟国家、日本、韩国被列为第一级（Tier 1），在该框架下不受配额上限限制（台湾仍须维持既有出口管制与合规，并非完全免管制），被官方视为对台湾技术保护制度的认可。

中国的处境：在高阶 GPU 与设备受限下，中国一边自研芯片（如华为昇腾），一边靠模型压缩、蒸馏等手法省算力。研究指出，管制比较像是「拉高成本与延迟」的工具，而不是滴水不漏的封锁。

---

哪几关最卡脖子？

把八关摊开来看，真正会「掐住整条链」的其实集中在四个环节，而它们在地理上又高度集中，这正是供应链风险被紧盯的地方。

从供应链风险看，台湾同时握着先进制程和 CoWoS 两张王牌，这两个环节高度集中在单一地区，使它成为全球 AI 芯片供应最受关注的单点风险；荷兰的 ASML 是 EUV 唯一供应者，任何出口政策变化都牵动全球；中国则被卡在设备与高阶芯片进口上，被迫更依赖本地替代，但短期仍难与美国加盟友的生态抗衡。

---

这条链告诉我们什么

看完八关，可以收敛成三个判断：

第一，AI 的算力竞赛，本质上是一场硬件与产能的竞赛。 模型再厉害，做不出芯片、封不了装、喂不上内存、供不了电，都只是 PPT。所以追 AI 趋势时，盯供应链的瓶颈往往比盯模型发布会更早看出风向。

第二，瓶颈高度集中，台湾产业站在中央。 先进制程和先进封装两个最卡的环节都集中在台湾，这既是台湾产业的战略价值，也是全球最在意的单点风险。理解这件事，才看得懂为什么芯片成为各方资源竞逐的焦点。

第三，下一个天花板可能不是芯片，而是电。 当电网与土地开始追不上算力扩张，谁能解决供电、散热、能效，谁就握住下一轮的关键。核能、液冷、光互连这些「不性感」的环节，反而是接下来值得长期关注的地方。

这篇是供应链的整体导览，之后小企鹅会把每一关（像 CoWoS、HBM、出口管制）拆成更深入的单篇来谈。想先搞懂个别公司的，可以接着看 Nvidia 上下游的客户与生态。

延伸阅读

• CoWoS 是什么？台积电先进封装为何卡住 AI 芯片出货
• HBM 是什么？AI GPU 缺货为何常卡在高带宽内存
• 硅光子是什么？AI 数据中心为什么开始用光搬数据