近来市场对人工智慧（AI）是否已经「过热」议论不休，一派忧心资本支出过猛、投资报酬跟不上脚步；但摩根士丹利最新的产业报告提出另一个观察角度：与其听各方隔空论战，不如直接检视供应链的排队实况。从云端业者的资本支出，到晶圆代工、先进封装与测试设备的产能调度，只要这条队伍还没有明显缩短，就很难说 AI 需求已经退烧。

报告指出，若不计主权 AI 相关支出，全球前十四大上市云端服务商，到 2027 年的云端资本支出将逼近 1.3 兆美元。

这笔钱并非停留在财报数字，而是会层层转化：先进到伺服器与资料中心的采购，再化为 GPU、ASIC、CPU 与 HBM 的订单，最终落到台积电 (2330-TW) 的先进制程、CoWoS 封装与测试设备产能上。

在这样的需求支撑下，摩根士丹利预估台积电 2026 年资本支出将达 560 亿美元，2027 年再攀升至 750 亿美元；2 奈米需求依然强劲，N2 产能在 2026 至 2028 年间可能出现约七成的年复合成长。

值得留意的是，台积电并非靠降价抢单。报告提到，2027 年先进制程报价可能还会上调 5% 至 10%。涨价的同时仍持续扩产，反映出客户要的不只是一片晶圆，而是先进 AI 晶片稳定交付的保证。

随着 AI 晶片走向运算晶片、HBM、互连元件与基板得一起塞进同一颗封装，前段晶圆制造完成后，能否顺利把 GPU、ASIC 与 HBM 整合封装，反而成为交货与否的关键，这也让 CoWoS 与 SoIC 先进封装技术的重要性水涨船高。

依报告估算，台积电 CoWoS 产能将从 2025 年底的月产约 7 万片，扩增至 2026 年底的 12 万片，2027 年底更可能上看 20 万片；SoIC 产能同步攀升，预估 2026 年底达月产 1.4 万片，2027 年底 4 万片，2028 年底达 7 万片。

晶片面积愈做愈大，封装随之放大，测试时间也愈拉愈长，测试设备市场预估在 2024 至 2027 年间将以约 35% 的年复合成长率扩张。换言之，AI 晶片能否如期问世，往往不是卡在算力，而是卡在任何一道制程环节。

若只紧盯辉达，恐怕会低估这波 AI 半导体热潮的广度。报告显示，Google(GOOGL-US) 的 TPU、亚马逊 (AMZN-US) AWS 的 Trainium、微软 (MSFT-US) 的 Maia、Meta(META-US) 的 MTIA，以及超微半导体 (AMD-US) 的 MI 系列与各家客制化 ASIC，都在争抢先进制程与封装产能。

摩根士丹利预估，到 2027 年 AI 运算相关的晶圆消耗金额可能突破 460 亿美元，辉达仍是最大需求方之一，但 Google、超微、AWS、微软与 Meta 也各自占有一席之地。

这股趋势也反映在台积电自身的营收结构上。AI 半导体业务占台积电总营收比重，2026 年可能超过 30%，2024 至 2029 年 AI 相关营收年复合成长率估计约 60%。

这也说明云端业者并非押注单一路线，而是同时布局：

• 通用 GPU 持续追求最强训练与推理效能；
• 客制化 ASIC 力求压低自家工作负载的成本；
• AI CPU 则负责调度与资料搬运。
• HBM 和先进封装，把这些晶片真正连起来。

随着 AI 应用从单纯「回答问题」走向「执行任务」，CPU 的角色也愈加吃重。报告将 CPU 协同运算市场基本情境上修至 790 亿美元，乐观情境甚至上看 2380 亿美元。

AI 伺服器不只需要强大算力，也需要充足记忆体。报告估算，2027 年 HBM 消耗量最高可能达约 506 亿 Gb，辉达依旧是最大买家，但 Google、超微半导体、AWS 等业者同样分食供应。

此外 NAND 快闪记忆体需求也被 AI 拉紧，NOR Flash 到 2026 年恐面临供不应求，DDR4 短缺情况则可能延续至 2026 年下半年。

另一方面，中国的 AI 算力发展则走出不同路径。报告预估，中国 AI GPU 市场规模到 2030 年可能达到 910 亿美元，其发展逻辑并非单纯追求单颗晶片的效能突破，而是把晶片、封装、机柜、丛集与整体成本一并纳入考量。

单颗 die 效能不足，就封装更多 die；单颗晶片不够力，就扩大机柜与丛集规模；制造产能有限，就持续扩产。

在推论应用场景中，中国业者更看重总体拥有成本与每 token 成本表现，报告估算中国 AI 晶片的 TCO 可能比辉达方案低 30% 到 60%，每 token 成本甚至可能与辉达方案相当或更具优势。

AI 是否存在阶段性过热疑虑，市场上确实不乏质疑声音，资本支出过高、投资回收太慢、算力使用率不足，都是真实存在的担忧。

然而，从供应链端传出的讯号相对朴实。台积电持续加码资本支出、CoWoS 与 SoIC 月产能持续扩张、HBM 与 NAND 及测试设备供给仍在追赶需求、中国算力产业也以自己的一套系统打法向前推进。

换句话说，要判断 AI 热潮是否降温，不能只看单一颗 GPU 的销量，也不能只凭一句「算力过剩」的说法下定论，更值得观察的，是先进制程、先进封装、HBM、测试设备与资料中心机柜这些关键环节的排队情况是否真的松动。至少就目前而言，这张队伍依然很长。