AI时代，“产能”不再只是晶圆厂产能

人工智能正在重新定义半导体行业中的“产能”。台积电仍然需要扩大先进制程晶圆的生产，但公司近期释放出的信号表明，真正的约束正在变得更广：能否把逻辑芯片、先进封装、高带宽内存、高速互连、电力和散热整合成可运行的AI系统。

这也是台积电季度设备需求升至去年12月预估约1.9倍的原因之一。17 公司计划在2026年投入520亿至560亿美元资本支出；相比之下，2025年实际支出为409亿美元，2024年为289亿美元。1819 这说明台积电应对AI需求的方式，并不只是对现有工厂进行短期优化，而是在押注一轮持续多年的产能建设。

设备订单，正在成为AI需求的温度计

对台积电而言，设备需求已经成为观察AI客户扩产速度的直接指标。随着公司为AI相关需求增加产能，其季度设备采购预估已提高至原先12月预测的约1.9倍。17

但这并不意味着每一台新增设备都必须是最尖端的型号。台积电正在设法从现有设备中挖掘更多产出，包括提高低数值孔径（low-NA）极紫外光刻设备的利用效率；与此同时，公司暂时不会急于部署ASML更昂贵的高数值孔径（high-NA）EUV设备。

这一区别很关键。台积电的策略是把制程改进、更高设备利用率与更大的设备总量结合起来。效率提升可以延长现有产能的使用周期，却无法在需求持续上升时替代新增晶圆厂、封装产线和生产设备。

资本支出，反映的是长期扩产押注

台积电2026年520亿至560亿美元的资本支出区间，明显高于2025年的409亿美元和2024年的289亿美元。1819 路透社报道，随着AI需求保持强劲，台积电预计全年支出将接近该区间上限。19

如此大规模的投入，表明台积电并未把AI视为一次普通的半导体周期反弹，而是在围绕持续增长的AI基础设施需求进行规划。公司还表示，随着AI基础设施需求继续发展，未来数年的资本支出可能进一步大幅上升。

设备供应商因此获得了扩张机会。ASML是EUV光刻系统的唯一供应商，计划在2027年和2028年分别将产能提高30%，以应对先进AI芯片制造设备的强劲客户需求。

不过，这种利好并不是平均分配的。台积电一方面延长现有低数值孔径EUV系统的有效产出，另一方面推迟高数值孔径设备的采用，因此ASML最新设备在短期内获得的增量订单可能受到限制。即便如此，台积电整体设备需求的上升仍然支持更广泛的半导体设备景气周期。

AI推理，正在改变需求结构

AI热潮的第一阶段主要围绕训练大型模型展开。下一阶段则取决于这些模型能否被大规模部署，并持续生成回答、预测结果和执行动作。

台积电一名高管将这一转变称为AI的“真正工业化”。据报道，全球AI推理令牌数量已经较2022年增长近500倍。2 其他报道也指出，推理正日益成为计算基础设施需求的重要来源。510

这里的“推理”，是指利用已经训练好的模型回应用户请求、完成预测或执行任务。与训练少量前沿模型不同，推理需要数据中心长期承载持续运行的工作负载。这会同时加大对计算能力、内存、网络、芯片间互连、电力和散热的压力，而不只是要求处理器拥有更高的晶体管密度。5

对台积电来说，战略含义十分明确：能够帮助客户组装高性能完整系统的晶圆代工厂，价值可能高于一家只按固定规格交付晶圆的制造商。

先进封装的重要性，正在接近制程节点

AI加速器越来越多地采用多芯粒设计，而不是单一的大型单片芯片。台积电的应对方案包括3DFabric平台及一系列先进封装技术，用于将逻辑、内存和其他组件整合到更大、更高性能的封装中。

台积电的技术路线图显示，到2030年，单个封装中的晶体管数量可能超过1万亿。14 在这一规模下，异构集成将成为提升性能的核心方式：不同芯粒可以分别针对不同功能进行优化，再被组合到同一个封装内。

这也解释了为什么封装产能正在与前端晶圆产能一样，成为潜在瓶颈。先进封装决定了不同工艺制造的组件能否以足够高的带宽、足够低的延迟和可接受的能效、良率连接起来。一片先进制程晶圆只有在被整合成可正常工作的系统后，才真正转化为可部署的AI产能。

光互连，瞄准数据搬运难题

随着AI系统规模扩大，在计算、内存和网络组件之间搬运数据，正成为更棘手的设计问题。因此，台积电除了推进传统逻辑制程和先进封装，也在开发硅光子技术。

其Compact Universal Photonic Engine（COUPE）采用SoIC-X堆叠技术，将电子芯粒置于光子芯粒之上。台积电表示，这种架构旨在支持AI热潮带来的数据传输增长，同时降低芯粒到芯粒接口的阻抗，并相比传统方案提升能效。12

更大的趋势是，封装正在从“处理器的容器”变成由电连接和光连接共同组成的系统。随着客户设计更加一体化的AI基础设施，台积电也因此获得了协调芯片、封装和光学输入输出的更大空间。

台积电，正从晶圆代工厂走向系统合作伙伴

台积电传统的价值主张，是为芯片设计公司提供大规模先进制程制造能力。AI需求正在把这种关系推向更深层次：台积电开始更多参与集成系统的共同开发。

如今，公司的技术战略已将先进制程、先进封装、高带宽内存集成和光子技术连接起来。这并不意味着台积电会独自运营AI数据中心，但其制造决策正越来越直接地影响整个系统的设计和交付方式。

这让台积电成为供应链中更具战略嵌入性的企业。客户依赖的不只是某个制程节点，还包括封装产能、系统集成经验，以及能够交付完整AI组件的供应链。与此同时，台积电面临的执行风险也在增加，风险范围延伸至设备、基板、内存、电力、散热和数据中心建设等环节。

供应链启示：产能已经变成一整套“能力栈”

AI半导体瓶颈已经不能简单理解为缺少某一台机器或某一个制程节点。它更像是一组相互依赖的能力：

• 先进制程晶圆制造；
• 光刻、沉积、刻蚀和量测设备；
• 先进封装与组装；
• 高带宽内存和封装基板；
• 电互连与光互连；
• 电力、散热和数据中心基础设施。

台积电提高设备需求、扩大资本支出，说明晶圆产能仍然不可或缺。但公司的封装和光子技术路线图也说明，仅仅提高晶圆产量远远不够。1214 台积电预计，到2030年全球半导体市场规模可能超过1.5万亿美元，AI和高性能计算将成为重要驱动力，这正是公司提前布局的市场规模。110

核心结论是：AI正在把台积电从先进晶圆的主要制造商，推向实体算力供应链的协调者。下一阶段的赢家，不会只由谁能制造最小晶体管决定，还取决于谁能把晶体管转化为可靠、互联并且真正可部署的AI产能。

AI时代，“产能”不再只是晶圆厂产能

人工智能正在重新定义半导体行业中的“产能”。台积电仍然需要扩大先进制程晶圆的生产，但公司近期释放出的信号表明，真正的约束正在变得更广：能否把逻辑芯片、先进封装、高带宽内存、高速互连、电力和散热整合成可运行的AI系统。

这也是台积电季度设备需求升至去年12月预估约1.9倍的原因之一。17 公司计划在2026年投入520亿至560亿美元资本支出；相比之下，2025年实际支出为409亿美元，2024年为289亿美元。1819 这说明台积电应对AI需求的方式，并不只是对现有工厂进行短期优化，而是在押注一轮持续多年的产能建设。

设备订单，正在成为AI需求的温度计

对台积电而言，设备需求已经成为观察AI客户扩产速度的直接指标。随着公司为AI相关需求增加产能，其季度设备采购预估已提高至原先12月预测的约1.9倍。17

但这并不意味着每一台新增设备都必须是最尖端的型号。台积电正在设法从现有设备中挖掘更多产出，包括提高低数值孔径（low-NA）极紫外光刻设备的利用效率；与此同时，公司暂时不会急于部署ASML更昂贵的高数值孔径（high-NA）EUV设备。

这一区别很关键。台积电的策略是把制程改进、更高设备利用率与更大的设备总量结合起来。效率提升可以延长现有产能的使用周期，却无法在需求持续上升时替代新增晶圆厂、封装产线和生产设备。

资本支出，反映的是长期扩产押注

台积电2026年520亿至560亿美元的资本支出区间，明显高于2025年的409亿美元和2024年的289亿美元。1819 路透社报道，随着AI需求保持强劲，台积电预计全年支出将接近该区间上限。19

如此大规模的投入，表明台积电并未把AI视为一次普通的半导体周期反弹，而是在围绕持续增长的AI基础设施需求进行规划。公司还表示，随着AI基础设施需求继续发展，未来数年的资本支出可能进一步大幅上升。

设备供应商因此获得了扩张机会。ASML是EUV光刻系统的唯一供应商，计划在2027年和2028年分别将产能提高30%，以应对先进AI芯片制造设备的强劲客户需求。

不过，这种利好并不是平均分配的。台积电一方面延长现有低数值孔径EUV系统的有效产出，另一方面推迟高数值孔径设备的采用，因此ASML最新设备在短期内获得的增量订单可能受到限制。即便如此，台积电整体设备需求的上升仍然支持更广泛的半导体设备景气周期。

AI推理，正在改变需求结构

AI热潮的第一阶段主要围绕训练大型模型展开。下一阶段则取决于这些模型能否被大规模部署，并持续生成回答、预测结果和执行动作。

台积电一名高管将这一转变称为AI的“真正工业化”。据报道，全球AI推理令牌数量已经较2022年增长近500倍。2 其他报道也指出，推理正日益成为计算基础设施需求的重要来源。510

这里的“推理”，是指利用已经训练好的模型回应用户请求、完成预测或执行任务。与训练少量前沿模型不同，推理需要数据中心长期承载持续运行的工作负载。这会同时加大对计算能力、内存、网络、芯片间互连、电力和散热的压力，而不只是要求处理器拥有更高的晶体管密度。5

对台积电来说，战略含义十分明确：能够帮助客户组装高性能完整系统的晶圆代工厂，价值可能高于一家只按固定规格交付晶圆的制造商。

先进封装的重要性，正在接近制程节点

AI加速器越来越多地采用多芯粒设计，而不是单一的大型单片芯片。台积电的应对方案包括3DFabric平台及一系列先进封装技术，用于将逻辑、内存和其他组件整合到更大、更高性能的封装中。

台积电的技术路线图显示，到2030年，单个封装中的晶体管数量可能超过1万亿。14 在这一规模下，异构集成将成为提升性能的核心方式：不同芯粒可以分别针对不同功能进行优化，再被组合到同一个封装内。

这也解释了为什么封装产能正在与前端晶圆产能一样，成为潜在瓶颈。先进封装决定了不同工艺制造的组件能否以足够高的带宽、足够低的延迟和可接受的能效、良率连接起来。一片先进制程晶圆只有在被整合成可正常工作的系统后，才真正转化为可部署的AI产能。

光互连，瞄准数据搬运难题

随着AI系统规模扩大，在计算、内存和网络组件之间搬运数据，正成为更棘手的设计问题。因此，台积电除了推进传统逻辑制程和先进封装，也在开发硅光子技术。

其Compact Universal Photonic Engine（COUPE）采用SoIC-X堆叠技术，将电子芯粒置于光子芯粒之上。台积电表示，这种架构旨在支持AI热潮带来的数据传输增长，同时降低芯粒到芯粒接口的阻抗，并相比传统方案提升能效。12

更大的趋势是，封装正在从“处理器的容器”变成由电连接和光连接共同组成的系统。随着客户设计更加一体化的AI基础设施，台积电也因此获得了协调芯片、封装和光学输入输出的更大空间。

台积电，正从晶圆代工厂走向系统合作伙伴

台积电传统的价值主张，是为芯片设计公司提供大规模先进制程制造能力。AI需求正在把这种关系推向更深层次：台积电开始更多参与集成系统的共同开发。

如今，公司的技术战略已将先进制程、先进封装、高带宽内存集成和光子技术连接起来。这并不意味着台积电会独自运营AI数据中心，但其制造决策正越来越直接地影响整个系统的设计和交付方式。

这让台积电成为供应链中更具战略嵌入性的企业。客户依赖的不只是某个制程节点，还包括封装产能、系统集成经验，以及能够交付完整AI组件的供应链。与此同时，台积电面临的执行风险也在增加，风险范围延伸至设备、基板、内存、电力、散热和数据中心建设等环节。

供应链启示：产能已经变成一整套“能力栈”

AI半导体瓶颈已经不能简单理解为缺少某一台机器或某一个制程节点。它更像是一组相互依赖的能力：

• 先进制程晶圆制造；
• 光刻、沉积、刻蚀和量测设备；
• 先进封装与组装；
• 高带宽内存和封装基板；
• 电互连与光互连；
• 电力、散热和数据中心基础设施。

台积电提高设备需求、扩大资本支出，说明晶圆产能仍然不可或缺。但公司的封装和光子技术路线图也说明，仅仅提高晶圆产量远远不够。1214 台积电预计，到2030年全球半导体市场规模可能超过1.5万亿美元，AI和高性能计算将成为重要驱动力，这正是公司提前布局的市场规模。110

核心结论是：AI正在把台积电从先进晶圆的主要制造商，推向实体算力供应链的协调者。下一阶段的赢家，不会只由谁能制造最小晶体管决定，还取决于谁能把晶体管转化为可靠、互联并且真正可部署的AI产能。