最新觀點

這波全球半導體與AI科技股修正，很多人都在討論需求是否降溫、評價是否過高，但如果仔細觀察產業鏈，會發現一個有趣的現象：不少AI相關個股跌幅不小，但跟擴廠相關的廠務工程、無塵室與關鍵設備供應鏈，反而是少數維持強勢甚至持續創高的族群。 過去大家認為半導體產業的瓶頸在設備，在技術，在資本支出規模。但AI時代開始之後，真正限制產能成長速度的因素，逐漸變成整個基礎設施的建設能力。 從台積電、SK海力士、美光到全球各大資料中心業者，現在面臨的問題往往不是有沒有訂單，而是能不能把產能蓋出來。先進製程、HBM、CoWoS、高階PCB、光通訊元件，背後都需要更高規格的潔淨室、特殊氣體系統、超純水系統、電力系統與廠務工程。很多時候設備已經下單，客戶需求已經確定，但廠房還沒完工，產能就無法順利開出。 AI資料中心也是同樣的道理。市場關注的是GPU數量，但真正決定資料中心建設速度的往往是電力供應、冷卻系統、機房工程與整體基礎設施能力。 而這件事情帶來一個更值得思考的影響。 過去市場總認為缺貨終究會結束。價格上漲後廠商擴產，供給增加後價格回落，這是大部分人熟悉的產業循環模式。但當擴產本身開始受到無塵室、工程人力、電力與基礎設施限制時，很多原本預期很快就能解決的供需失衡，可能會維持得比任何人想像得更久。 最近幾年HBM就是最好的例子。原本市場認為記憶體是最容易透過擴產解決缺貨問題的產業之一，但從2023年至今，供給始終追不上需求。原因不是廠商不投資，而是從晶圓產能、先進封裝、設備交期到廠房建設，每個環節都有新的限制條件。 同樣的情況也正在高階MLCC、ABF載板、高速連接器、光模組、電源系統等AI供應鏈陸續出現。當需求以數倍速度成長，而供給端卻受到基礎建設能力限制時，整個產業的漲價循環、高稼動率與高獲利狀態，自然有機會維持更長時間。 因此我認為，未來幾年市場最大的誤判之一，可能是低估供給受限的持續時間。 很多人還是用過去景氣循環的框架看待AI產業，認為缺貨只是短期現象，漲價終究會回歸正常。但AI真正改變的除了需求端，更重要的是它正在重塑全球供給體系。當供給成長速度被基礎建設能力所限制，很多過去被認為只是週期性的缺貨與漲價，未來都可能呈現更長時間的結構性特徵。 所以未來幾年除了關注GPU、HBM與AI晶片之外，我認為更值得觀察的是那些幫助全球擴產的人。因為真正決定AI供給上限的，未必是晶片本身，而是能不能把足夠的廠房、無塵室、電力與基礎設施蓋出來。

今天受邀參加《鈔錢部署 》錄影，和主持人盧燕俐一起討論近期半導體產業最受關注的新關鍵字「COUPE」。 這次台積電在技術論壇點名COUPE（Compact Universal Photonic Engine），市場很多人把它簡化理解成矽光子或CPO，但實際上，COUPE背後代表的是AI資料中心架構正在從「電子互連」進入「光電融合互連」的新世代。 過去AI發展初期，市場最關注的是GPU算力與HBM頻寬，因此資本支出集中在GPU、CoWoS與高頻寬記憶體。但當AI Cluster開始往數萬卡、十萬卡規模擴張後，真正的瓶頸開始轉向GPU之間的資料搬移能力。因為AI系統的效率，不只是單一GPU有多強，而是大量GPU能否低延遲、高頻寬、低功耗地彼此互連。 目前大型AI資料中心仍大量依賴Copper Cable與可插拔光模組架構，但當交換器速度從800G進入1.6T、3.2T之後，銅線在訊號衰減、功耗、EMI干擾與散熱上的物理極限開始浮現。224G PAM4之後，高速SerDes功耗呈現非線性上升，Retimer與DSP數量快速增加，整個Network Fabric耗電大幅惡化。這也是為什麼全球大型CSP、GPU廠與交換器廠，近期都開始全面往CPO（Co-Packaged Optics）與矽光子方向移動。 COUPE的核心，就是把光引擎直接整合進先進封裝。未來資料傳輸不再主要依賴電子訊號，而是逐漸改由光訊號完成GPU、ASIC、Switch與HBM之間的高速互連。這背後牽涉的不只是單一技術，而是整個AI基礎設施架構的重組，包括矽光子、光波導、光纖陣列、微透鏡、光學耦合、高速交換器、先進封裝、高速材料與熱管理技術都會同步升級。 因此未來受惠方向，也不會只集中單一公司，而是整個高速光通訊與先進封裝供應鏈全面升級。首先是高速光學與光纖元件需求提升，因為未來AI伺服器內部與機櫃之間，光互連比例會快速提高；第二是高速高頻材料需求增加，1.6T以上交換器對Low Loss材料要求會越來越高；第三是ABF載板與高密度訊號Routing需求提升，因為光電共同封裝對訊號完整性與熱管理要求遠高於現在；第四則是封裝與測試技術升級，未來不只是測電子訊號，還要同步驗證光學耦合穩定度、雷射漂移與高速誤碼率。 整體來看，COUPE的重要性和幾年前CoWoS開始爆發時非常類似。CoWoS解決的是AI晶片怎麼封裝，COUPE解決的是AI晶片之間怎麼互連。當AI資料中心進入十萬卡時代後，真正決定系統效率的，會是整個光電網路架構，而不只是單一GPU效能。這代表AI投資主軸，也會從單純GPU與HBM，逐漸擴散到高速光通訊、Network Fabric、矽光子、先進材料與光電整合封裝。

美國30年期公債殖利率站上5%，市場重新調整全球資產估值基準。長天期公債殖利率代表的是市場對未來數年通膨、財政赤字、經濟成長與債券供給的長期預期。當30年期利率上升，代表全球資金要求更高的無風險報酬率，資產定價模型中的折現率同步墊高。股票本質是未來現金流折現，高成長科技股與AI股因為獲利主要反映在未來數年，存續期間較長，對利率變化特別敏感，因此每次長端殖利率快速上升，高本益比科技股通常都會出現較大波動（在去年關稅戰期間就劇烈震盪數次）。 近期市場對長端利率重新敏感，原因來自通膨預期重新升溫。能源、運輸、電力、地緣政治與供應鏈成本同步墊高，美國PPI與CPI再度出現壓力，市場開始修正原本對降息循環的預期。2年期美債殖利率重新高於聯準會政策利率區間，本質上代表金融市場認為未來利率可能維持更久的高檔。當金融條件收緊，企業融資成本、槓桿成本與資產估值壓力都會同步上升，因此近期全球股債同步修正。 目前AI產業基本面沒有明顯轉弱。從台積電（不管短期多少新聞逆風，實際下半年狀況會好到沒朋友）、Cisco、Broadcom、記憶體、高速交換器、資料中心電力與網通設備來看，資本支出與企業需求仍維持高強度。Hyperscaler對AI伺服器、網路架構、推論運算與儲存需求仍持續增加，Agentic AI帶動的CPU、記憶體、網通與電力需求也還在擴散。市場目前調整的核心不是需求消失，而是估值開始重新反映利率環境。 近期幾個訊號值得觀察，包括SOX半導體指數偏離200日均線幅度過大、日本30年公債殖利率創歷史新高、韓國AI權值股高檔劇烈震盪，本質都代表市場開始重新計算高估值資產的合理價格區間。1989日本資產泡沫與1999網路泡沫後期，都曾出現長端殖利率快速上升與高估值資產同步震盪的情況，因為當資金成本改變，市場願意支付的估值倍數就會調整。 後續市場關鍵，在於美國通膨是否重新進入上升循環。如果能源價格持續上升、財政赤字與長債供給維持高檔，長端利率可能持續墊高，全球資產估值壓力就會增加；如果通膨重新回落，殖利率穩定，高速成長產業的基本面仍有機會支撐中長期趨勢。 市場每一次大波動，最後回頭看，很多時候都不是基本面突然崩壞，而是資金成本、估值與情緒的重新修正。景氣循環、利率循環、產業循環，本來就是資本市場的一部分。真正重要的，不是每天猜高低點，而是能不能在波動裡看懂趨勢、控制槓桿、保留現金與耐心。當市場開始劇烈震盪，很多人會輸在情緒，而不是輸在產業方向。長期投資裡，能活下來、守住紀律、避開失控槓桿的人，通常比短線猜對漲跌的人走得更遠。

市場待久了，會慢慢理解一件事：投資最困難的，從來不是找到會漲的股票，而是能不能在波動裡，把真正的大趨勢抱住。 我做這行超過15年，經歷過金融海嘯、歐債危機、疫情、升息循環，也看過無數次產業從谷底翻轉。每一次市場崩跌時，新聞都在告訴你世界快毀滅；每一次市場狂熱時，又讓人以為股價永遠只會往上。但回頭看，真正決定企業長期市值的，還是產業競爭力、技術門檻、資本支出能力與獲利結構。 德國投資大師科斯托蘭尼提出過著名的「遛狗理論」：主人是基本面，小狗是股價。主人會穩定往前走，小狗卻會忽前忽後，有時衝太遠，有時又落後太多，但最後終究還是會回到主人身邊。這個理論幾乎把市場本質講完了。短期股價反映的，很多時候是情緒、流動性、槓桿、ETF資金流向與籌碼結構；長期反映的，仍然是EPS、自由現金流、產業地位與企業競爭優勢。巴菲特說過，市場短期是投票機，長期是體重機。短線投的是情緒，長線秤的是價值。 很多人以為法人每天都在猜明天漲跌，其實真正重要的工作，是研究未來兩三年的產業方向。AI伺服器為什麼持續拉高HBM需求？ASIC為什麼開始重塑供應鏈？資料中心為什麼往HVDC架構升級？為什麼大家原本認為成熟的DDR4、NAND，又重新回到供需吃緊與AI基礎建設核心？很多真正的大行情，在剛開始時，市場通常半信半疑，因為財報還沒完全反映，股價也不會立刻噴出，中間一定伴隨震盪、懷疑與洗盤。 而這也是市場最殘酷的地方。很多人其實方向看對了，卻撐不過中間的波動。跌15%開始懷疑人生，漲20%急著賣掉，最後真正走出大波段時，反而跟自己無關。我看過太多案例，真正賺到大趨勢的人，往往不是市場最亢奮的人，而是在低潮時願意持續研究產業、理解供需與資本支出循環的人。霍華．馬克斯在《投資最重要的事》裡寫過一句話：「最大的投資機會，通常出現在多數人不願意承擔不確定性的時候。」這句話我非常有感，因為市場永遠都會波動，但真正重要的，是你有沒有能力分辨眼前只是雜訊，還是產業趨勢真的開始反轉。 前輩說過一句話：經理人少看盤、多看書。我自己也沒法做到，但會試著越來越少把注意力放在每天的漲跌，而是更在意產業結構是否正在改變、技術方向是否正在加速、企業護城河是否正在擴大。股價短期可以脫離基本面很遠，但長期很難永遠偏離。主人終究還是會把小狗拉回來。希望大家未來都能找到真正值得長期研究的公司與產業，也希望大家都能撐過波動，最後把那些真正屬於大趨勢的報酬留下來。 （趁機講一下，英特爾拿到水果是好事，但對台積也不是壞事，長線、雙贏，從大局想久一點，你就會了解）

不到半年前我還在笑GPT畫圖有多爛，圖中中文錯誤百出，理解能力遠遠不如Gemini，然而GPT Image 2一推出，直接把使用體驗拉到另一個層級。 同一個prompt，可以同時給你四個完全不同構圖的版本，而且不是隨機亂變，是風格、資訊密度、視覺重點都有邏輯分歧；一張泛黃破損的老照片，細節補齊後直接變成高解析彩色影像，連陰影與材質都合理重建；甚至可以要求一張圖裡只讓「一粒米」寫出指定文字，模型可以精準控制到這種程度。這些案例的共通點不是畫得漂亮，而是模型在輸出前已經完成任務拆解與約束控制。在Image Arena上，OpenAI 1512分對Google 1271分，241分碾壓式的差距出現。這種差距通常不會來自調參或資料量，而是架構本身改變。 過去的圖像生成，本質是diffusion：在latent space裡逐步還原畫面，核心是sampling效率與畫質逼真度。現在GPT Image 2把生成流程前移，先做語義解析與構圖規劃，再進入生成，最後做一致性檢查與修正，整體變成一個多階段推理流程。這種結構讓模型能處理symbol-level constraint（例如文字準確度）、multi-branch generation（同prompt多解）、以及跨圖一致性，這些都是傳統diffusion很難穩定做到的。 2025年下半年，Google 用Nano Banana系列把圖像生成推到大規模C端應用，並在文字渲染與多模態對齊上領先，甚至一度在榜單與用戶數都壓過OpenAI。這段期間OpenAI其實沒有正面回應，而是把資源往主線模型與推理能力集中。GPT Image 2等於是把這段時間累積的東西，一次釋放出來，直接換了一套遊戲規則。 這個轉變真正影響的不是誰第一名，而是算力的使用方式。diffusion模型的計算集中在sampling，屬於短時間高強度；推理型生成模型把任務拆成規劃、生成、驗證，多段運算疊加，單次任務的計算量與時間都拉長，而且這種流程很容易進一步擴展成Agent型任務，變成長時間持續佔用算力。 當任務從「生成一張圖」變成「完成一個視覺任務」，算力就不再是瞬時需求，而是常駐負載。這會讓資料中心的利用率結構改變，也會讓整體算力需求呈現跳階式成長。 Anthropic未上市就被定價到兆美元等級的情況。資本市場看的不是單一模型，而是整個產業的計算需求曲線已經被拉陡。模型公司之間的競爭越激烈，資本支出就越大，而這些支出最後會非常集中地流向算力供應鏈。 最直接的受益者很清楚：就是提供算力的鏟子供應商，NVIDIA掌握運算架構與系統平台，台積電把製程與先進封裝推到可以承接這種密度的水準，同時記憶體頻寬、互連延遲、功耗密度都被一起拉上來，整個系統的瓶頸開始從單一元件擴散到全鏈條。 所以這一輪看起來是GPT跟Gemini的競爭，實際上是在把AI從「生成工具」推向「推理系統」。一旦這個轉換成立，後面的變化就不會停在圖像，而是整個多模態與Agent型應用全面擴張。對市場來說，真正需要關注的不是下一個榜單誰領先，而是這種計算模式，會把算力需求推到什麼程度。

台積電在美國舉辦的 North America Technology Symposium，本質是對一線客戶與供應鏈同步未來製程與封裝路線。這場會議的價值，在於它把還在發展中的技術直接放進量產節點與時間軸，等於提前把產業規格講出來。（含金量超高的一場論壇） 這次的重點集中在 3DFabric，並且把 CoWoS、SoIC、SoW 與 COUPE（CPO）放在同一條演進路徑。這樣的呈現方式，代表封裝已經從單一製程環節，轉成整個 AI 系統架構的一部分。 先從最上游的記憶體開始。 SK hynix、Samsung、Micron 被放在同一層，對應的是 HBM。當 CoWoS 往 20 顆、24 顆 HBM 推進，記憶體已經不是附屬元件，而是決定頻寬與容量上限的核心。AI 訓練與推論的效率，很大一部分取決於資料能不能被快速搬移，這讓 HBM 的地位直接等同算力的一部分。 往下是載板。 Unimicron（欣興）、臻鼎、Ibiden、Shinko、Samsung Electro-Mechanics、AT&S、Kyocera 這一層，承接的是大尺寸 interposer 與高層數 RDL 結構。當 reticle 往 14 以上放大，載板不只是連接功能，翹曲控制、材料穩定性、熱膨脹係數都會直接影響良率與可量產性。這也是為什麼 ABF 載板會持續往更高規格走。 再來是材料與元件。 台股的健策（Jentech） 、Murata、TDK、Taiyo Yuden、Kyocera，這一層處理的是電與熱的問題。功耗密度上升之後，Lid、TIM、去耦電容、被動元件的配置會影響整個系統穩定性。散熱已經從模組後段，往封裝設計前段移動，材料選擇變成關鍵參數。 測試環節被單獨拉出來。 Advantest、Teradyne、MPI（旺矽）、CHPT（中華精測），對應的是 tester、prober、probe card。3D 堆疊與高頻訊號讓測試難度大幅提高，測試時間、覆蓋率與設備能力會直接影響產能與成本。這一段的技術門檻在上升，而不是維持原本的成熟製程邏輯。 最後是 OSAT。 ASE（日月光 / 矽品）、Amkor、KYEC（京元電）在這個架構裡，承接部分後段封裝與測試。當高階封裝往台積電內部整合，OSAT 的角色會往兩端分化，高階能力能否跟上 3D 封裝與系統測試，是未來分水嶺。 還有一個細節在投影片裡很關鍵。DSP 與 timing（包含 crystal 與 MEMS）被畫進 SoIC substrate。這代表 clock source 與控制電路往封裝內整合。當時脈距離運算核心縮短，jitter、phase noise、同步誤差都會直接影響 AI 系統效率。這種架構下，timing 元件規格會往高穩定度與高整合度走，MEMS timing （Sitime)在高階應用的滲透會提高，背後是封裝整合需求推動。 整合技術路線與供應鏈圖，邏輯會變得很清楚： HBM 擴張，推動封裝尺寸與頻寬上限 載板與材料，決定能不能撐住尺寸、功耗與熱 3D 封裝（SoIC），把資料傳輸距離壓縮 SoW，把系統整合到更高密度 CPO，把 I/O 能耗問題往封裝內解決 測試與 OSAT，決定這整套結構能不能穩定量產 全部圍繞同一個核心：封裝已經變成 AI 系統的主體，細節在之前文章已經分享過，想細看的可以再回去看。 看完只覺得台積電真是護國神山加佛心企業，看不懂就穩穩壓神山，想超額報酬的也可以照台積給的按圖索驥，真的有那麼佛心的嗎？愛你神山😘

台積電這幾年持續把先進製程、先進封裝與系統整合一直往最先進的技術推進，背後有一個很現實的壓力：電晶體密度在極度快速上升。 AI 晶片的算力、HBM 容量、封裝面積與 I/O 數量都同步擴大，但封裝外的電連接功耗與延遲，沒有跟上邏輯密度的進步速度。這也是台積電近兩年把矽光子與 CPO 拉進 3DFabric 路線的重要背景。台積電已經公開揭露，COUPE 將以 SoIC-X 堆疊把 electrical die 與 photonic die 整合，並規劃導入 CoWoS 的 co-packaged optics；在官方資料裡也直接寫到，CPO 對於支撐超過 50 Tb/s 的資料傳輸將是關鍵，且其 65nm silicon photonics 已量產，同時正開發符合 CPO 需求的 3D 堆疊方案。  這件事對台積電的重要性，不只是多一個新平台，而是先進製程價值鏈開始往系統互連延伸。當 N2、A14 往下走，單位面積內可放進去的運算資源持續增加，真正限制 AI 系統擴張的，不再只是邏輯密度本身，還包括封裝邊界外的資料搬移效率、功耗與熱。台積電自己在近期公開內容就把 CPO 定義成解決 interconnect bottleneck 的關鍵，並指出 COUPE 可帶來 5 到 10 倍的能效改善、10 到 20 倍的低延遲效果；這代表 CPO 對台積電不是可有可無的新題材，而是未來 HPC 與 AI 系統設計往更高密度推進時，必須同步打通的互連技術。  也因為台積電把 CPO 放到這個層級，測試的重要性就明顯上升。CPO 不是把既有可插拔光模組搬進封裝那麼簡單，而是把原本分散在板端、模組端、系統端的問題，提前到封裝層與晶圓層。光子元件、電晶片、封裝結構、熱路徑與多通道高速訊號在同一個系統裡交互影響，開發流程自然不可能只靠單點設備去驗證。 講到CPO相關測試，台積朋友特別看到 Keysight 明顯優勢，它卡的不是某一種儀器，而是從設計、特性分析、晶圓測試、量產測試到系統驗證的整條測試鏈。  從最前端的晶圓層，Keysight 的 NX5402A 是面向 silicon photonics wafer test 的量產型系統，官方定義就是可配合全自動 wafer prober，做 one-pass optical and electrical test。這個意義很大，因為矽光子不是只有插入損耗、PDL、波長響應這類光學參數，還要把高速 electrical path 一起納進來；如果要進入 CPO，越早在晶圓階段把光與電一起量清楚，後面封裝良率與失效分析才有基礎。這一段做不好，等於把問題留到更高成本的封裝階段才發現。  再看到量產測試。CPO、NPO、1.6T 光模組最大的壓力之一，是通道數增加之後，測試時間、測試成本與測試一致性一起惡化。Keysight 針對這一段推的 FlexOTO，官方寫得很清楚，就是為了 800G、1.6T、CPO/NPO 的高通道數光測試，目標是提高 DCA-M 硬體利用率、改善測試效率，同時不犧牲量測完整性。這不是配件而已，而是把原本昂貴的高階光取樣平台，透過軟體與流程最佳化，變成更適合量產線導入的工具。這也是為什麼很多客戶即便知道競品單價低，最後還是留在 Keysight：真正難替代的地方在 workflow，不在報價單。  Keysight 在這個產業最強的地方，不只做出高頻寬示波器，還有軟體整合。PathWave 本身就是測試自動化平台，支援 test recipes、measurement plan、wafer prober control 與多種 photonics 測試插件；換句話說，它不是把一堆儀器並排，而是把測試流程、資料格式、執行順序與結果管理收進同一個架構。到了 CPO 這種跨光、跨電、跨封裝、跨系統的複雜場景，軟體平台的價值會比單機規格更重要。客戶買的是可重複、可追溯、可擴充、可自動化的量測流程。  另外一個更大的差別，在於 Keysight 正把自己從測試設備商往設計到驗證的平台推。2025 年 10 月完成收購 Synopsys 的 Optical Solutions Group 之後，RSoft、CODE V、LightTools 這些光學與光子設計工具正式納入 Keysight。這一步很關鍵，因為 CPO 的難度從來不只在量測，而是在設計、模擬、試產、量產驗證之間能不能快速迭代。當光子設計工具與後段測試平台開始進入同一家公司體系，Keysight 的位置就往上游再走一步，不再只是等客戶把東西做出來才量，而是更早介入元件設計、模型驗證與設計收斂。  再看標準與互通性。1.6T 和 224G SerDes 還在持續推進時，產業最怕的不是規格寫不出來，而是不同廠商做出來的東西接不起來。2025 年 12 月 Ethernet Alliance 的 224G Plugfest，就是在 Keysight 場地舉行，重點放在 224G SerDes 的 interoperability 與 conformance。這種活動的象徵意義很直接：當產業在做新世代高速互連驗證時，Keysight 不是局外人，而是驗證場域的一部分。它在產業鏈裡的角色，自然比一般設備供應商更接近基礎設施。  如果把技術指標再拉回光測本身，TDECQ 之所以重要，不只是因為它常被拿來看 PAM4 發射端品質，而是 800G、1.6T 時代的 transmitter conformance 越來越依賴這類標準化指標。Keysight 自家的 FlexDCA 與 DCA-M 平台已經把 TDECQ、clock recovery、IEEE 802.3dj presets 這些內容整合在量測流程中，這也是高階客戶會把它當成 reference platform 的原因之一。真正的優勢不是單一數字，而是客戶內部研發、FAE、製造與外部供應鏈都在用同一套語言看結果。  所以如果今天從台積電的角度回頭看這件事，邏輯就很清楚。當台積電把 CPO 視為解決未來 AI 系統互連瓶頸的必要技術，產業下一步一定會沿著設計、製程、封裝、測試一起升級。這裡面最不容易被後進者複製的，往往不是某個單一硬體規格，而是客戶已經嵌入開發流程的整體平台能力。Keysight 真正強的地方，正是把高階量測硬體、測試自動化軟體、光子設計工具、互通性驗證場域與長年累積的 reference status 疊在一起。這也是為什麼在 CPO 這條線上，它不只是受惠者，而是產業往前推時幾乎繞不開的一個節點。 

台積電的好無庸置疑，壓法說的資金賣壓一如以往的先壓抑ADR表現並不意外，值得注意是法人反應法說內容後產業趨勢，看完整場法說後我的想法分享給大家。 台積電這次法說，表面上是第一季財報優於預期、第二季指引續強、全年營收展望再往上調。法人真正開始重估的，是未來三年的資本支出強度，以及整條AI硬體供應鏈的獲利結構，Agent AI 加速CPU使用有越來越成consensus，難怪美國CPU雙雄連續創高。 台積電2026年第一季營收359億美元，高於財測上緣346至358億美元，毛利率66.2%，也高於原先63%至65%的區間，EPS 22.08元。第二季營收指引390至402億美元，中位數約396億美元，季增約10%，毛利率65.5%至67.5%，中位數66.5%。全年美元營收成長率由接近30%上調至30%以上，全年資本支出維持520至560億美元區間，公司明確表示將靠近高標（很多人期待資本支出上修，但台積本來就從來不會在第二季就上修，就算不夠用也是下半年才上修）。 美系大行法說後上修台積電2026至2028年EPS至103.3元、129元、158元，同步把今年資本支出預估拉高至550億美元，並將2026至2028年總資本支出上修至2000億美元。這樣的調整，反映市場已經把AI需求、先進製程升級、封裝擴產與海外建廠放進同一套模型裡看。 我看法說最關鍵的訊號之一，是3奈米擴產。台積電過去在單一節點達到既定規模後，很少再回頭追加產能。這次管理層明確表示，因應客戶對AI晶片的強勁需求，3奈米將在台灣、美國、日本同步擴產。這代表3奈米的角色正在上移，需求來源也在改變。過去3奈米主要承接高階手機SoC，現在AI晶片與HPC平台正在把3奈米推向新的量產核心。 從產品結構已經可以看出這個方向。第一季HPC營收占比61%，高於上一季55%，季增20%；智慧型手機占比降至26%，低於上一季32%，季減11%。3奈米占營收比重25%，5奈米36%，7奈米以下先進製程合計74%。營收重心持續往高運算、高ASP平台集中。管理層也直接提到，3奈米毛利率將在2026年下半年高於公司平均。這代表隨著產能利用率提升、折舊壓力下降，3奈米對整體獲利的貢獻會比市場原先預估更高。 成本面同樣值得拆解。公司預估2奈米將在2026年下半年開始稀釋毛利率，全年影響約2至3個百分點。海外廠前期每年稀釋毛利率約2至3個百分點，後期擴大至3至4個百分點。特化氣體、材料與能源價格上升也會形成壓力。然就算這些因素，我們看到的毛利率卻一再創高且優於預期，原因在於先進製程與先進封裝需求持續向上，台積電在產能、良率、製造服務與技術節奏上仍然掌握主導權。 法說中的另一個核心，是資本支出與供給約束。公司表示今年CapEx將靠近560億美元，未來三年的資本支出顯著高於過去三年。管理層在問答中反覆提到，AI需求持續上修，公司已盡可能擴產，但建廠需要2至3年，量產爬坡還需要時間，短期供給仍然偏緊。這一段對法人模型的影響很直接：供應鏈後續的評價，不再只用單年獲利判斷，而是要放到更長的投資週期裡看。 法說後，受惠方向持續向外擴散。 第一個被法人明確上修的是測試鏈。美系券商首次覆蓋鴻勁、旺矽、穎崴，給予正向評等。核心邏輯很完整：AI晶片複雜度提升、封裝尺寸放大、測試時間拉長、測試強度提高。高階晶片的良率、交期與最終出貨效率，愈來愈依賴測試設備、測試介面與高規格探針卡。法人預估2026至2028年EPS，鴻勁為116.2元、193元、308元；旺矽為64元、133元、240元；穎崴為104元、197元、347.5元。這組預估的意義，不只是數字高，而是市場已經把測試視為AI資本支出鏈條中的核心環節。 第二個方向是光通訊。聯亞被上修目標價，背後的論點是光連接架構正在升級。市場原本多聚焦於scale-out，也就是交換器與機櫃之間的連接需求。現在法人開始往更前面看，關注scale-up，也就是XPU之間的高密度互連，並將CPO由switch端逐步延伸到XPU端。這會推升InP磊晶與CW laser的需求，同時帶動功耗規格與單位價值量提升。券商上修聯亞2026至2029年EPS至4元、12.9元、28元、45.9元，並進一步看到2029年65.5元，代表市場已將高階光元件放進更長期的AI基建架構中評價。 第三個方向是AI電源。台達電被上修目標價，關鍵依據來自通路調研。法人觀察到HVDC電源機櫃需求提前，且強於原先預期，雲端服務供應商對新供電架構的採用速度加快。同時AI PSU上游關鍵材料中的功率半導體價格已上漲25%以上，供給吃緊開始往ASP傳導。這代表AI伺服器供電架構升級，已經從技術規劃走到實際設備需求與獲利貢獻。法人上修台達電2026至2028年EPS至44元、79元、143.7元，評價基礎也同步提高。 IC設計端也開始出現延伸。聯發科這次雖因手機需求疲弱而下調今年獲利預估，但法人同步上修2027與2028年EPS至122.7元與177.8元，核心原因是AI ASIC業務強度高於原先預期。這代表市場對大型IC設計公司的評價框架正在改變，消費性電子循環的權重下降，AI ASIC、客製化加速器與資料中心晶片的比重提高。 法說問答還提供了幾個重要訊號。第一，魏哲家對TeraFab的回應，重點放在製造業的基本功。建廠、量產、良率、客戶服務與供應鏈整合，都需要多年累積。第二，先進封裝路徑更清楚。公司目前仍以更大尺寸CoWoS為主，SoIC已有量產實績，CoPoS已有試產線，未來幾年投產。第三，管理層明確提到AI正從生成式模型往Agentic AI延伸，token數量與運算需求都在上升。這會讓運算平台需求由GPU進一步外溢到CPU、ASIC、網通、電源與測試。 這次法說後，法人動態可以整理成三條主線。 第一，台積電未來三年的營收、獲利與資本支出同步上修。 第二，3奈米擴產、先進封裝與海外擴建節奏更明確，AI需求正在拉長整個投資週期。 第三，供應鏈評價從晶圓代工往外擴散到測試、光通訊、AI電源與AI ASIC。 接下來市場會持續追蹤的，主要是3奈米擴產進度、CoWoS與CoPoS產能配置、測試鏈交期與ASP變化，以及法人對2027、2028年獲利預估是否持續上修。台積電這次法說提供的資訊，已經足以讓市場把AI硬體鏈未來三年的獲利輪廓往上調整。後續股價表現的差異，會來自各環節上修速度與評價收斂的先後順序。

《CNBC》專文報導，當前焦點多集中在晶圓製造，但實際上所有驅動 AI 的晶片，最終都必須透過精密的封裝技術才能與外部系統互動。目前，這項關鍵工序絕大多數集中在亞洲進行，且產能已瀕臨極限，引發業界高度警覺。 現在市場談 AI，注意力大多還放在先進製程、HBM、GPU 出貨，但如果把整條供應鏈拆開來看，下一個真正限制 AI 算力擴張速度的，除了晶圓製造，先進封裝也跳上檯面。CNBC 提到：即使晶片在美國生產，最後還是得送回台灣完成先進封裝，代表瓶頸其實不在 wafer fab 結束，而是在晶片能不能被真正組成一個可交付、可量產、可部署的高效能系統。台積電也對外表示 CoWoS 需求高速成長，美國廠目前做出的晶片仍大量需要回到台灣完成這一步。  AI 晶片的競爭早就不是單顆 die 的競爭，而是整個封裝系統的競爭。今天不管是 GPU、CPU、ASIC，最後都不是單一晶片自己完成任務，而是要把邏輯晶片、HBM、高速 I/O 與基板整合成一個高頻寬、低延遲、可控熱的完整模組。也就是說，先進製程把算力做出來，先進封裝才把算力變成產品。沒有 CoWoS、沒有高密度互連、沒有成熟的先進基板與測試能力，再好的 3 奈米、2 奈米，最後都只是半成品。這也是為什麼過去被視為後段工序的封裝，現在會直接變成 AI 時代最敏感的產能環節。  從供需角度看，先進封裝吃緊，核心不只是需求很強，而是需求結構變了。過去封裝多半是配合前段製造的附屬環節，現在則是系統效能的核心。當資料搬運、功耗、散熱、訊號完整性全部集中到封裝層級，封裝廠不再只是做 assembly，而是在決定整顆 AI 晶片最後能跑到什麼程度。這也是為什麼台積電 CoWoS 產能會被市場視為戰略資源，而不是一般意義上的擴產議題。CNBC 引述的產業觀點也提到，若企業不提早投入資本支出，未來幾年晶圓產能一旦持續放大，封裝端會更快成為整個供應鏈的 choke point。  再往下看，就能理解為什麼法人覺得日月光產業位置越來越重要。以前市場看日月光，很多時候還是用傳統封測股的景氣循環框架在看。但這次當台積電 CoWoS 產能長期滿載，且大客戶需求持續擴張，外包就不再是補充產能，而是整體供應鏈重新分工的一部分。Reuters 2 月報導，日月光預估 2026 年先進封裝業務規模將翻倍至 32 億美元，台媒也引述公司說法指出 LEAP 業務將至少翻倍，反映的就是 AI 晶片需求已經不只是拉動前段，也開始明確往 OSAT 端外溢。  日月光除了吃到CoWoS 外溢，它在 AI 供應鏈裡的角色，已經從傳統封測廠，往高階封裝產能協力者轉移。若券商對外包比例的估算方向大致正確，NVIDIA、Google TPU、AMD MI400 這類高階運算產品持續提高外包需求，那日月光吃到的就不只是某個單一客戶的短單，而是 AI 封裝供應鏈結構性重排帶來的位置提升。這也是為什麼市場願意用更高的獲利與本益比框架重新評價它，因為 LEAP 成長背後代表的不只是營收放大，而是技術層級、客戶層級與供應鏈地位同步上修。  另一個更深一層的變化，是先進封裝已經從產能問題，升級成地緣政治問題。美國過去在半導體政策上，最強調的是把晶圓製造拉回本土，但如果前段做完之後，關鍵晶片還是得跨洲運回亞洲封裝，供應鏈其實沒有真正閉環。這不是只有物流成本問題，而是交期、風險、保密與戰略自主的問題。CNBC 這篇報導之所以引發市場注意，就在於它把一件原本業內都知道、但資本市場未必完全重視的事講白了：美國現在缺的不只是最先進的 fab，而是從前段製造一路延伸到後段封裝的完整能力。  也因為如此，英特爾的角色也值得重新看。英特爾在先進製程代工端，到現在還沒有完全證明自己可以大規模承接最頂級外部客戶，但在先進封裝這一塊，它確實比多數美國業者更早卡位。CNBC 提到英特爾的先進封裝已經吸引到亞馬遜與思科，甚至連馬斯克規劃中的客製化晶片封裝服務也點名英特爾，這說明當市場開始尋找「非台灣、非純台積電體系」的先進封裝解法時，英特爾至少有機會成為候選者之一。這對英特爾來說，不只是補一塊營收，而是在 AI 基礎設施供應鏈裡保住戰略存在感。  不過更長線來看，今天的 CoWoS 還只是中段。接下來真正要進入的，是從 2.5D 走向更高密度的 3D 堆疊與 hybrid bonding。台積電 SoIC、英特爾 Foveros Direct，方向都是把不同 die 的整合從「並排放」推進到「上下堆」，讓晶片間的互連更短、功耗更低、頻寬更高。封裝的技術曲線還在往上走，下一輪競爭不是誰先擴 CoWoS，而是誰能在 3D 堆疊時代維持良率、散熱、測試與量產能力。  AI 產業下一個瓶頸不是單點技術，而是高效能運算供應鏈的重心正在往封裝移動。先進製程決定晶片能做多強，先進封裝決定晶片能不能真正出貨、能不能準時交付、能不能放量。這也是為什麼台積電仍然是核心樞紐，但日月光的角色正在上修，英特爾在美國本土封裝的戰略價值也開始浮現。未來 AI 算力競賽表面上打的是 GPU、ASIC 與模型，底層真正拚的，會是封裝能力、供應鏈整合能力，還有誰能先把 2.5D 順利推進到 3D。