AI 自研晶片與 CoWoS 剛需：資本支出 2.0 時代，多智慧體系統如何把算力變成護城河？

「資本支出 1.0 比的是誰敢買最多的卡，資本支出 2.0 比的是誰能用多智慧體與邊緣落地把算力變成現金流——而無論商業模式怎麼變，台灣的先進製程與 CoWoS 依然是這場競賽最底層的剛需。」 從「蓋機房」進入「算力變現」的資本支出 2.0 • 系列銜接：前三集談了資料中心擴張、先進封裝成本與美台供應鏈角力；第四集進入最終收斂——當全球 AI 投資正式跨過「兆美元門檻」，這場競賽如何從單純買硬體的 1.0 時代，升級為講究投報率、多智慧體協作與邊緣落地的 資本支出 2.0（CapEx 2.0）？ • 核心拋問：「錢砸下去之後，科技巨頭怎麼靠多智慧體與特定領域模型把錢賺回來？而台灣半導體與 CoWoS 在這波 2.0 浪潮裡又扮演什麼角色？」資本支出 2.0 時代：如何維持長期投資價值與正向循環 • 兆美元級別的投資規模：高盛（Goldman Sachs）預估 2026 年全球 AI 相關投資將突破 1 兆美元（美國佔 5,810 億美元），2026–2031 年累計 AI 資本支出更估達 7.6 兆美元（Goldman Sachs (https://www.goldmansachs.com/insights/articles/global-investment-is-forecast-to-exceed-1-trillion-in-2026) 、Goldman Sachs Tracking Trillions (https://www.goldmansachs.com/insights/articles/tracking-trillions-the-assumptions-shaping-scale-of-the-ai-build-out) ）。 • 正向循環的驗證與考驗： • 營收與積壓訂單支撐：J.P. Morgan 數據顯示，雲端巨頭已開始將龐大算力投資轉化為雲端營收成長（AWS 年化營收達 1,690 億美元、積壓訂單 4,960 億美元；Azure 年增 43%、年營收破千億美元；Google Cloud 年增 82%、積壓訂單 5,140 億美元），證明企業端需求並非空轉（J.P. Morgan (https://www.jpmorgan.com/insights/global-research/artificial-intelligence/ai-capex) ）。 • 折舊牆與現金流紀律：由於 AI 晶片世代迭代速度極快，舊硬體經濟價值加速折舊（J.P. Morgan (https://www.jpmorgan.com/insights/global-research/artificial-intelligence/ai-capex) ），企業必須透過長約鎖定需求與控制單位推論成本，才能維持自由現金流與投資報酬率的正向循環（SiliconANGLE (https://siliconangle.com/2026/11/10/what-we-learned-about-the-hyperscalers-from-earnings-season/) ）。 • 揭開多智慧體系統（Multi-Agent）與特定領域模型的商業佈局 • 為什麼「推論」成為算力變現主戰場？ • 訓練模型是週期性的資本投入，但 多智慧體系統（Multi-Agent Systems） 上線後，每一次代理任務拆解、工具呼叫與交易執行都在持續消耗 Token，使推論成為與業務規模同步放大的「永續成本」（SiliconANGLE (https://siliconangle.com/2026/11/10/what-we-learned-about-the-hyperscalers-from-earnings-season/) ）。 • 特定領域模型（Domain-Specific Models）的資源精準配置： • 企業不再迷信「什麼都用最大通用模型」，而是改採「旗艦模型負責高階規劃＋特定領域輕量模型負責垂直執行」的混合架構，讓金融、製造、醫療等產業能精準配置算力與電力預算，大幅提升單位運作效率。 • 科技巨頭如何透過算力變現強化護城河？ • 除了把自研 ASIC 用於壓低內部推論成本，雲端巨頭更開始將自研晶片與算力平台「產品化外溢」——例如 AWS 計畫於 2027 年底開始對外銷售 Trainium 機櫃，讓企業在地端與主權雲環境也能使用高性價比算力，把基礎設施投資轉化為長期的生態鎖定（SiliconANGLE (https://siliconangle.com/2026/11/10/what-we-learned-about-the-hyperscalers-from-earnings-season/) ）。 • AI 從雲端走向現場：邊緣設備的客製化晶片與先進封裝 • 從雲端資料中心走向「現場（Edge / Physical AI）」的商業策略： • 當應用場景延伸至智慧工廠產線、自駕載具、機器人與終端裝置時，延遲、隱私與頻寬成本讓企業必須把推論算力下放到現場端；2026 年裝置端推論市場規模已形成約 250～350 億美元的獨立版圖（Presenc AI (https://presenc.ai/research/ai-chip-market-share-2026) ）。 • 客製化晶片與先進封裝如何支撐邊緣運算？ • 小晶片（Chiplet）與異質整合：透過 2.5D／3D 先進封裝與客製化 ASIC 設計，晶片廠能把針對特定感測器與模型優化的運算單元、記憶體與電源管理模組高度整合進緊湊的功耗與體積空間中（Silicon Analysts (https://siliconanalysts.com/analysis/topic/packaging-tech) ）。 • 先進封裝規格演進：TrendForce 指出，隨著 AI 晶片封裝尺寸持續突破光罩極限，CoWoS-L 等先進封裝架構在多晶片異質整合與高頻寬互連上的成熟度，正是支撐高密度算力從雲端機房延伸到專業邊緣設備的關鍵技術底座（TrendForce (https://www.trendforce.com/presscenter/news/20260918-13241.html) ）。 • 資本支出 2.0 對台灣半導體與先進封裝的長線價值 • CoWoS 剛需與高階製程的雙重護城河： • 雖然市場上出現 Intel EMIB-T 等替代封裝方案的討論，但 TrendForce 評估台積電 CoWoS-L 憑藉技術成熟度與量產良率優勢，至 2028 年仍將穩居 AI 晶片封裝主流（Chiplet Marketplace / TrendForce (https://chiplet-marketplace.com/insights/news/tsmc-cowos-vs-intel-emib) ）。 • 台積電 2026 年資本支出維持在 600～640 億美元高檔（約 70%～80% 投入先進製程），同時加速推進次世代面板級封裝 CoPoS 並嚴控供應鏈技術外流（Semicore Group (https://www.semicoregroup.com/news/1080002) 、AtlasPCB (https://www.atlaspcb.com/news/news-tsmc-copos-cowos-advanced-packaging-capacity-2026/) ）。 • 台灣在資本支出 2.0 的戰略定位： • 無論雲端巨頭選擇輝達 GPU、自研 ASIC 還是邊緣端客製化晶片，只要 AI 進入「高密度、低功耗、多晶片整合」的賽道，台灣先進製程與先進封裝聚落就依然站在全球資本支出最核心的收銀台前。 加入會員，支持節目： https://hakka1893.firstory.cc/join 留言告訴我你對這一集的想法： https://open.firstory.fm/user/cmeqfytxf00im01ynerq283nx/comments 🎙️ 080深度對談｜拆解城市權力、選戰賽局與 AI 地緣的結構性思維 我們不只追新聞熱點，更用數據、法規與現場視角，穿透表層口水戰，直擊事件背後的制度邏輯與權力算計： 🏙️ 城市進化論：從文林苑爭議、老屋都更瓶頸到智慧城市治理，解剖空間正義與城市轉型的真實難題。 🔍 打開政治濾鏡：破解民調加權密碼、Polymarket 預測市場與 AI 數位資訊戰，看懂輿論風向背後的賽局。 ⚡ 後 AI 世代與地緣戰略：追蹤 NVIDIA、台積電 CoWoS 先進封裝與美中科技角力，定位台灣不可替代的「AI 盾牌」（同步推出英文深度專題 080 In-Depth Analysis）。 📜 人文與科學跨界：偶爾穿梭京都暗黑地名與歷史建築，或從奈米科技與生技視角重審日常科學。 獻給拒絕單一立場餵養、想看懂時代底層邏輯的思考者。 🔗 各大收聽平台：https://open.firstory.fm/user/hakka1893/p...