全球人工智慧（AI）基礎建設浪潮帶動硬體需求大增，台灣主要電子代工業者相繼啟動大規模資金籌措計畫。包含鴻海、廣達與緯創等指標性大廠，近期陸續透過發行海外存託憑證或公司債等方式籌集資金，累計募資總額已超越新台幣 1,700 億元。
這次大規模資金調度的主要原因，在於 AI 伺服器供應鏈為了維持市場占有率，必須同時因應硬體規格升級帶來的備料資金壓力，以及加速進行全球化生產基地的產能擴建。
新一代平台規格躍升 備料與建置成本大幅增加
這波資金需求的核心，源自新一代 AI 伺服器平台在架構上的顯著升級。隨著加速晶片效能提升，運算運作時產生的熱能大增，促使系統散熱設計由過往的氣冷全面朝向液冷散熱（Liquid Cooling）技術發展。同時，記憶體配置也開始導入下一代高頻寬記憶體（HBM4）。
由於高頻寬記憶體（HBM）單顆成本昂貴，加上單一系統機櫃內的記憶體搭載總量持續增加，業界估算新架構伺服器的平均出貨單價將因而大幅上揚近九成。對代工廠而言，在完成成品交付並回收貨款前，必須先行支付高昂的零組件採購費用，營運資金需求因而顯著拉高。
矽光子與 CPO 技術崛起 高速傳輸鏈迎來擴產熱潮
除伺服器組裝端之外，資料中心內部巨量資料傳輸的瓶頸，也催生了新技術的應用需求。相關市場對矽光子（Silicon Photonics）與共同封裝光學（CPO）技術的需求持續走升，帶動光傳輸元件供應商接獲長期訂單。
此外，半導體大廠將微型發光二極體（Micro LED）技術導入共同封裝光學領域，也為台灣相關發光元件與光通訊模組業者帶來新的接單契機。供應鏈業者正加速調整廠房設備，積極卡位下一世代高速傳輸技術的升級紅利。
這代表什麼
這項趨勢代表全球 AI 產業已從軟體模型訓練，全面邁入極具資本密集特性的硬體基礎建設期。台灣代工大廠雖然拿下全球絕大多數的高階 AI 伺服器訂單，但在目前全球相對高利率的環境下，大幅增加的材料週轉資金也帶來了更高昂的財務成本。伺服器單價顯著提升，意味著企業需要更雄厚的資本才能參與競爭，這將加速產業資源向頭部大廠集中。
對台灣中小企業與非 AI 產業的管理者而言，AI 基礎建設的擴充雖然有助於未來雲端運算資源的普及，但短期內大量的資本與零組件產能被 AI 設備吸納，可能會導致一般通用型伺服器或網路設備的採購成本上漲、交期延長。企業在規劃未來的資訊系統升級計畫時，需將設備取得時間與資金成本納入評估。
背景補充
高頻寬記憶體（HBM）是一種將多層動態隨機存取記憶體（DRAM）透過矽貫孔技術垂直堆疊的高階記憶體架構。與傳統記憶體相比，高頻寬記憶體具備更寬廣的資料傳輸通道與更高的傳輸速率，能有效解決大型語言模型（LLM）運算時資料傳輸卡頓的問題，但生產製程複雜且成本相對昂貴。
共同封裝光學（CPO）則是為了解決傳統電子訊號透過銅線傳輸時，在超高傳輸速率下發生的嚴重訊號衰減與發熱問題。這項技術直接將光學轉換元件與運算晶片一同封裝在相同的基板上，將電訊號轉為光訊號傳輸，進而達到降低延遲、減少功耗並提升傳輸效能的目的，是未來高階資料中心網路的核心技術之一。
常見問題
為什麼台灣 AI 伺服器代工廠近期需要大舉籌資？
主因是新一代伺服器採用高價的高頻寬記憶體與液冷散熱系統，使產品單價大幅提升，代工廠需要更龐大的營運資金進行零件備料與全球擴產。
什麼是共同封裝光學（CPO）技術？
共同封裝光學是將光學元件與運算晶片直接封裝在同一基板上的技術，能大幅縮短訊號傳輸距離，達到降低功耗與提升傳輸效率的效果。
新架構 AI 伺服器對台灣企業設備採購有何影響？
隨著龐大資金與產能偏向 AI 高階伺服器，短期內可能造成一般通用型伺服器與網路設備的供應緊縮，導致採購成本增加或交期延後。