人工智能正重新定義半導體業講嘅「產能」。台積電當然仍然需要增加最先進晶圓產量，但公司近期釋放嘅訊號顯示，真正限制AI發展嘅，已經唔只係將電晶體做得更細，而係能唔能夠將邏輯晶片、先進封裝、記憶體、高速互連、供電同散熱，組合成一套可以實際部署嘅完整AI系統。

因此，台積電估算嘅季度設備需求，已經升至去年12月預測約1.9倍。17 公司2026年計劃投入520億至560億美元資本開支；相比之下，2025年實際支出為409億美元，2024年為289億美元。1819 呢個增幅反映嘅唔係一次短期嘅工廠調整，而係對AI基建需求會持續一段時間嘅長線押注。

設備訂單，變成AI需求溫度計

對台積電嚟講，設備需求而家已經係觀察AI客戶擴產速度嘅直接指標。公司將季度設備採購估算提高至原先預測嘅約1.9倍，原因係要擴大AI相關產能，應付客戶急速增加嘅訂單。17

不過，唔係每部新機都一定要用最先進型號。台積電正嘗試由現有設備，包括低數值孔徑（low-NA）極紫外光刻（EUV）機，進一步提高產出；同時，短期內唔會急於部署ASML成本更高嘅高數值孔徑（high-NA）EUV系統。

呢個分別好重要。台積電嘅做法係將製程改良、更高設備利用率，同大幅增加整體設備數量結合起來。講白啲，效率提升可以延長現有產能，但當AI需求繼續上升，單靠「榨乾」現有設備，始終代替唔到更多晶圓廠、封裝線同生產工具。

資本開支，押注AI係長周期需求

台積電2026年520億至560億美元嘅資本開支指引，明顯高過2025年409億美元及2024年289億美元嘅實際支出。1819 路透社報道，公司預期喺AI需求強勁嘅情況下，全年支出會接近指引上限。19

投資規模顯示，台積電唔係將AI當成一次普通嘅半導體上升周期，而係按持續擴產去部署。公司亦表示，隨住AI基建需求發展，之後幾年嘅支出可能會大幅增加。

設備供應鏈亦因此受惠。全球唯一供應EUV光刻系統嘅ASML，計劃喺2027年及2028年各自提高30%生產能力，以應付先進AI晶片所需設備嘅強勁需求。

但受惠程度唔會完全一致。台積電要延長現有低NA EUV設備嘅有效產出，並押後採用高NA設備，意味住ASML最新一代機器對短期收入嘅貢獻可能受限制；另一方面，台積電整體設備需求增加，仍然會支持更廣泛嘅半導體設備周期。

AI推理，令需求模式徹底改變

AI熱潮第一階段，焦點主要係訓練大型模型；下一階段，就係將模型大規模部署，持續產生回應、預測同執行動作。

台積電一名高層形容，AI正進入「真正工業化」階段。根據相關報道，全球推理token數量較2022年增加近500倍。2 其他報道亦指出，推理正成為運算基建需求日益重要嘅來源。510

所謂推理，即係已訓練好嘅模型根據用戶要求作出回應、預測或執行任務。推理需求嘅特點，唔係偶爾進行幾次大型訓練，而係要數據中心長期支援大量工作負載。結果，壓力自然由處理器嘅電晶體密度，擴展至運算力、記憶體、網絡、互連、供電同散熱。5

對台積電而言，戰略含意好清楚：能夠協助客戶砌出一套高性能完整系統嘅代工廠，價值可能高過單純按照固定規格交付晶圓嘅製造商。

先進封裝，重要性已經唔輸製程節點

AI加速器愈來愈多由多粒晶粒（chiplet）組成，而唔係一粒單片式晶片。台積電嘅應對方案包括3DFabric平台，以及用來整合邏輯、記憶體同其他組件嘅先進封裝技術。

公司技術路線圖指向一個更大膽嘅目標：到2030年，單一封裝內嘅電晶體數目可能超過1萬億粒。14 去到呢個規模，異質整合就會成為提升性能嘅核心——不同晶粒可以各自針對特定功能優化，再放入同一個封裝之內。

呢個亦解釋咗點解封裝產能，已經同前端晶圓產能一樣，有機會成為瓶頸。先進封裝決定唔同工序製造嘅組件，可唔可以以足夠頻寬、低延遲、高能源效益同合理良率連接起來。一片最先進晶圓，完成封裝並整合成可正常運作嘅系統之前，都未算係真正可用嘅AI產能。

光互連，處理數據搬運難題

當AI系統不斷擴大，運算、記憶體同網絡組件之間嘅數據傳輸，會變成更大嘅設計難題。因此，台積電除咗推進傳統邏輯製程及封裝，亦正發展矽光子技術。

台積電嘅Compact Universal Photonic Engine（COUPE）利用SoIC-X堆疊技術，將電子晶粒放喺光子晶粒之上。公司表示，呢種架構旨在應付AI帶動嘅數據傳輸增長，同時降低晶粒對晶粒介面嘅阻抗，並較傳統方案提高能源效益。12

大方向已經相當明顯：封裝唔再只係包住處理器嘅外殼，而係一套整合電子同光學連接嘅系統。當客戶設計更高度整合嘅AI基建，台積電就可以協調矽晶片、封裝及光學輸入輸出，參與嘅層次亦由「造晶圓」推向「砌系統」。

台積電由代工廠變成系統級夥伴

台積電傳統嘅核心優勢，係為晶片設計公司大規模生產先進晶片。AI需求就將呢段關係推向更深層次，包括共同開發整合系統。

公司而家嘅技術策略，將最先進製程、先進封裝、高頻寬記憶體整合及光子技術連成一體。呢個唔代表台積電會包辦AI數據中心每一個環節，但其製造決策已經愈來愈直接影響整套系統點樣設計同交付。

對客戶而言，依賴嘅唔再只係某一個製程節點，亦包括封裝產能、整合經驗，以及能夠交付完整AI組件嘅供應鏈。呢個有助鞏固台積電嘅地位，但同時亦令公司要面對更多執行風險，包括設備、基板、記憶體、供電、散熱同數據中心建設等環節。

供應鏈啟示：產能已經變成一層層嘅「堆棧」

AI半導體瓶頸，已經唔適合再理解成某一部機或者某一個製程節點短缺，而係一組互相牽連嘅產能：

• 最先進晶圓製造；
• 光刻、沉積、蝕刻及量測設備；
• 先進封裝及組裝；
• 高頻寬記憶體（HBM）及基板；
• 電互連及光互連；
• 供電、散熱及數據中心基建。

台積電提高設備需求及擴大資本開支，證明晶圓產能仍然係基本功；但公司嘅封裝及光子技術路線圖，就顯示單靠增加晶圓數量並唔足夠。1214 台積電預測，受AI及高性能運算推動，全球半導體市場到2030年可能超過1.5萬億美元，亦反映公司正為一個更大規模嘅市場作準備。110

最核心嘅結論係：AI正將台積電由主要生產先進晶圓嘅製造商，推向實際運算供應鏈嘅協調者。下一階段嘅勝負，唔會只由邊間公司整到最細電晶體決定；更加要睇邊間公司可以將電晶體變成可靠、互聯，而且真正可以部署嘅AI產能。

人工智能正重新定義半導體業講嘅「產能」。台積電當然仍然需要增加最先進晶圓產量，但公司近期釋放嘅訊號顯示，真正限制AI發展嘅，已經唔只係將電晶體做得更細，而係能唔能夠將邏輯晶片、先進封裝、記憶體、高速互連、供電同散熱，組合成一套可以實際部署嘅完整AI系統。

因此，台積電估算嘅季度設備需求，已經升至去年12月預測約1.9倍。17 公司2026年計劃投入520億至560億美元資本開支；相比之下，2025年實際支出為409億美元，2024年為289億美元。1819 呢個增幅反映嘅唔係一次短期嘅工廠調整，而係對AI基建需求會持續一段時間嘅長線押注。

設備訂單，變成AI需求溫度計

對台積電嚟講，設備需求而家已經係觀察AI客戶擴產速度嘅直接指標。公司將季度設備採購估算提高至原先預測嘅約1.9倍，原因係要擴大AI相關產能，應付客戶急速增加嘅訂單。17

不過，唔係每部新機都一定要用最先進型號。台積電正嘗試由現有設備，包括低數值孔徑（low-NA）極紫外光刻（EUV）機，進一步提高產出；同時，短期內唔會急於部署ASML成本更高嘅高數值孔徑（high-NA）EUV系統。

呢個分別好重要。台積電嘅做法係將製程改良、更高設備利用率，同大幅增加整體設備數量結合起來。講白啲，效率提升可以延長現有產能，但當AI需求繼續上升，單靠「榨乾」現有設備，始終代替唔到更多晶圓廠、封裝線同生產工具。

資本開支，押注AI係長周期需求

台積電2026年520億至560億美元嘅資本開支指引，明顯高過2025年409億美元及2024年289億美元嘅實際支出。1819 路透社報道，公司預期喺AI需求強勁嘅情況下，全年支出會接近指引上限。19

投資規模顯示，台積電唔係將AI當成一次普通嘅半導體上升周期，而係按持續擴產去部署。公司亦表示，隨住AI基建需求發展，之後幾年嘅支出可能會大幅增加。

設備供應鏈亦因此受惠。全球唯一供應EUV光刻系統嘅ASML，計劃喺2027年及2028年各自提高30%生產能力，以應付先進AI晶片所需設備嘅強勁需求。

但受惠程度唔會完全一致。台積電要延長現有低NA EUV設備嘅有效產出，並押後採用高NA設備，意味住ASML最新一代機器對短期收入嘅貢獻可能受限制；另一方面，台積電整體設備需求增加，仍然會支持更廣泛嘅半導體設備周期。

AI推理，令需求模式徹底改變

AI熱潮第一階段，焦點主要係訓練大型模型；下一階段，就係將模型大規模部署，持續產生回應、預測同執行動作。

台積電一名高層形容，AI正進入「真正工業化」階段。根據相關報道，全球推理token數量較2022年增加近500倍。2 其他報道亦指出，推理正成為運算基建需求日益重要嘅來源。510

所謂推理，即係已訓練好嘅模型根據用戶要求作出回應、預測或執行任務。推理需求嘅特點，唔係偶爾進行幾次大型訓練，而係要數據中心長期支援大量工作負載。結果，壓力自然由處理器嘅電晶體密度，擴展至運算力、記憶體、網絡、互連、供電同散熱。5

對台積電而言，戰略含意好清楚：能夠協助客戶砌出一套高性能完整系統嘅代工廠，價值可能高過單純按照固定規格交付晶圓嘅製造商。

先進封裝，重要性已經唔輸製程節點

AI加速器愈來愈多由多粒晶粒（chiplet）組成，而唔係一粒單片式晶片。台積電嘅應對方案包括3DFabric平台，以及用來整合邏輯、記憶體同其他組件嘅先進封裝技術。

公司技術路線圖指向一個更大膽嘅目標：到2030年，單一封裝內嘅電晶體數目可能超過1萬億粒。14 去到呢個規模，異質整合就會成為提升性能嘅核心——不同晶粒可以各自針對特定功能優化，再放入同一個封裝之內。

呢個亦解釋咗點解封裝產能，已經同前端晶圓產能一樣，有機會成為瓶頸。先進封裝決定唔同工序製造嘅組件，可唔可以以足夠頻寬、低延遲、高能源效益同合理良率連接起來。一片最先進晶圓，完成封裝並整合成可正常運作嘅系統之前，都未算係真正可用嘅AI產能。

光互連，處理數據搬運難題

當AI系統不斷擴大，運算、記憶體同網絡組件之間嘅數據傳輸，會變成更大嘅設計難題。因此，台積電除咗推進傳統邏輯製程及封裝，亦正發展矽光子技術。

台積電嘅Compact Universal Photonic Engine（COUPE）利用SoIC-X堆疊技術，將電子晶粒放喺光子晶粒之上。公司表示，呢種架構旨在應付AI帶動嘅數據傳輸增長，同時降低晶粒對晶粒介面嘅阻抗，並較傳統方案提高能源效益。12

大方向已經相當明顯：封裝唔再只係包住處理器嘅外殼，而係一套整合電子同光學連接嘅系統。當客戶設計更高度整合嘅AI基建，台積電就可以協調矽晶片、封裝及光學輸入輸出，參與嘅層次亦由「造晶圓」推向「砌系統」。

台積電由代工廠變成系統級夥伴

台積電傳統嘅核心優勢，係為晶片設計公司大規模生產先進晶片。AI需求就將呢段關係推向更深層次，包括共同開發整合系統。

公司而家嘅技術策略，將最先進製程、先進封裝、高頻寬記憶體整合及光子技術連成一體。呢個唔代表台積電會包辦AI數據中心每一個環節，但其製造決策已經愈來愈直接影響整套系統點樣設計同交付。

對客戶而言，依賴嘅唔再只係某一個製程節點，亦包括封裝產能、整合經驗，以及能夠交付完整AI組件嘅供應鏈。呢個有助鞏固台積電嘅地位，但同時亦令公司要面對更多執行風險，包括設備、基板、記憶體、供電、散熱同數據中心建設等環節。

供應鏈啟示：產能已經變成一層層嘅「堆棧」

AI半導體瓶頸，已經唔適合再理解成某一部機或者某一個製程節點短缺，而係一組互相牽連嘅產能：

• 最先進晶圓製造；
• 光刻、沉積、蝕刻及量測設備；
• 先進封裝及組裝；
• 高頻寬記憶體（HBM）及基板；
• 電互連及光互連；
• 供電、散熱及數據中心基建。

台積電提高設備需求及擴大資本開支，證明晶圓產能仍然係基本功；但公司嘅封裝及光子技術路線圖，就顯示單靠增加晶圓數量並唔足夠。1214 台積電預測，受AI及高性能運算推動，全球半導體市場到2030年可能超過1.5萬億美元，亦反映公司正為一個更大規模嘅市場作準備。110

最核心嘅結論係：AI正將台積電由主要生產先進晶圓嘅製造商，推向實際運算供應鏈嘅協調者。下一階段嘅勝負，唔會只由邊間公司整到最細電晶體決定；更加要睇邊間公司可以將電晶體變成可靠、互聯，而且真正可以部署嘅AI產能。