台積電賺翻了！2026首場法說會，魏哲家談「AI泡沫」：客戶比我們有錢|數位時代 BusinessNext

台積電 15 日舉行 2025 年第四季法說會，並公布 2025 年第四季財報。合併營收達 1.05 兆元，年增 20.5%，首度突破 1 兆元；稅後淨利為 5,057.4 億元，年增 35%，每股稅後純益（EPS）為 19.5 元。第四季毛利率為 62.3%，較上一季提升 2.8 個百分點；全年 EPS 達 66.25 元，續創歷史新高。

展望未來，台積電董事長魏哲家表示，2026 年第一季合併營收預計為 346 億美元至 358 億美元，毛利率預計介於 63% 至 65%。今年的資本支出則創新高，來到 520 億至 560 億美元。

《數位時代》整理台積電法說會六大關鍵問答，帶讀者一次看懂台積電如何回應 AI 浪潮、產能布局與競爭態勢。

Q1：台積電怎麼看「AI泡沫」？對AI發展有信心嗎？

面對市場對於AI泡沫的想法，魏哲家直言：「我們對這件事確實感到非常緊張。」為此，台積電與雲端服務商這類終端需求方直接接觸，了解他們對 AI 運算的實際部署規模與中長期規畫，還有實際應用模式。除此之外，台積電也會確認企業的財務狀況。

關於客戶的財務狀況，魏哲家開玩笑說道：「它們非常有錢，聽起來比台積電還要有錢。」他也表示：「我認為 AI 是真實存在的需求，不僅真實存在，它已經開始融入我們的日常生活中，是一股巨大的趨勢（megatrend）。」

台積電指出，目前在消費者、企業和主權 AI 領域，AI 模型的採用率不斷成長，帶動了對更多運算能力的需求，從而導致市場對於先進晶片的需求持續擴大。台積電預期，若以美元計算，從 2024 年起算的五年期間，整體長期營收年複合成長率接近 25%。AI加速器將成為台積電增量營收成長（incremental revenue growth）的最大貢獻來源，其營收複合成長率將達到 54% 至 59%，佔營收比重 17% 至 19%。

延伸閱讀：為什麼AI不太可能是泡沫？一張圖看懂全球算力「指數級成長」背後：智慧通膨來了！

Q2：2025 年的高營收與毛利成長，主要是哪些動能在支撐？

以 2025 年第四季來看，3 奈米製程占晶圓營收 28%，5 奈米占 35%，7 奈米占 14%，合計達 77%。放眼全年，7 奈米以下製程占比為 74%，顯示先進製程已成為台積電營收的核心支柱。

應用別方面，高效能運算是最主要的成長引擎。2025 年 HPC 營收年增 48%，全年占比提升至 58%，成為台積電最大營收來源。相較之下，非 AI 應用市場成長相對平緩。

在獲利表現上，台積電第四季毛利率達 62.3%，全年毛利率為 59.9%。財務長黃仁昭指出，毛利率改善主要來自製造效率提升、成本改善，以及先進製程維持高稼動率。

Q3：2026年資本支出創新高，是什麼在支撐這筆投資？

台積電預估，2026 年資本支出將達 520 億至 560 億美元，再創歷史新高，其中約 7 至 8 成將投入先進製程。魏哲家指出，目前全世界 AI 發展面臨的瓶頸並非電力，而是晶片供給，「我們現在最頭痛的事情，是必須努力彌補供給與需求之間的差距。」他認為這是結構性、多年度的需求，而非短期波動，因此願意投入更多資本。

從產業面來看，魏哲家也提到，台積電預期 2026 年整體半導體產業（Foundry 2.0）年成長率約為 14%，並且公司有信心持續優於產業成長，對於未來市場的發展十分正向。台積電於補充資料中明確指出：「台積公司正準備增加產能並加大資本投資，以支持客戶未來的成長。」

Q4：先進製程進度如何？2 奈米與後續節點有沒有變數？

台積電重申先進製程時程規畫未變。2 奈米製程已經於 2025 年下半年，在新竹與高雄同步進入量產，目前良率表現良好，2026 年將加速放量。魏哲家表示，N2、N2P 與 A16 及其衍生版本，將使 2 奈米家族成為另一個規模大、生命週期長的製程世代。

作為2奈米延伸版本的 N2P，將在效能與功耗上進一步優化，預計於 2026 年下半年量產。針對特定高效能運算需求，台積電也推出 A16 製程，導入背面供電技術，適用於訊號路徑複雜、供電密集的 HPC 產品，同樣規畫於 2026 年下半年量產。

Q5：海外晶圓廠進度到哪？擴廠是否會稀釋毛利？

美國亞利桑那第一座晶圓廠已於 2024 年下半年量產。第二座晶圓廠設備移入預計於 2026 年進行，量產時程提前至 2027 年下半年。第三座晶圓廠已動工，第四座晶圓廠與首座先進封裝廠正在申請相關許可，並已完成鄰近土地購置，以因應長期 AI 需求。

日本熊本第一座晶圓廠已於 2024 年底量產，良率表現良好，第二座晶圓廠已啟動建設，實際製程與量產節奏將依客戶需求與市場狀況調整。歐洲德國德勒斯登的特殊製程廠則依計畫推進，聚焦車用與工業應用。

魏哲家表示，台積電在擴展全球製造據點的同時，台灣仍是先進製程的重要投資基地，新竹與高雄的 2 奈米產能將分期擴建。

黃仁昭補充，隨著海外廠區擴張，以及 2 奈米製程在 2026 年下半年進入初期量產，毛利率仍將面臨壓力。其中，海外廠初期對毛利率的稀釋約為 2% 至 3%，隨規模擴大，可能增加至 3% 至 4%；2 奈米製程在 2026 年的全年影響約為 2% 至 3%。

延伸閱讀：半導體232調查第一波開鍘！晶片進口美國關稅達25%，對台灣影響大嗎？如何豁免？

Q6：怎麼看待Intel等晶片代工競爭者？

「我們不低估任何競爭者，但也不害怕競爭，」魏哲家表示，台積電過去 30 多年來始終處於競爭環境中，公司的策略並不是因應單一對手調整，而是持續強化自身技術節奏與製造能力。他也表示，先進製程的競爭並非單靠資金就能快速追上，「現在的技術非常複雜，從準備、設計到真正量產，往往需要兩到三年的時間，量產後還要一到兩年才能完全爬坡。」

延伸閱讀：
AI人才新生存地圖！吳恩達點出「能回答兩件事」的人最貴，會寫程式不再是護身符？
AI摩爾定律狂飆！職缺變少了、AI更便宜了，經濟學家預測將出現「無就業繁榮」

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。