【Semicon】2026 Semicon 实地考察:四大 AI 市场趋势一次看!
重点整理
SEMICON Taiwan 2026 国际半导体展于本周登场,M平方研究副总监 Vivianna 除了受邀前往分享宏观经济、地缘政治、人工智能、资本市场等多个面向的观点,研究员也实际走访论坛与展场,以下是我们整理观察到的四大趋势:1) AI 需求爆发的实际数据佐证越发明朗; 2) 科技巨头资本开支明年上看万亿美元等级;3)三大供应链瓶聚焦芯片、内存储器、电力;4)未来技术趋势关注硅光子 & 光通讯。
MM 研究员
一、 AI 需求爆发的实际数据佐证越发明朗
与去年相比,我们于本次论坛明显观察到更多实际 AI 需求暴增的数据佐证,主要推力来自以下两面向:1)Agent 深入工作流,AI 变现开始浮现;2)AI 对中美霸权影响力扩大,带动主权 AI 爆发
- AI 的应用正从「概念尝试」到「核心工作流自动化」的典范转移,各迹象显示杰文斯悖论(效率提升>>成本下降>>需求爆发)正在发酵,AI 生态系也如 M平方预测走向第三阶段的变现期。根据 JP Morgan 推估:过去四年中,推理的单一 Token 成本大幅下降 80% ~ 90%,但同期的 Token 总消耗量却暴增 10 ~ 15 倍;从变现角度来看,1 GW 基础设施投入营运后,云端厂商每年可赚取约 170 亿美元营收,若由前沿模型公司直接向终端销售 Token,每年预估可创造高达 300 亿美元 的营收(去年该仅为 100 亿美元),这证明了 AI 的变现效率正在显着提高。
- 如 M平方对中美霸权的看法,AI 不仅仅为产业趋势,背后更是霸权之争。本次论坛学者提及,2025 年美国宣布的 AI 相关政策规模等几乎等同于冷战时期太空竞赛,目前美国前沿实验室相较于中国开源模型领先约 6 到 12 个月,美国对中国的出口禁令争取了技术领先的时间优势,中国的蒸馏技术则不断拉近距离,然儘管如此,多数讲者仍认为两者非零和博弈,前者获利极高,即便市占被侵蚀仍握有高利润比例。除中美本身主权 AI 发展外,为防范美中衝突带来的地缘与贸易风险,北美以外世界各地在主权基础设施即服务(Sovereign IaaS)的支出年增速率高达 80% 至 90%,预估到 2029 年,北美以外的主权 IaaS 市场规模将达到北美本土市场的 3.5 倍。
二、科技巨头资本开支明年上看 1 万亿美元,资金链尚无需担心
四大云端服务业者(CSP)资本开支今年预估接近 8,000 亿,2027 年预估突破 1 万亿美元。另一方面,M平方统计九间科技巨头(微软、谷歌、亚马逊、 Meta 、甲骨文、英伟达、博通、 AMD 、 SpaceX)的采购承诺与未生效租赁,这些「表外」(Off-Balance Sheet)财务义务已达 3 万亿美元规模,未来也都将转化为先进製程、 HBM 内存储器、 ABF 载板、网通设备、购电合约与云端算力等供应链业者的营收。儘管从今年 CDS(信用违约交换)攀升来看,信用市场已经开始为 AI 基建浪潮「买入保险」、进行风险定价,但考量科技巨头的庞大本业营收规模,以及平均净负债对股权比率(Net Debt to Equity)目前仅约 38%,目前仍处于极为健康的财务状态。若结合帐上营运现金流、举债能力与股权融资,JP Morgan 预估未来 3 至 4 年内可动用资金高达 6 万亿至 7 万亿美元,资金链极其安全。
三、三大供应链瓶颈聚焦:芯片、内存储器、电力
-
芯片:AI 算力需求每 4 ~ 5 个月翻倍,相当于每年要以 5 倍速度增速,远超过传统摩尔定律节奏(每 18 ~ 24 个月翻倍),显示扩展速度出现阶跃函数(Step function)式的剧变。芯片扩展的维度也从「水平」转向「垂直」,从过去单晶粒、2.5D(逻辑晶粒与 HBM 在硅中介层水平并排)走向 3D 堆迭(在 2.5D 基础上垂直堆迭逻辑晶粒),提供更短连线、更细间距、更高频宽与更低功耗。从台积电、日月光、联发科等相关技术论坛分享中,我们整理出当前量产与良率挑战包括:异质材料整合的翘曲(Warpage)与良率问题、光罩与载板尺寸暴增、大尺寸/超薄芯片取放易碎、后段 CoWoS / CoPoS 先进封装设备的软件自动化成熟度落后。整体而言,供应链重心正由前段微缩转移至「后段异质整合与良率控制」,受惠板块除了台积电与日月光掌握技术平台与标准主导权,另外也包括湿 / 热製程与检测设备,以及面临规格升级与供需吃紧的 ABF 载板。
-
内存储器:高昂的内存储器成本已为算力供应商带来极大压力,HBM 甚至已占目前 AI 芯片总成本高达 70% ~ 75%,显着推高了服务器硬件的采购门槛,进而成为推升 CSP 巨头总资本开支,为压迫其自由现金流的核心主因之一。为了因应暴涨的价格,业者正加速推动「分层内存储器(Tiered Memory)」架构,灵活搭配 SRAM 、 HBM 、 DDR 与 Flash。同时,AI 的算力瓶颈早已从「芯片效能本身」转向「资料搬移的庞大功耗与频宽限制」,导致传统 GPU 在 Decode 阶段陷入「供应端的单位推理成本居高不下」,而市场端又因开源模型与 API 价格战导致「 Token 售价暴跌」,两者双向挤压,才是造成算力供应商面临亏损的核心原因。随着单纯堆迭算力(FLOPS)的边际效益递减,内存储器已从过去的成本项目跃升为决定 AI 变现落地的核心;内存储器架构正全面向运算核心靠拢,甚至直接垂直堆迭于 XPU/ASIC 上进行架构协同设计与封装。未来 AI 芯片市场的胜负关键,不再是谁能做出速度最快的超级芯片,而是谁能透过 3D 垂直整合与软硬件协同排程将搬移能耗降至最低,精准掌控「频宽、热量与 Token 成本」的平衡。
-
能源:AI 服务器机柜将从数百千瓦(kW)迈向 1 百万瓦(MW),Meta 、 xAI 、 OpenAI 也陆续兴建或启用吉瓦级(GW)超级运算丛集,因此从电网到芯片(From Grid to Chip)整体架构都面临技术挑战与升级需求。芯片侧观察到英飞凌预估每新增 1GW 资料中心容量可挹注 1.75 亿美元营收,成熟製程也受惠功率半导体需求而出现高稼动率与涨价潮。机柜电源架构方面,留意 54V 转向 800V 高压直流的规格升级进程,传统机电系统也逐步被固态变压器(SST)取代。综合来看,彭博预估 2025 至 2050 年全球资料中心用电将暴增 4,000 万亿瓦时(TWh),几乎等同美国全年总电量,挑战将在于传统电网併入缓慢、现场自建电力设备(如燃气涡轮机)设备短缺,以及随着美国期中选举逼近,地方政策收紧(如德州)可能迫使大量新建计画面临延宕或取消的巨大变数。
四、未来技术:硅光子 & 光通讯
铜极限已经逼近,当前机柜间互联 Scale-out 已转向光通讯,接着下一步便将是机柜内互联 Scale-up 逐步取代铜线转向光传输。电讯号在极高传输速率下面临严重的物理极限、功耗墙、及传输距离瓶颈,随着 AI 运算需求迈向 800G 、 1.6T 甚至更高频宽,光传输在效率、距离与密度上展现出压倒性优势。但同时,这也大幅提高了半导体领域的设计、封装、及测试难度。此次走访 Semicon,M平方统整了当前硅光子产业与光通讯架构的演进。
- 架构与封装演进:光学引擎开始向 ASIC/XPU 近移,以克服功耗墙;封装由 2.5D 与平面 Side-by-side 转向电芯片(EIC)垂直堆迭于光芯片(PIC)之上的 3D 垂直异质整合,并扩展至 600mm 面板级封装。
- 新材料与製造革新: 结合薄膜铌酸锂(TFLN)、磷化铟(InP)与氮化硅(SiN)于硅基板,以满足单通道 200G/400G 及 1.6T~3.2T 高速调变,并改采离子束蚀刻(IBE),且波导侧壁粗糙度需控制于 1nm 以下以降低光损耗。
- 关键瓶颈-热与翘曲:GPU 2 ~ 8 kW 的庞大热能与大面积封装导致的局部翘曲,极易引发对准失效与光耦合损耗,造成热与翘曲的干扰。
- 四阶段测试:对于测试门槛的飙升,当前产业建立 Insertion 1 ~ 4(晶圆级、双面、单晶粒到 CPO 模组)四阶段测试,双面主动对准困难与缺乏自动化测试设备,成为当前良率与产能的主要的 Bottleneck。
硅光子已不再只是单纯的光通讯技术升级,而是一场整合半导体前中后段製程的「系统级架构革命」。预计 2029 年将进入 100% 全光学 AI 资料中心时代、 2031 年 Scale-Up 光学引擎市场将突破千亿美元。但同时,产业短线的胜负关键将是「先进封装与自动化测试」的商业化落地能力,谁能率先解决 3D 异质整合的翘曲散热问题,并建立低成本、高效率的 CPO 自动化量测与检测标准,谁就能在 1.6T/3.2T 光学高速互联时代中,掌握真正的产业定价权。






























