科技巨頭 Alphabet 旗下 Google 傳出將大幅調升資本支出至約 1,950 億至 2,050 億美元，並加快新一代人工智慧（AI）模型的推出腳步。這波龐大的基礎建設投資帶動了對高效能算力設施的需求，也為台灣的 AI伺服器 代工廠與半導體晶圓代工供應鏈注入強勁成長動能。
雲端巨頭擴大硬體投資 自研晶片與 GPU 雙軌並進
為了因應日益龐大的軟體運算需求，Google 計劃在今年底提早推出 Gemini 4 大型語言模型（LLM），同時大幅擴增自研張量處理器（TPU）以及輝達（NVIDIA）圖形處理器（GPU）伺服器的建置規模。透過軟硬體同步優化的策略，硬體設備的拉貨力道呈現倍數擴張。
台灣代工大廠接單熱絡 晶圓代工產能面臨考驗
在伺服器硬體組裝方面，包含鴻海、緯創、廣達、英業達與仁寶等台灣主要代工製造商，皆接獲相關運算托盤與主機伺服器的訂單。另一方面，上游先進製程晶片製造同樣供不應求，市場預計明年 TPU 於台積電與英特爾（Intel）等代工夥伴處的投片量將翻倍增加，帶動整體半導體供應鏈產能持續維持高檔運作。
這代表什麼
這項趨勢凸顯了全球科技大廠對於基礎算力設施的投資力度並未放緩，反而從單純的軟體研發進入大規模基礎建設期。對台灣產業界而言，從最上游的半導體晶圓代工、先進封裝，到中下游的伺服器零組件與硬體組裝，完整且高效率的供應鏈體系已成為國際巨頭無法替代的合作夥伴。
對於中小企業主與一般專業人士來說，這意味著雲端服務商正在鋪設更龐大的運算基底。隨著 AI伺服器 與 AI 晶片產能擴張，未來終端企業在使用 Gemini AI 或各類雲端運算服務時，將能獲得更穩定、快速且成本逐漸優化的算力支援，有助於企業內部加速導入自動化與數位轉型應用。
背景補充
在生成式 AI 的發展過程中，雲端服務供應商（CSP）需要部署大量包含 GPU 與自研 ASIC（特定應用積體電路）的伺服器，才能進行複雜的深度學習訓練與推理運算。Google 發展自研 TPU 晶片行之有年，藉由軟硬體的高度整合，能精準提升特定 AI 模型的運算效率，同時降低對單一晶片供應商的依賴並控制長期營運成本。
隨著競爭對手紛紛擴大資本支出以維持技術優勢，各家大廠為了確保模型訓練速度不落後，必須提前向台灣晶圓代工與組裝代工廠預訂產能，從而形塑了目前整個半導體與電子代工產業鏈持續熱絡的榮景。
常見問題
Google 為什麼大幅增加資本支出？
主要為了建置龐大的 AI 算力基礎設施，以支援 Gemini 系列大型語言模型的開發運載，並擴充自研 TPU 與 GPU 伺服器規模。
這波 AI 伺服器建置對台灣產業有何影響？
從上游晶圓代工、先進封裝到中下游伺服器主機組裝，台灣相關供應鏈大廠皆因預訂產能與設備訂單而迎來強勁成長動能。
中小企業如何看待雲端巨頭擴大 AI 建設？
底層算力設施的普及與升級，將降低未來使用高效能雲端 AI 工具的門檻與成本，有利於企業後續導入智慧化應用。