← 回阿法觀點
阿法觀點

當千億預算撞上實體物理牆：雲端巨頭資本支出脫鉤，硬體供應鏈價值向最不起眼的細節分化

發佈於 2026.06.06
資料來源 · 22 集 podcast、27 則網路來源
參考 Podcast
網路延伸來源

這是一場前所未見的資本與物理世界的正面對決。隨著微軟、亞馬遜等四大巨頭將 2026 年資本支出大幅上修至 6,350 億至 7,200 億美元的歷史新高，市場正陷入一種弔詭的悖論：巨頭手中捧著數千億資金，卻在全球電網與基礎設施建設滯後的現實面前碰壁。在算力爭奪戰從「買晶片」演變成「搶插座」的過程中，硬體供應鏈的價值捕捉已悄然從「算力堆疊」走向「實體落地」的極致分化。

資本與電力物理牆的實質脫鉤

全球 AI 基礎建設的軍備競賽已進入白熱化，但資金投放速度與資料中心落地效率卻出現了嚴重的「脫鉤」現象。巨頭們有能力開出千億美元的資本支出（CapEx）年增計畫，卻無法在短時間內變出足夠的變電所與冷卻水資源。以微軟重啟三里島核電廠與 OpenAI 規劃密西根州 1 吉瓦資料中心為例，這些宏大計畫最快也要到 2027 年底甚至 2028 年初才能開始實質輸出算力。這種建設週期的大幅拉長，意味著科技巨頭被迫轉向股權融資等非常規手段來分散長期財務槓桿 risk。對投資人而言，這項物理牆的存在雖然延遲了產能過剩的發生，但也暗示著 AI 的獲利變現週期（ROI）將比市場先前預期的更為漫長與痛苦。

被動元件漲價潮透露出排擠紅利

當市場目光仍停留於高昂的主晶片時，資金已搶先向更下游、更細微的硬體供應鏈角落擴散。數據顯示，傳統 HGX 伺服器僅需約 2.5 萬顆多層陶瓷電容（MLCC），但到了 2026 年放量的 Vera Rubin 平台，由於單一機櫃功耗突破 200kW 的極限，MLCC 用量瞬間暴增至 60 萬顆以上，且規格要求全數往耐高溫方向演進。這促使日本松下（Panasonic）等日韓巨頭自 2026 年 6 月起宣布調漲 SP-CAP 等高階電容 20% 至 30%，並在產能極限滿載下外溢至台廠。華新科、國巨等台廠於 6 月 1 日領先啟動電阻電容漲價，顯示「排擠紅利」正在更下游的非晶片硬體元件中實質兌現，成為今年最不容忽視的獲利增量來源。

從算力堆疊轉向邊緣混合運算

隨開源模型技術與閉源旗艦模型的差距縮短至「半年時間差」的甜蜜點，AI 應用的主戰場正從雲端訓練轉向地端推論（Inference）。此一典範轉移徹底重構了 AIPC 與 Agent PC 的硬體定義。過去純粹比拼 NPU 算力的迷思已被推翻，如今使用者在本地端同時驅使多個 AI 代理（Agents）進行複雜工作流，會瞬間榨乾 CPU 與儲存裝置的多工頻寬。這催生了地端與雲端混合（Offloading）的硬體新商機，例如 Phison 推出將模型參數直接存放在 SSD 上的解決方案。這種「省錢、安全與隱私」的妥協方案，成功降低了 AIPC 的部署門檻，也讓具備高推論算力的地端儲存與高頻寬記憶體（DDR5/LPDDR5）供應鏈，在終端出貨量低迷的存量市場中，靠著規格升級與高平均售價（ASP）捕捉到極高的附加價值。

實體 AI 落地重塑零組件含金量

在軟體 Agent 走向成熟之際，物理 AI（具身智能與自駕車）正創造實質的實體增量市場。以亞馬遜為例，其部署的機器人數量已突破 100 萬台，兩年內有望超越人類員工，這證明物理 AI 已非科幻概念，而是實打實的生產力工具。在這一進程中，台灣精密機械與微型運動控制系統的隱形優勢被徹底放大。在 CPO 矽光子封裝奈米級定位以及人型機器人靈巧關節的極限要求下，傳統馬達的微小震動已無法容忍，這使得微型線性馬達與精密滑軌成為剛性標配。台灣廠商憑藉鄰近台積電等終端大廠、能密切迭代參數的聚落優勢，正迅速將硬體物理參數數位化，切入輝達的數位孿生（Digital Twins）生態系，在物理 AI 的最關鍵關節處，卡位無可替代的統治地位。

本期精選
被動元件漲價潮
往期阿法觀點