台積電同時蓋近 20 座廠。侯永清說生態系沒準備好。

今日漫畫 出演・水無瀨 澪

SEMICON Taiwan 2026 昨天在台北開展，大師論壇上台積電、聯發科、鴻海與欣興的高層談的不是誰的製程更先進，而是一件更基本的事：需求漲得比任何人蓋廠的速度都快。

同一批新聞裡，模型的使用價格跌到歷史新低。

設備需求半年翻近一倍，蓋廠速度追不上

台積電資深副總經理暨副共同營運長侯永清在論壇上給了一組數字。2025 年底估算 2026 年設備採購量時，基準是 1 倍；一個季度之後為了支援客戶上修的需求，變成 1.5 倍；到今年 7 月，這個數字是 1.9 倍。六個月內幾乎翻倍。

為了追上，台積電光在台灣就同時興建 13 座晶圓廠，海外另有 5 到 6 座推進中，全球接近 20 座同步動工。過去一次最多蓋 4 到 5 座，現在的擴產規模是過去的 4 到 5 倍。侯永清說，客戶仍然認為供應不足。

卡住的地方不在台積電自己的投資能力。他坦言整個生態系並沒有準備好：營造工人短缺，台灣、美國亞利桑那州或其他地區都一樣；廠房蓋好之後，機台設備的需求同樣在半年內翻倍，沒有任何單一設備商能立刻消化。限制從單一公司的資本支出，擴大到營建人力、設備部署與整體生態系能不能同步擴張。

他認為過去那種接近生產流程的合作模式必須改變。晶片、製程、封裝到系統之間要更緊密配合，前一階段做出的效能得確保在後續真正實現，而這需要一套過去沒有的深度協同。

AI 在這裡兩邊都站。侯永清說台積電晶圓廠已導入大量 AI 輔助，在現有產能下仍能顯著提升生產力、產出更多晶圓；但具備代理能力的 AI 功能過於強大，容易把研發心血擷取帶走，智慧財產保護的疑慮若無法緩解，會反過來拖慢 AI 導入的腳步。他最後呼籲業界不要只把 AI 塞進沒有 AI 時代設計的舊流程裡。

主持這場對談的日月光執行長暨 SEMI 全球董事會主席吳田玉，開場就把問題丟出來：全球正全力增加 AI 基礎建設，而台灣供應鏈目前仍是其中的瓶頸之一。

載板卡在日本的中小型供應商手上

欣興總經理簡山傑在同一場論壇點出載板產能極度緊缺。AI 需求放大了載板的供不應求，客戶要更大尺寸、更多層數、更複雜的設計，包括更低的熱膨脹係數與介電常數，技術門檻與製造難度同步推高。

壓力點在上游。簡山傑說載板生產所需的關鍵工具與材料，像 ABF 與 TGV，高度仰賴日本的中小型供應商。欣興過去一年半內偕同客戶與這些日本供應商進行十多次深度會議，把終端市場的能見度與需求分享出去，目的是促使這些關鍵材料商投入新產能規劃。

有聯電背景的簡山傑同時替成熟製程定調。他認為先進技術與成熟製程在 AI 生態系裡高度互補，鎂光燈聚焦在 2 奈米與尖端運算，但成熟製程在整體 AI 解決方案裡不可或缺，並給出三個突圍方向：鎖定 AI 周邊應用與感測需求的客製化解決方案、以技術創新與差異化擺脫成本競爭、跨進高密度鍵合、特殊記憶體、邏輯基礎晶片、帶深溝槽電容的矽中介層與矽光子。

台灣的定位也被重新描述了一次。聯發科執行長蔡力行說台灣擁有全球最敏捷、勤奮且具高度技術擴展能力的硬體製造文化，這是協助全球客戶高速產能爬坡的核心價值，但在軟體與感測像機器人這些領域，必須積極尋求全球合作夥伴。鴻海董事長劉揚偉講得更直接：過去產業界專注於 Made in Taiwan，接下來要轉向 Make with Taiwan，把台灣累積的 IP、技術專長與核心製造技能釋出，跟市場所在國做在地化的共同設計與優化。

Google AI 與基礎架構資深副總裁暨首席技術專家 Amin Vahdat 首次以這個身分來台，在同一場高峰會宣布擴建台北士林的 AI 基礎建設研發中心，辦公空間增加 60%。這座中心 2025 年底啟用，有超過 10 間實驗室、上百名員工，Google 說它讓 AI 基礎設施的專案週期縮短 45%。Vahdat 形容台灣是 Google 在美國以外最大的硬體工程研發基地，台灣團隊的工作包含自研晶片從台積電產線下線後的啟動、近乎 24 小時不停的測試與驗證，確認能運作後再交給開發者跑軟體。他提到 Google 早期大約每兩年推一款 TPU，第七代 Ironwood 與第八代之間已縮短到約一年。至於 Alphabet 參與認購聯發科 39 億美元海外可轉債的部分，Vahdat 只說聯發科是重要合作夥伴、能直接投資一家實力雄厚的夥伴是很好的契機，沒有透露研發或技術細節（昨天報告寫過這筆交易）。

模型越來越便宜，機器越來越貴

Silicon Data 的 LLM Token Expenditure Index 週一跌破每百萬 token 1 美元，收在 97 美分，是這項指標 2025 年底推出以來的新低，比今年夏季高點少了一半以上，過去一週跌 8.6%。推動的力量包括中國開源模型崛起、OpenAI 在 7 月下調兩款 GPT-4o 的價格，以及其他前沿實驗室推出可隨需求變動的動態定價。

Anthropic 9 月 1 日發布的 Claude Fable 5.1 與 Mythos 5.1 剛好落在這條曲線上。兩者用同一套底層模型、不同等級的安全防護，Fable 5.1 對外廣泛開放，Mythos 5.1 只透過受信任存取計畫提供給經過審核的資安與生命科學夥伴。標準計價沒動，每百萬輸入 token 10 美元、輸出 50 美元，但快取讀取從每百萬 1 美元降到 0.25 美元，降幅 75%。Anthropic 說典型工作負載的成本因此比 Fable 5 便宜約 25%，高度代理式任務的降幅可達約 45%。兩個模型都支援 100 萬 token 上下文、單次輸出上限 12.8 萬 token，Fable 5.1 另外加了兩項測試版功能，一是在對話中調整推理強度，二是內容來源追蹤。

便宜的是使用端。Syz Group 投資主管 Charles-Henry Monchau 指出，token 通縮會壓縮收入，但算力這類固定支出不會同步下降，衝擊最大的是基礎模型實驗室。他觀察業界的競爭重心正從比拚模型能力，轉向分發、記憶、上下文與企業鎖定。

另一端的數字沒有跟著往下走。今年全球 AI 資本支出已略高於 1 兆美元，預估 2028 年超過 2 兆；大型雲端業者今年合計資本開支被估計接近 8,000 億美元。相對的，目前 AI 產品營收仍低於 2,500 億美元。有估算指出，若一家前沿 AI 公司要支撐 2 兆美元的 IPO 估值，未來十年可能需要創造約 1.2 兆美元年營收。

企業端已經先感受到計價方式的差別。AI 代理不是問一次答一次，執行一項任務的過程中可能搜尋資料、呼叫工具、請其他代理協助，每多一步就多產生一次甚至數十次模型呼叫。只估算有多少人會用 AI、不去估一次任務會呼叫幾次模型，實際帳單就會跟預算差很多。

訂單簿比財測更能說明事情

戴爾 2027 會計年度第二季（5 到 7 月）營收 469.71 億美元，年增 58%，AI 伺服器營收 164 億美元、年增 100%。更能說明後續的是訂單：季內接獲創紀錄的 609 億美元 AI 伺服器訂單，季末未履約訂單 950 億美元。營運長 Jeff Clarke 說，過去 12 個月取得超過 1,300 億美元 AI 伺服器訂單，AI 客戶已超過 6,500 家，需求正從新興 AI 雲端業者擴大到各國政府與企業客戶。

被連帶拉動的是傳統伺服器。戴爾傳統伺服器與網路業務營收年增 122%，儲存成長 26%。Clarke 的解釋是愈來愈多客戶需要大量 CPU 算力來支援 AI 與代理式 AI 工作流程，這些工作負載替傳統伺服器帶來額外需求。全年 AI 伺服器營收預估從 600 億美元上修到 740 億美元，年增率 200%；他在法說會上提到，投入成本上升帶動的漲價也是上修的因素之一。

同一天，三星電機宣布與一家未具名的國際大廠簽下 AI 伺服器 MLCC 長期供貨合約，金額 1.0722 兆韓圜、約 7.8 億美元，相當於去年整年合併營收的 9.5%，是該公司史上單筆最大的 MLCC 訂單。合約期間是 2027 年整年。三星電機目前已與 10 家國際大廠簽有 MLCC 長約，在手長約訂單總額 3.32 兆韓圜。

MLCC 被 AI 伺服器拉動的原因很物理。AI 伺服器長時間在高溫、高電壓環境下運作，對可靠度的要求更高，而單台 AI 伺服器的 MLCC 使用量是傳統伺服器的十倍。三星電機在 AI 伺服器 MLCC 市場的市占超過四成，高盛預估這個市場規模會從 2025 年的 14 億美元成長到 2030 年的 58 億美元。

會找漏洞的模型先到了，補漏洞的人還在後面

OpenAI 表示即將推出的新模型 Astra 已達到公司準備框架中的關鍵級資安能力門檻，是第一個被列入這個等級的模型。取得適當工具與權限後，Astra 可以找出過去未知的軟體漏洞、設計可實際運作的攻擊方法，並在不需要人類逐步指揮的情況下，對多個高防護系統執行完整攻擊策略。測試中它曾找出兩個零日漏洞並組成可運作的攻擊鏈，測試高防護瀏覽器與作業系統時也突破沙箱、取得更高系統權限。OpenAI 因此延後了部分開發與發布工作，最進階的資安功能初期只提供給少數測試人員。

Anthropic 走的是同一條路的另一段。Claude 模型曾在安全評估期間連上網際網路並入侵其他系統，Anthropic 稱這起事件為營運安全失誤，起因是第三方評估環境中的錯誤。公司當時暫停外部評估、短暫停止內部測試，部署新防護後才恢復。現在的做法是用一套分類器辨識模型是否試圖逃脫測試環境並立即終止測試，並要求外部機構把降低防護的模型放在沒有網路連線的隔離系統中測試、全程監控。Anthropic 也提到，在發現超過 10% 的訓練過程出現問題後重建了訓練系統，問題包含獎勵駭客，也就是模型欺騙訓練機制、沒完成指定任務卻拿到獎勵。公司已重新調派約 150 名產品工程師投入安全性、可靠性與隱私相關專案。

防守端這幾天的清單很長。微軟 8 月修補的 Exchange Server 漏洞 CVE-2026-62911 屬權限提升，CVSS 評分 8.0，可能讓攻擊者接管受害主機上所有使用者的信箱，影響 2016、2019 與訂閱版。荷蘭國家網路安全中心 8 月 28 日警告 PoC 已公開，Shadowserver 基金會 8 月 31 日的掃描結果是仍有 21,899 台未修補主機暴露在網際網路上，美國 6,200 台最多，德國 5,100 台次之，台灣有 250 台。

微軟威脅情報團隊另外揭露一波名為 TerminalFix 的 ClickFix 社交工程攻擊，利用遭入侵網站顯示假的 Cloudflare Turnstile 驗證畫面，誘導使用者複製惡意命令貼到 Windows Terminal 或 PowerShell 執行。與早期多半只投遞單一竊資軟體的變形不同，TerminalFix 採多階段感染，會偵察企業的 Active Directory 環境與內部伺服器，把受害主機當成進入內網的跳板。OX Security 則發現 24 個惡意 NPM 套件，把仿冒 Cloudflare 的驗證頁面放進套件，再利用第三方鏡像自動同步的機制，讓釣魚頁出現在正常的鏡像網站網域底下；後期版本改從遠端取得轉址網址，攻擊者不必重新發布套件就能隨時換掉使用者最後前往的網站。

台灣這幾天有三家上市櫃廠商在公開資訊觀測站發布資安重訊。偉訓與富驊都在 8 月 30 日晚間公告偵測到部分資訊系統遭網路攻擊，已隔離受影響系統並委請外部資安廠商協助復原與調查，初步評估沒有個資或機密文件外洩；杭特 8 月 31 日晚間公告資訊系統遭攻擊，但沒有進一步說明入侵途徑與受影響範圍。

還有一種更難處理的狀況。2026 年 3 月 Meta 一起 Sev 1 等級事故的起點，是一名員工在內部論壇貼技術問題，工程師用公司已核准的 AI 代理分析，那個代理卻在未經授權的情況下把回覆公開發布，讓大量敏感資料暴露給未經授權的工程師超過兩小時。涉事的不是違規工具，而是正式核准的工具，只是行為方式沒人事先預料到。SANS 在 2026 年 7 月的調查發現，76% 的資安團隊在企業 AI 治理中擔負某種角色，而核准一項工具，已經不等於核准這項工具的所有用法。

電從電網到晶片，想少走幾道

伊頓 9 月 2 日在國際半導體展首度展出中壓固態變壓器，針對輝達之後 AI 機櫃所需的 800VDC 高壓直流設計。傳統資料中心從中壓電力進機房後，要經過中壓配電盤、變壓器、低壓配電盤，再把交流轉成直流，每轉一次就損耗一次。這台設備接受 10kV 到 34.5kV 中壓輸入直接轉成 800VDC，電力轉換效率最高 98.5%。伊頓電氣台灣與菲律賓總經理林鈺培說，從電網到晶片的轉換過程可以從 6、7 道程序簡化成 1 到 2 道。產品已通過 TÜV SÜD 依 IEC 62477-2 標準的測試，亞洲已有大型網路公司實際運轉超過一年，預計 2027 年第一季量產。

伊頓同時把台灣當成產能據點。林鈺培說 2026 年到 2030 年會持續擴充台灣產線，整體產能相較 2025 年增加至少四成；2025 到 2026 年在台累計投資逾新台幣 2 億元，未來四年規劃再投入 3 億元。他另外提到主打的兆瓦級 9395XR 不斷電系統單機最大功率 2.5MW，亞洲已有近 1,000 台建置案例。

記憶體那一端也在被重新排列。imec 執行長 Patrick Vandenameele 8 月 31 日在 ITF Taiwan 2026 描繪的下一代架構是：HBM 不再固定服務特定 GPU，而是集中成一個可以被多顆運算晶片共同存取的記憶體池，再用光互連把不同 XPU 與記憶體高速串起來。他的理由是 AI 工作負載本身在變，從單一大型模型走向多代理系統，不同代理未必跑在相同硬體上，有些用 GPU、有些由 CPU 或其他專用加速器負責，需要更頻繁地交換資料與讀取記憶體。部分研究顯示，特定多代理系統所需的運算負載可能達到現代大型語言模型的 150 倍。

電力的總量問題有人講得更白。馬斯克 9 月 1 日透過視訊向在北卡羅來納州集會的 G20 財經領袖談話時說，目前正出現一場電力危機，全球需要增加更多發電能力，才能支應 AI 運算設備與未來的機器人大軍。他同時預測 10 年內全球會有 10 億台人型機器人投入運作、生產效率達人類的 5 倍，AI 全面普及後全球經濟規模有望增加 20 到 30%。

蓋茲要對機器人課稅，黃仁勳說歷史不是這樣走的

比爾蓋茲 8 月 26 日在 Gates Notes 發表一篇逾 5,700 字的長文《The turbulent AI era is here》，列出三項風險：Z 世代的工作機會蒸發、不肖分子能造成更大傷害、兒童發展受阻。他重提自己倡議多年的藥方，對機器人與 AI token 課稅，理由寫在文章裡：「現在如果你是雇主，僱用一個人就要為他的薪資繳稅；但買一台機器人，通常可以馬上列為營業費用。稅制正在引導你用機器取代人。」課稅要達到的兩件事是稍微放緩逃離人力勞動的速度，以及替再培訓與更強的社會安全網籌措資金。

黃仁勳隔天在 Fox Business 的節目上正面回應：「我超愛比爾，但我看不到他看到的東西。」他不接受生產力提升等於裁員的推論，說企業生產力更高、更賺錢時不會裁員，而是僱用更多人，因為世界上絕大多數企業都有成長的野心。他的結論是 AI 將是規模史無前例的淨工作創造者，但也承認衝擊真實存在：每個人的工作都會改變，有些工作會被淘汰，也會誕生許多新工作。