人工智慧正在改變半導體業對「產能」的定義。

台積電仍需要增加最先進晶圓的生產能力，但公司近期釋出的訊號顯示，真正更廣泛的限制，已經不只是晶圓廠能做出多少晶片，而是能否把邏輯晶片、先進封裝、記憶體、高速互連、電力與散熱整合成可運作的AI系統。

這也解釋了為何台積電的季度設備需求，已上升至去年12月預估值的約1.9倍。17 公司2026年資本支出規模預計為520億至560億美元；相比之下，2025年為409億美元，2024年為289億美元。1819 這不是單純的短期產線調度，而是對AI基礎建設長期擴張的押注。

設備採購，成為AI需求的即時溫度計

對台積電而言，設備需求如今直接反映AI客戶希望多快擴大生產。隨著公司為AI相關需求增加產能，季度設備採購預估也被調高至原先預測的約1.9倍。17

不過，這並不代表每一台新設備都必須是市場上最尖端的型號。台積電正嘗試從現有設備取得更多產出，包括低數值孔徑（low-NA）極紫外光刻（EUV）設備；與此同時，公司近期並未急於導入ASML價格更高的高數值孔徑（high-NA）EUV系統。

這項差異相當關鍵。台積電的做法，是把製程改善、設備利用率提升與更龐大的設備基礎結合起來。提升效率可以延長既有產能的效益，但當客戶需求持續上升時，仍無法取代更多晶圓廠、封裝產線與生產設備的需要。

資本支出反映長期擴產決心

台積電2026年520億至560億美元的資本支出區間，明顯高於2025年的409億美元，以及2024年的289億美元。1819 路透社報導，隨著AI需求維持強勁，台積電預計全年支出將接近該區間上緣。19

如此大規模的投資，顯示台積電不是把AI視為一般景氣循環中的一波半導體上升期，而是按照長期擴建來規劃。公司也表示，隨著AI基礎建設需求發展，未來幾年的支出可能大幅增加。

這為半導體設備供應鏈帶來機會。全球唯一的EUV光刻設備供應商ASML，計劃在2027年及2028年各增加30%的生產能力，以應對先進AI晶片設備的強勁需求。

但設備商獲益的方式並不完全一致。台積電若延長既有低數值孔徑EUV設備的有效產出，並延後導入高數值孔徑設備，ASML最新機型短期內能帶來的訂單貢獻可能受到限制；另一方面，台積電整體設備需求增加，仍會支撐更廣泛的設備投資周期。

AI推論，正在改變需求形狀

AI熱潮的第一階段，焦點主要在訓練大型模型；下一階段則是把模型大規模部署，持續產生回應、預測與行動。

台積電高層將這個轉變形容為AI進入「真正工業化」階段。根據相關報導，全球AI推論令牌量已較2022年增加近500倍。2 其他報導也指出，推論正成為計算基礎建設需求的重要來源。510

推論會改變AI系統的經濟與工程要求。業者不再只是為有限次數的模型訓練建立產能，而是必須在資料中心持續支援大量工作負載。這會同時加大對運算、記憶體、網路、晶片間互連、電力與散熱的壓力，而不只是要求處理器擁有更高的電晶體密度。5

對台積電而言，戰略含義是：能協助客戶組裝高效能完整系統的晶圓代工廠，價值可能高於只按固定規格交付晶圓的製造商。

先進封裝，重要性已不亞於製程節點

AI加速器正愈來愈多採用多晶粒設計，而非單一大型晶片。台積電的應對方案包括3DFabric平台與各類先進封裝技術，用來把邏輯、記憶體及其他元件整合進更大、更高效能的封裝中。

台積電的技術藍圖指向2030年單一封裝整合超過1兆個電晶體。14 在這種規模下，異質整合成為提升效能的核心：不同晶粒可以針對各自功能最佳化，再被組合到同一個封裝內。

這也說明，為何封裝產能可能與前端晶圓產能一樣成為瓶頸。先進封裝決定了分別製造的元件，能否以足夠頻寬、可接受的延遲、合理的能源效率與良率連接起來。最先進的晶圓，只有整合成能正常運作的系統後，才算真正轉化為可用的AI產能。

矽光子，瞄準資料搬運難題

隨著AI系統不斷擴大，運算、記憶體與網路元件之間的資料傳輸，正成為更棘手的設計問題。因此，台積電除了推進傳統邏輯與封裝，也在發展矽光子技術。

台積電的Compact Universal Photonic Engine（COUPE）採用SoIC-X堆疊技術，把電性晶粒置於光子晶粒上方。台積電表示，這種架構旨在支援AI帶動的資料傳輸成長，降低晶粒對晶粒介面的阻抗，並較傳統方法提升能源效率。12

更大的方向已經相當清楚：封裝不再只是處理器的容器，而是由電氣與光學連接構成的系統。這讓台積電在客戶設計高度整合的AI基礎建設時，得以協調矽晶片、封裝與光學輸入／輸出。

台積電正從晶圓代工廠走向系統夥伴

台積電過去的核心價值，是替晶片設計公司大規模製造先進晶片。AI需求正在把這段關係推向整合系統的共同開發。

如今，台積電的技術策略已把先進製程、先進封裝、高頻寬記憶體整合與光子技術串聯起來。這不代表台積電會營運AI資料中心的每個環節；但公司的製造決策，確實愈來愈直接影響整個系統如何設計與交付。

結果是，台積電在客戶供應鏈中的戰略嵌入程度更高。客戶依賴的不只是某個製程節點，也包括封裝產能、整合能力，以及能交付完整AI元件的供應鏈。這可能強化台積電的地位，但也讓公司暴露於更多執行風險，包括設備、載板、記憶體、電力、散熱與資料中心建設等環節。

供應鏈啟示：產能已變成一整套堆疊

AI半導體瓶頸已不宜再被理解為某一台設備或某一個製程節點短缺，而是一組彼此依賴的產能堆疊：

• 先進晶圓製造；
• 光刻、沉積、蝕刻與量測設備；
• 先進封裝與組裝；
• 高頻寬記憶體與載板；
• 電氣與光學互連；
• 電力、散熱與資料中心基礎建設。

台積電提高設備需求並擴大資本支出，說明晶圓產能仍然是基礎；但其封裝與光子技術藍圖，也說明光有晶圓產出並不足夠。1214 台積電預測，全球半導體市場到2030年可能突破1.5兆美元，主要由AI與高效能運算帶動，正反映公司準備迎接的市場規模。110

核心結論是：AI正把台積電從主要製造先進晶圓的公司，推向實體運算供應鏈的協調者。下一階段的勝負，不會只由誰能製造最小電晶體決定，也取決於誰能把電晶體轉化為可靠、互聯並可實際部署的AI產能。

人工智慧正在改變半導體業對「產能」的定義。

台積電仍需要增加最先進晶圓的生產能力，但公司近期釋出的訊號顯示，真正更廣泛的限制，已經不只是晶圓廠能做出多少晶片，而是能否把邏輯晶片、先進封裝、記憶體、高速互連、電力與散熱整合成可運作的AI系統。

這也解釋了為何台積電的季度設備需求，已上升至去年12月預估值的約1.9倍。17 公司2026年資本支出規模預計為520億至560億美元；相比之下，2025年為409億美元，2024年為289億美元。1819 這不是單純的短期產線調度，而是對AI基礎建設長期擴張的押注。

設備採購，成為AI需求的即時溫度計

對台積電而言，設備需求如今直接反映AI客戶希望多快擴大生產。隨著公司為AI相關需求增加產能，季度設備採購預估也被調高至原先預測的約1.9倍。17

不過，這並不代表每一台新設備都必須是市場上最尖端的型號。台積電正嘗試從現有設備取得更多產出，包括低數值孔徑（low-NA）極紫外光刻（EUV）設備；與此同時，公司近期並未急於導入ASML價格更高的高數值孔徑（high-NA）EUV系統。

這項差異相當關鍵。台積電的做法，是把製程改善、設備利用率提升與更龐大的設備基礎結合起來。提升效率可以延長既有產能的效益，但當客戶需求持續上升時，仍無法取代更多晶圓廠、封裝產線與生產設備的需要。

資本支出反映長期擴產決心

台積電2026年520億至560億美元的資本支出區間，明顯高於2025年的409億美元，以及2024年的289億美元。1819 路透社報導，隨著AI需求維持強勁，台積電預計全年支出將接近該區間上緣。19

如此大規模的投資，顯示台積電不是把AI視為一般景氣循環中的一波半導體上升期，而是按照長期擴建來規劃。公司也表示，隨著AI基礎建設需求發展，未來幾年的支出可能大幅增加。

這為半導體設備供應鏈帶來機會。全球唯一的EUV光刻設備供應商ASML，計劃在2027年及2028年各增加30%的生產能力，以應對先進AI晶片設備的強勁需求。

但設備商獲益的方式並不完全一致。台積電若延長既有低數值孔徑EUV設備的有效產出，並延後導入高數值孔徑設備，ASML最新機型短期內能帶來的訂單貢獻可能受到限制；另一方面，台積電整體設備需求增加，仍會支撐更廣泛的設備投資周期。

AI推論，正在改變需求形狀

AI熱潮的第一階段，焦點主要在訓練大型模型；下一階段則是把模型大規模部署，持續產生回應、預測與行動。

台積電高層將這個轉變形容為AI進入「真正工業化」階段。根據相關報導，全球AI推論令牌量已較2022年增加近500倍。2 其他報導也指出，推論正成為計算基礎建設需求的重要來源。510

推論會改變AI系統的經濟與工程要求。業者不再只是為有限次數的模型訓練建立產能，而是必須在資料中心持續支援大量工作負載。這會同時加大對運算、記憶體、網路、晶片間互連、電力與散熱的壓力，而不只是要求處理器擁有更高的電晶體密度。5

對台積電而言，戰略含義是：能協助客戶組裝高效能完整系統的晶圓代工廠，價值可能高於只按固定規格交付晶圓的製造商。

先進封裝，重要性已不亞於製程節點

AI加速器正愈來愈多採用多晶粒設計，而非單一大型晶片。台積電的應對方案包括3DFabric平台與各類先進封裝技術，用來把邏輯、記憶體及其他元件整合進更大、更高效能的封裝中。

台積電的技術藍圖指向2030年單一封裝整合超過1兆個電晶體。14 在這種規模下，異質整合成為提升效能的核心：不同晶粒可以針對各自功能最佳化，再被組合到同一個封裝內。

這也說明，為何封裝產能可能與前端晶圓產能一樣成為瓶頸。先進封裝決定了分別製造的元件，能否以足夠頻寬、可接受的延遲、合理的能源效率與良率連接起來。最先進的晶圓，只有整合成能正常運作的系統後，才算真正轉化為可用的AI產能。

矽光子，瞄準資料搬運難題

隨著AI系統不斷擴大，運算、記憶體與網路元件之間的資料傳輸，正成為更棘手的設計問題。因此，台積電除了推進傳統邏輯與封裝，也在發展矽光子技術。

台積電的Compact Universal Photonic Engine（COUPE）採用SoIC-X堆疊技術，把電性晶粒置於光子晶粒上方。台積電表示，這種架構旨在支援AI帶動的資料傳輸成長，降低晶粒對晶粒介面的阻抗，並較傳統方法提升能源效率。12

更大的方向已經相當清楚：封裝不再只是處理器的容器，而是由電氣與光學連接構成的系統。這讓台積電在客戶設計高度整合的AI基礎建設時，得以協調矽晶片、封裝與光學輸入／輸出。

台積電正從晶圓代工廠走向系統夥伴

台積電過去的核心價值，是替晶片設計公司大規模製造先進晶片。AI需求正在把這段關係推向整合系統的共同開發。

如今，台積電的技術策略已把先進製程、先進封裝、高頻寬記憶體整合與光子技術串聯起來。這不代表台積電會營運AI資料中心的每個環節；但公司的製造決策，確實愈來愈直接影響整個系統如何設計與交付。

結果是，台積電在客戶供應鏈中的戰略嵌入程度更高。客戶依賴的不只是某個製程節點，也包括封裝產能、整合能力，以及能交付完整AI元件的供應鏈。這可能強化台積電的地位，但也讓公司暴露於更多執行風險，包括設備、載板、記憶體、電力、散熱與資料中心建設等環節。

供應鏈啟示：產能已變成一整套堆疊

AI半導體瓶頸已不宜再被理解為某一台設備或某一個製程節點短缺，而是一組彼此依賴的產能堆疊：

• 先進晶圓製造；
• 光刻、沉積、蝕刻與量測設備；
• 先進封裝與組裝；
• 高頻寬記憶體與載板；
• 電氣與光學互連；
• 電力、散熱與資料中心基礎建設。

台積電提高設備需求並擴大資本支出，說明晶圓產能仍然是基礎；但其封裝與光子技術藍圖，也說明光有晶圓產出並不足夠。1214 台積電預測，全球半導體市場到2030年可能突破1.5兆美元，主要由AI與高效能運算帶動，正反映公司準備迎接的市場規模。110

核心結論是：AI正把台積電從主要製造先進晶圓的公司，推向實體運算供應鏈的協調者。下一階段的勝負，不會只由誰能製造最小電晶體決定，也取決於誰能把電晶體轉化為可靠、互聯並可實際部署的AI產能。