← 回阿法觀點
阿法觀點

當資本支出撞上鄰避效應與記憶體牆，AI 算力擴張正迎來實體邊界的總檢驗

發佈於 2026.08.22
資料來源 · 16 集 podcast、24 則網路來源
參考 Podcast
網路延伸來源

超大規模雲端服務商正將 2026 年的 AI 資本支出推升至歷史新高，但這場數位革命卻在實體世界面臨雙重轉向。一方面，資料中心建置不再只是硬體採購，在地居民對電力與水源消耗的「鄰避效應」正在改寫談判力學與財務結構；另一方面，當 AI 從雲端走入具身智慧，傳統記憶體頻寬與功耗牆的限制，迫使供應鏈從晶片架構進行根本性的改造。

社會許可成為實體算力建置的隱形代價

過去科技巨頭建置雲端資料中心往往被地方政府視為政績與投資榮景，如今這套邏輯已徹底改變。隨著 Blackwell 與下一代機櫃功耗推升，資料中心對電力與水源的掠奪式消耗，激化了地方社區的抵抗情緒。根據最新民調數據，高達 62% 的美國選民反對在自家社區附近興建 AI 資料中心，2026 年第一季更已有逾 75 個大型項目因排隊與居民抗議而遭到封殺或延宕。這種「鄰避效應」逼使科技公司必須預付鉅額電力基礎設施費用與房產稅來取得在地社會許可（Social License），亦迫使電力架構進行 800V DC 的電源革命。在 800V 直流電轉型潮中，重電與電力設備龍頭如 Vertiv (VRT.US)、Eaton (ETN.US) 以及台股的華城 (1519.TW)，正成為解鎖資料中心供電瓶頸的核心業者；而電力轉換效率的提升，亦大幅帶動碳化矽（SiC）與高壓電源管理 IC 廠商如 ON Semi (ON.US) 的商業契機。

具身智慧推動端側記憶體架構再造

當 AI 從雲端軟體走向實體機器人與具身智慧（Embodied AI），傳統將資料在 DRAM 與運算單元之間頻繁搬移的架構已撞上「記憶體牆」與「功耗牆」。機器人運行的視覺-語言-動作（VLA）模型需要毫秒級的實時控制，但在 Edge 端，高成本且需極致散熱的 HBM 並不適用。這倒逼半導體產業走向記憶體架構再造，包含在 LPDDR5X 中導入近記憶體計算（PIM），以及採用 3D SRAM 與 SOCAMM2 等新架構來縮短傳輸路徑。雖然部分學術研究主張透過 1-bit/2-bit 極致量化技術即能降低對硬體的要求，但記憶體龍頭如 Micron (MU.US) 與 SK Hynix (000660.KS) 依然加速押注 PIM 與邊緣記憶體模組。此外，高功耗推論傳輸也同步驅動了共封裝光學（CPO）的升級潮，促使台積電 (2330.TW) 與 Broadcom (AVGO.US) 等巨頭加速打造光電整合的高階封裝生態圈。

資本回報時間差增添表外融資與泡沫疑慮

大型科技公司推動算力建設的速度已超越其自由現金流的支撐能力，導致巨頭們紛紛尋求私有信用基金或發行企業債，甚至透過資產負債表外的融資架構來擺放數百億美元的伺服器租賃承諾。這種財務工程讓人聯想到十九世紀的鐵路建設熱潮——基礎建設方向無庸置疑，但融資工具的時間差卻可能引發資金斷層。高盛研究便指出，近兩年龐大的 AI CapEx 對美國 GDP 實質成長的貢獻「幾乎為零」，且 95% 的企業內部 AI 試點項目尚未轉化為實質損益（P&L）。相較於 2C 模式高昂的推論邊際成本與高用戶流失率，深耕 2B 工作流、具備高轉置成本與強大定價權的企業級軟體，才是資本市場在算力泡沫疑慮下能保持高毛利的實質支撐。

往期阿法觀點