AI 基礎建設投資持續升溫，市場關注焦點已從「AI 需求是否存在」轉向供應鏈能否跟上。法人最新報告指出，未來 AI 晶片發展的主要挑戰，將不再只是算力競賽，而是來自矽（Silicon）、電（Power）、光（Photonics）與熱（Thermal）四大關鍵瓶頸，合稱「S.P.O.T.」。
隨著 AI 晶片持續升級，先進製程、供電、光通訊整合與散熱等物理限制，將成為影響產業競爭力的重要因素。法人認為，目前市場大致已不再質疑 AI 需求的真實性，真正需要觀察的是 AI 營收成長能否跟上資本支出，以及產業能否克服光學整合、散熱與電力等限制。
CoWoS 需求維持強勁，AMD 用量大幅上修
法人指出，台積電明年 CoWoS 先進封裝的主要客戶中，預期成長最顯著的包括輝達（NVIDIA）、博通與聯發科，反映 GPU 與 TPU 需求仍然強勁。
其中，AMD 的變化較受市場關注。報告將 AMD 明年 CoWoS 用量大幅上修至約 21 萬片，較原先規劃幾乎翻倍，顯示 AI 加速器市場的競爭持續升溫。
代理 AI 推升 CPU 需求，供給缺口可能延續至 2028 年
除 GPU 與 TPU 外，CPU 也成為 AI 供應鏈的重要觀察項目。法人表示，代理 AI（Agentic AI）興起後，CPU 在 AI 推論流程中的重要性明顯提高，目前 CPU 已占推理工作負載超過四成。
報告預期，除 Meta 之外的主要雲端服務供應商（CSP），2026 年 CPU 採購量可能較今年翻倍，市場因此可能出現約 15% 至 20% 的 CPU 供給缺口，短缺情況甚至可能延續至 2028 年。
AI 晶片複雜度提高，測試與封裝需求同步成長
AI 晶片設計日益複雜，也帶動測試市場擴張。法人指出，新世代 AI 晶片的引腳數（Pin Count）持續增加，加上晶片尺寸與整體規模擴大，測試時間、測試設備及測試介面的需求將同步上升，相關供應鏈平均售價（ASP）也有望受到帶動。
此外，台積電近年持續將部分晶圓測試（CP）工作外包給封測廠，以提升整體產能利用率，並進一步推升封測業者的資本支出。隨著 AI 晶片朝更高整合度發展，測試在製造流程中的重要性預期將持續提高。
AI 資源排擠效應擴大，記憶體供應緊張至 2027 年底
法人表示，AI 晶片需求強勁，正使半導體供應鏈資源逐漸向 AI 應用傾斜，記憶體、類比 IC、成熟製程及被動元件等領域，均已出現不同程度的排擠效應。
其中，記憶體產業因缺乏結構性新增產能，法人預估供給吃緊情況可能持續至 2027 年底。
Rubin 平台出貨與 ASP 面臨短期變數
不過，AI 供應鏈短期內仍存在不確定因素。法人指出，SK 海力士 HBM4 開發進度出現問題，加上 CoWoS 需要重新 Tape-out，以及散熱設計調整，預估 NVIDIA 下一代 Rubin 平台的出貨量可能低於年初市場預期。
此外，產品組合變化也可能使 NVIDIA 供應鏈在 2026 年第二季至第三季初，面臨部分產品平均售價（ASP）預期下修的壓力。上述影響仍取決於後續開發、封裝與產品出貨進度。
法人點名十家公司受惠
整體而言，法人仍將台積電列為首選標的，主要受惠於先進製程技術領先，並可能帶動半導體設備產業同步受惠。報告所點名的公司與領域如下：
| 領域 | 公司 |
|---|---|
| 晶圓代工與先進製程 | 台積電 |
| 半導體設備 | 鴻勁 |
| 測試介面與封測相關 | 穎崴、旺矽、頎邦 |
| ASIC 與 AI 晶片設計 | 聯發科、世芯-KY、創意 |
| 記憶體 | 南亞科、旺宏 |
從供應鏈角度來看，AI 基礎建設的下一階段競爭，除了持續提升運算效能，也將取決於先進封裝、電力供應、光互連、散熱與測試等環節能否同步擴充。S.P.O.T. 四大瓶頸是否能獲得改善，將是後續 AI 晶片量產與供應鏈擴張的重要觀察重點。
