AI 晶片需求擴散：由台積電 2nm 產能到 Marvell 數據中心

AI 基建熱潮，已經唔止反映喺 AI 加速器晶片嘅新聞標題上。由台積電的先進製程晶圓組合及擴產，到 Marvell 的數據中心連接方案與客製晶片，再到台灣半導體材料供應商的產能部署，需求正沿住整條供應鏈擴散。

不過，兩間公司的 AI 曝險性質唔同。台積電面向眾多先進晶片客戶與產品平台，覆蓋面較廣；Marvell 的增長則較集中於數據中心項目和超大型雲端服務商（hyperscaler）關係，潛在增長可以更急，但亦更受個別客戶資本開支與項目時間表影響。

台積電：AI 正把收入組合推向最先進節點

台積電 2026 年第二季收入為 402 億美元，毛利率 67.7%。公司把全年收入增長預測上調至略高於 40%，並將 2026 年資本開支指引提升至 600 億至 640 億美元，理由是 AI 與高效能運算（HPC）的結構性需求。 3436

晶圓收入組合亦反映這個趨勢：

• 7nm 及以下先進製程佔晶圓收入 77%；
• 3nm 佔 30%、5nm 佔 33%；
• 新一代 2nm 製程佔 3%，即代表量產爬坡已開始貢獻收入，而非只停留在技術藍圖階段。 34

HPC 平台涵蓋 AI 加速器及數據中心處理器，佔台積電第二季收入 66%。 40 當然，HPC 收入不等於全部都是 AI，但這個類別是觀察台積電內部 AI 基建需求的關鍵指標。

600 億至 640 億美元資本開支，意味住乜？

這次加碼並非單純樂觀表態，而是實質的資本配置決定，反映管理層相信未來數年的需求足以支持新增產能，尤其是先進製程。按相關報道，約 70% 至 80% 的資本預算將投放於先進製程技術。 33

代價是執行風險亦相應提高。如此龐大的投資，取決於產能使用率能否持續、2nm 良率能否順利提升，以及客戶新產品能否準時推出。若訂單回復正常化，或客戶延後產品發布，新產能帶來的固定成本壓力便會更加明顯。

Marvell：數據中心與客製晶片增長更快，但集中度更高

Marvell 公布 2027 財年第二季破紀錄收入 27.39 億美元，按年升 37%。其中數據中心收入達 21.7 億美元，按年增長 46%，佔總收入 79%。 3117

這個收入結構令 Marvell 成為較直接反映 AI 數據中心建設周期的上市公司之一。其增長主要來自連接產品及客製晶片項目，而唔係所有傳統半導體終端市場同步復甦。

管理層把 2027 財年收入展望由約 115 億美元調高至約 120 億美元，並給出 2028 財年約 180 億美元的收入展望；2027 財年第三季收入指引則為 31.5 億美元，上下浮動 5%。 1820

Marvell 與 Google 相關的客製晶片合作擴大，當中包括與收入里程碑掛鈎的認股權證，進一步將其前景連繫到超大型雲端服務商的 AI 部署。 23 這有助提高大型客戶關係的能見度，但亦突顯：個別項目的進度與客戶資本預算，對 Marvell 的業績軌跡相當重要。

Solvay：上游材料亦見擴產訊號

AI 帶動的半導體需求，亦會傳導至高純度製造材料供應商。比利時化工集團 Solvay 計劃在 2026 年底前，將其持股 51%、位於台灣的合資企業 Shinsol Advanced Chemicals 的電子級過氧化氫產能提升一倍以上；年產能預計由 3.5 萬噸升至 逾 7 萬噸。 1

電子級過氧化氫用於半導體生產中的關鍵清洗及蝕刻工序。 14 這項擴建並不能直接量度 AI 晶片需求，亦無法指出新增材料會流向哪一類晶片；但作為供應商的實際投資行動，顯示其預期台灣半導體製造活動會維持強勁。

台積電對 Marvell：同樣受惠 AI，但風險唔一樣

面向	台積電	Marvell
AI 主要連繫	為先進處理器及加速器提供領先製程代工	數據中心連接產品及客製晶片
需求特徵	覆蓋多個代工客戶與產品平台	數據中心佔 2027 財年第二季收入 79% 17
現時佐證	先進節點佔晶圓收入 77%；2nm 佔 3% 34	數據中心收入按年升 46% 17
核心營運挑戰	產能使用率、先進節點執行與 2nm 爬坡	客戶項目執行與 hyperscaler 投資時點
主要風險	龐大資本開支，以及以台灣製造為主的集中風險	對較少數大型 AI 基建客戶更敏感

台積電的數字顯示，AI 需求正融入先進製造的經濟結構：先進節點主導收入組合、HPC 是最大平台，公司亦投入大幅增加的資本去配合預期需求。Marvell 則展示更集中的同一趨勢：數據中心收入既是季度增長主力，亦支撐公司上調前景。

對想評估 AI 半導體周期的讀者而言，重點是「覆蓋面」與「集中度」之別。台積電提供的是支援多種先進晶片設計的製造層面曝險，但前提是市場要有足夠持續需求消化龐大擴產；Marvell 則更直接押注 AI 網絡與客製晶片，惟其前景亦更容易受少數 hyperscaler 的部署時間表及資本開支取向左右。