台積電在 SEMICON Taiwan 2026 傳達的核心訊息是：AI 下一階段的勝負，將發生在系統層級，而不只是單獨提升處理器效能或打造更大的模型。公司的技術藍圖把先進邏輯製程、SoIC 3D 堆疊、CoWoS 2.5D 封裝與矽光子整合在一起，目標是讓資料能在日益龐大的 AI 系統中更有效率地流動。13

2029 年系統算力拚增 50 倍

台積電預估，SoIC 與 CoWoS 的整合，可能讓整體系統運算效能在 2029 年達到 2024 年的約 50 倍。這項預測反映出產業思維的轉變：效能提升不再只靠單一處理器，而是把多個運算晶粒、高頻寬記憶體（HBM）及高密度互連，整合到同一套系統中。3

台積電 3DFabric 路線圖據報包括 2026 年的 N2P-on-N3P SoIC 整合，以及 2029 年的 A14-on-A14 整合；互連間距則將縮小至 4.5 微米。這些里程碑旨在提高堆疊元件與相鄰元件之間的連接密度和能源效率。315

推論需求，正在改寫 AI 基礎設施

台積電 AI 與高效能運算業務開發主管李湘表示，AI 運算需求正以約每年 5 倍的速度成長；她並指出，推論 Token 量相較 2022 年已增加近 500 倍。13

這波成長愈來愈多來自推論，也就是 AI 回應使用者或執行任務的階段，而不只是訓練更大型的模型。具備推理能力的系統與代理式 AI，往往會在每次互動中產生、處理更多 Token；企業 AI Agent 與實體 AI 應用，也被設計成能持續在真實工作流程中運作。123

這代表未來的基礎設施必須針對長時間、高頻率、大規模推論進行設計。使用者增加、查詢變頻繁，以及每次查詢需要更多運算，將同時加重加速器、記憶體、網路、電力與散熱系統的壓力。

台積電的判斷：真正瓶頸在資料搬移

李湘主張系統級共同設計，關鍵在於 AI 的效率問題。她表示，在典型 AI 工作負載中，資料搬移可能占整體活動的 60%；另一方面，昂貴的 AI 加速器使用率可能低於 40%。123

換句話說，單純增加運算單元，未必能換來等比例的效能提升。系統還必須在邏輯晶片與記憶體之間、封裝之間、伺服器機櫃之間，以及資料中心內部，高效率地搬移資料，同時避免電力與冷卻需求失控。

台積電提出的方向，是從運算與記憶體一路最佳化到互連、儲存、供電、冷卻、機櫃及資料中心基礎設施。在這個架構下，先進封裝不再只是製造流程中的最後一道工序，而是 AI 系統本身的一部分。

CoWoS 封裝持續放大，支撐多晶粒 AI 系統

根據台積電先進封裝路線圖相關報導，公司目前已生產 5.5 倍光罩尺寸的 CoWoS 封裝，並計畫在 2028 年左右推進至 14 倍光罩尺寸封裝；相關配置據報約可整合 10 顆運算晶粒與 20 組 HBM。3

CoWoS（Chip-on-Wafer-on-Substrate，晶圓上晶片再接到基板）能把邏輯晶片與高頻寬記憶體緊密整合在同一封裝中。更大的封裝面積，讓 AI 加速器可以結合更多運算與記憶體，不必完全依賴一顆尺寸極大的單體晶片。

這種多晶粒設計，也反映先進晶片製造的實際限制。將系統拆分到多顆晶粒，有助於提升製造彈性，但同時會讓封裝設計、互連密度、測試與熱管理變得更加關鍵。

矽光子，將成為下一層關鍵技術

台積電也把矽光子與共同封裝光學（CPO）定位為因應 AI 基礎設施內部電氣連接限制的重要方案。其 COUPE 平台的頻寬路線圖據報將從 3.2 Tbps 提升至超過 12.8 Tbps。台積電另預測，矽光子到 2027 年可能占光學收發器市場逾半；部分供應商則預計在 2026 年底開始量產 CPO。3

更廣泛的目標，是把光學互連拉近運算封裝。縮短電子元件與光子元件之間的距離，有望支援更高頻寬並改善能源效率，但也會帶來雷射、光纖連接器、封裝與驗證等額外要求。1013

產能，仍是尚未解決的限制

這套路線圖並沒有消除供應問題。業界估計，台積電 CoWoS 產能可能從 2023 年底每月約 1.2 萬至 1.6 萬片晶圓，增加至 2026 年底的每月約 12 萬至 14 萬片。不過，這些是市場估計，並非台積電在 SEMICON Taiwan 相關報導中正式公布的產能數字。636

機構投資人相關報告估計，隨著產能擴充，CoWoS 供需缺口可能從約 20% 收窄至 2026 年底的約 10%。這雖然代表情況改善，但也表示需求仍將超過可用供應。36

產能分配同樣是一項風險。市場報告指出，輝達可能占台積電 2026 年 CoWoS 需求或產出的約 60%，讓 AMD、博通與超大規模雲端服務商爭取剩餘產能。這屬於市場分析，並不是台積電在 SEMICON Taiwan 宣布的新分配數字。4

台積電在 AI 供應鏈中的角色正在擴大

這項戰略變化並不只是封裝升級。李湘形容，台積電的角色正從矽晶片一路延伸到資料中心，最終甚至觸及 AI 系統生成的 Token。1

若這項方向成形，台積電將更像是實體 AI 運算堆疊的協調者，涵蓋先進邏輯製程、HBM 整合、先進封裝、光學 I/O、熱設計、供電與系統驗證。接下來的挑戰因此不只在晶圓與封裝產出，也包括光學元件、測試、冷卻，以及跨供應商協作。

台積電所說的「AI 真正工業化」，本質上是一場對整合能力的押注。50 倍效能預測相當進取，但公司的路線圖也清楚顯示，要達成這個目標，關鍵不只是生產更快的晶片，更在於解決元件之間如何連接，以及如何同步擴大打造這些系統所需的供應鏈。

台積電在 SEMICON Taiwan 2026 傳達的核心訊息是：AI 下一階段的勝負，將發生在系統層級，而不只是單獨提升處理器效能或打造更大的模型。公司的技術藍圖把先進邏輯製程、SoIC 3D 堆疊、CoWoS 2.5D 封裝與矽光子整合在一起，目標是讓資料能在日益龐大的 AI 系統中更有效率地流動。13

2029 年系統算力拚增 50 倍

台積電預估，SoIC 與 CoWoS 的整合，可能讓整體系統運算效能在 2029 年達到 2024 年的約 50 倍。這項預測反映出產業思維的轉變：效能提升不再只靠單一處理器，而是把多個運算晶粒、高頻寬記憶體（HBM）及高密度互連，整合到同一套系統中。3

台積電 3DFabric 路線圖據報包括 2026 年的 N2P-on-N3P SoIC 整合，以及 2029 年的 A14-on-A14 整合；互連間距則將縮小至 4.5 微米。這些里程碑旨在提高堆疊元件與相鄰元件之間的連接密度和能源效率。315

推論需求，正在改寫 AI 基礎設施

台積電 AI 與高效能運算業務開發主管李湘表示，AI 運算需求正以約每年 5 倍的速度成長；她並指出，推論 Token 量相較 2022 年已增加近 500 倍。13

這波成長愈來愈多來自推論，也就是 AI 回應使用者或執行任務的階段，而不只是訓練更大型的模型。具備推理能力的系統與代理式 AI，往往會在每次互動中產生、處理更多 Token；企業 AI Agent 與實體 AI 應用，也被設計成能持續在真實工作流程中運作。123

這代表未來的基礎設施必須針對長時間、高頻率、大規模推論進行設計。使用者增加、查詢變頻繁，以及每次查詢需要更多運算，將同時加重加速器、記憶體、網路、電力與散熱系統的壓力。

台積電的判斷：真正瓶頸在資料搬移

李湘主張系統級共同設計，關鍵在於 AI 的效率問題。她表示，在典型 AI 工作負載中，資料搬移可能占整體活動的 60%；另一方面，昂貴的 AI 加速器使用率可能低於 40%。123

換句話說，單純增加運算單元，未必能換來等比例的效能提升。系統還必須在邏輯晶片與記憶體之間、封裝之間、伺服器機櫃之間，以及資料中心內部，高效率地搬移資料，同時避免電力與冷卻需求失控。

台積電提出的方向，是從運算與記憶體一路最佳化到互連、儲存、供電、冷卻、機櫃及資料中心基礎設施。在這個架構下，先進封裝不再只是製造流程中的最後一道工序，而是 AI 系統本身的一部分。

CoWoS 封裝持續放大，支撐多晶粒 AI 系統

根據台積電先進封裝路線圖相關報導，公司目前已生產 5.5 倍光罩尺寸的 CoWoS 封裝，並計畫在 2028 年左右推進至 14 倍光罩尺寸封裝；相關配置據報約可整合 10 顆運算晶粒與 20 組 HBM。3

CoWoS（Chip-on-Wafer-on-Substrate，晶圓上晶片再接到基板）能把邏輯晶片與高頻寬記憶體緊密整合在同一封裝中。更大的封裝面積，讓 AI 加速器可以結合更多運算與記憶體，不必完全依賴一顆尺寸極大的單體晶片。

這種多晶粒設計，也反映先進晶片製造的實際限制。將系統拆分到多顆晶粒，有助於提升製造彈性，但同時會讓封裝設計、互連密度、測試與熱管理變得更加關鍵。

矽光子，將成為下一層關鍵技術

台積電也把矽光子與共同封裝光學（CPO）定位為因應 AI 基礎設施內部電氣連接限制的重要方案。其 COUPE 平台的頻寬路線圖據報將從 3.2 Tbps 提升至超過 12.8 Tbps。台積電另預測，矽光子到 2027 年可能占光學收發器市場逾半；部分供應商則預計在 2026 年底開始量產 CPO。3

更廣泛的目標，是把光學互連拉近運算封裝。縮短電子元件與光子元件之間的距離，有望支援更高頻寬並改善能源效率，但也會帶來雷射、光纖連接器、封裝與驗證等額外要求。1013

產能，仍是尚未解決的限制

這套路線圖並沒有消除供應問題。業界估計，台積電 CoWoS 產能可能從 2023 年底每月約 1.2 萬至 1.6 萬片晶圓，增加至 2026 年底的每月約 12 萬至 14 萬片。不過，這些是市場估計，並非台積電在 SEMICON Taiwan 相關報導中正式公布的產能數字。636

機構投資人相關報告估計，隨著產能擴充，CoWoS 供需缺口可能從約 20% 收窄至 2026 年底的約 10%。這雖然代表情況改善，但也表示需求仍將超過可用供應。36

產能分配同樣是一項風險。市場報告指出，輝達可能占台積電 2026 年 CoWoS 需求或產出的約 60%，讓 AMD、博通與超大規模雲端服務商爭取剩餘產能。這屬於市場分析，並不是台積電在 SEMICON Taiwan 宣布的新分配數字。4

台積電在 AI 供應鏈中的角色正在擴大

這項戰略變化並不只是封裝升級。李湘形容，台積電的角色正從矽晶片一路延伸到資料中心，最終甚至觸及 AI 系統生成的 Token。1

若這項方向成形，台積電將更像是實體 AI 運算堆疊的協調者，涵蓋先進邏輯製程、HBM 整合、先進封裝、光學 I/O、熱設計、供電與系統驗證。接下來的挑戰因此不只在晶圓與封裝產出，也包括光學元件、測試、冷卻，以及跨供應商協作。

台積電所說的「AI 真正工業化」，本質上是一場對整合能力的押注。50 倍效能預測相當進取，但公司的路線圖也清楚顯示，要達成這個目標，關鍵不只是生產更快的晶片，更在於解決元件之間如何連接，以及如何同步擴大打造這些系統所需的供應鏈。