在 AI 算力需求以指數級速度成長的今天，半導體產業正迎來前所未有的轉型期。知名產業分析師 Ben Thompson 近期發布一支名為 TSMC Risk (台積電風險) 的影片，分析目前全球 AI 算力市場高速成長，但受限於台積電的先進製程產能跟不上，整體發展也受影響；馬斯克（Elon Musk）一月初接受採訪也表達過類似意見，AI 晶片供應太過集中一家公司，對市場是風險。
全球 AI 發展的命脈已高度集中於單一供應源。然而，面對動輒五、六百億美金的資本支出，台積電為何在加速擴產的同時，仍須謹慎「踩煞車」？
以下 Q 為編輯整理，A 為《數位時代》總編輯王志仁的觀點分享，解析在 2026 年這個關鍵時點，台積電如何應對 AI 晶片爆量需求，以及半導體產業在技術與財務風險間的權衡。
Q1：近期市場熱議「台積電風險」，甚至連馬斯克都提到 AI 晶片供應卡在台積電。這反映了什麼現狀？
A：這反映了一個事實：現在全世界 AI 晶片的需求成長速度，遠遠超過了台積電產能擴張的速度。目前全球超過 95% 的先進製程晶片、特別是跟 AI 運算相關的，幾乎都下單在台積電。雖然三星和 Intel 也號稱有能力參與競爭，但實際製程穩定度與良率仍有明顯差距。
根據台積電最新財報，2025 年營收接近 3.8 兆台幣，第四季毛利率 62.3%。更關鍵的是，2026 年的資本支出預計將達到 520 億至 560 億美金的新高，換算下來，台積電幾乎將去年獲利的 85% 都重新投入建廠與研發。即便如此，蓋一座廠需要兩年、研發一代製程需要五年，這種「時間差」讓台積電成了全球 AI 進化的 Bottleneck（瓶頸）。
Q2：為什麼這波 AI 需求會讓算力缺口擴大到如此地步？與過去的資料中心有何不同？
A：這是一場從 CPU 到 GPU 的「範式轉移」（paradigm shift）。過去的資料中心以 CPU（中央處理器）為主，擅長「時序運算」，就像日常生活的洗臉刷牙，有先後順序；但 AI 需要的是加速運算，由 GPU 進行「平行運算」，能同步處理海量數據。
當全球資料中心要從 CPU 轉向 GPU，需求的增長不是線性成長，而是過去的十倍、甚至百倍。這也解釋了為何 NVIDIA 的營收有七成來自亞馬遜（AWS）、微軟（Azure）和 Google（GCP）這些「超級規模者（Hyperscalers）」。
這些市值上兆美金的公司，每年砸兩、三百億美金投資基礎設施，甚至像亞馬遜近期的大規模裁員，某種程度也是在將「人力資本」轉化為「算力資本」，以維持雲端服務的領先地位。
Q3：如果說台積電是邏輯晶片的瓶頸，那 AI 產業鏈還有其他受限的地方嗎？
A：其實「記憶體」也是大問題。
AI 運算不只需要強大的運算邏輯，還需要極高的資料存取速度，這帶動了 HBM（高頻寬記憶體）的短缺。去年到今年，記憶體價格漲了至少 10 倍以上，全球三大廠商美光、SK 海力士與三星都在全力衝刺，但供需失衡的情況預計會持續到 2027 年。所以，如果 AI 發展受阻，這幾家記憶體廠也是關鍵「戰犯」之一。
Q4：面對這麼大的需求，台積電或其他廠商難道不能更積極擴產嗎？
A：半導體產業有其物理與工程極限。開發一代新製程通常需要至少五年時間：兩年在實驗室驗證工程可行性，兩年在工廠與客戶（如蘋果、NVIDIA）反覆測試良率，最後一年半至兩年同步蓋廠與試產。
這也解釋了為什麼台積電在美國蓋廠時，工人會抱怨圖紙改來改去。因為為了搶時間，台積電是「邊測試邊蓋廠」，一旦實驗室測出更好的參數，圖紙就得立刻翻修。這種「台灣特色」的研發效率，是外國廠商很難理解、也難以模仿的競爭力。但即便再快，2026 年投入的資本支出，真正產生效益也要等到 2028 年甚至 2029 年。
Q5：台積電現在手握大量訂單，這中間是否存在「重複下單」或過度樂觀的風險？
A：這正是台積電最謹慎的地方。半導體過去 40 年都有明顯的循環，通常是「三年好、兩年壞」。雖然 AI 帶來了新的成長週期，但廠商必須控管財務風險。一旦景氣反轉，龐大的折舊攤提會成為沉重負擔。
回想 2022 年，台積電股價曾因疫情期間的重複下單（Double/Triple Booking）衝上 688 元，隨後又在半年內跌到 370 元。因此，現在台積電在擴產前，不只會跟客戶確認訂單，還會預收訂金，甚至去調查「客戶的客戶」（如 Apple 或雲端巨頭）的實際終端需求。對台積電來說，適度踩煞車、管控產能擴充的風險，不僅是為了自己，也是為了保護台灣整體的經濟體系不受到過度泡沫的衝擊。
（完整收聽 Podcast｜EP272. 豪擲560億美金擴產能仍難滿足需求，台積電成全球AI成長瓶頸？）
（本文初稿為 AI 編撰）
