快速入門：AI 供應鏈一頁總覽
AI 供應鏈大致分三層：上游（供給端）晶片設計與製造、先進封裝、記憶體、伺服器代工；中游（雲端／運算基礎設施）CSP 與 GPU 雲端業者；下游（需求端）AI 實驗室與模型開發商。資金與需求由下游往上游傳導，本站依這個傳導鏈由需求端往上游排列章節。
四大 CSP（微軟、Alphabet、亞馬遜、Meta）2025 年全年資本支出合計約 4,100 億美元，2026 年 guidance 合計上調至約 7,250 億美元（YoY +77%）。資金依序流向 GPU/AI 晶片 → 先進封裝（台積電 CoWoS）→ 伺服器 ODM 組裝 → HBM 記憶體 → 資料中心建設與電力。資料來源：Financial Times 彙整／Tom's Hardware 轉載（2026-04-30）。
如何使用本站
- 本站對齊底層產業地圖，涵蓋 144 家 正式收錄公司、29 個 分類鍵，架構為 1 個快速入門 + 14 個產業章節 + 3 個附錄（名詞速查表／研究員追蹤指標／資料來源），左側導覽共 18 個區塊。左側導覽依「需求端 → 晶片層 → 上游 → 系統層 → 新興環節」五大 Tier 排列，對應資金從下游往上游傳導的順序，建議依序閱讀。
- 每個環節小節統一包含七個元素：環節角色、主要產品、關鍵技術、護城河、代表公司定位卡片、研究員追蹤指標、2025-2026 關鍵動態。
- 公司卡片上的股票代號依地區上色：US 美股藍、TW 台股綠、JP 日股紅、N/A 灰色代表 roster 中 ticker 為 N/A 或未提供代號的公司（如未上市的 OpenAI／Anthropic／xAI，或日本國家隊 Rapidus）。
- 記憶體章節中的 SK 海力士、三星並非 144 家正式名單成員，屬於「補充脈絡・非地圖成員」的背景公司，卡片會以紫色邊框（
.card-supplementary樣式）與專屬 badge 明顯區分，讀者不應將其計入 144 家公司數。 - 144 家公司實際顯示為 145 張卡片：邁威爾科技（MRVL）因橫跨晶片設計（客製 ASIC）與網通／光通訊（交換器 ASIC、DSP）兩條產品線，在「晶片設計」與「網通／光通訊」兩章各收錄一張定位卡片，是全站唯一重複收錄的公司，公司數與卡片數之間 +1 張的差異即由此產生。
- 部分公司卡片因素材未直接涵蓋，改依 roster 的 role 欄位改寫並標示「待補研究」，提醒讀者這是初稿、有待後續查證補強，而非正式深度研究結論。
- 捲動時左側導覽會自動高亮目前所在章節；可用左上角搜尋框輸入關鍵字，頁面中符合的段落會被標色。
- 所有引用連結皆可點擊、於新分頁開啟，來源包含公司官方財報／新聞稿、SEC 文件、TrendForce、Nikkei 等產業媒體。
- 本站內容依十份研究檔（research-01 至 research-10）整理，查證截止日 2026-07-04，任何多來源矛盾或未證實的數字均如實標註，不代為判斷孰是孰非。
第一層：需求端——AI 模型與雲端（Tier 1）
AI 實驗室／模型
環節角色
AI 供應鏈的下游需求方，是算力的最大買家，透過巨額長期合約向 CSP 與 GPU 雲端業者採購運算容量，並將需求進一步傳導至上游晶片、伺服器與記憶體供應商。軟銀集團則是連結資本市場與 AI 實驗室的關鍵資本掮客，透過直接投資與 Vision Fund 主導了 OpenAI 多輪募資。
主要產品
OpenAI：ChatGPT（消費端訂閱）＋ API 雙軌商業化。Anthropic：Claude API 與企業合約為主要收入來源，輔以 Claude Pro/Max/Team 與 Claude Code。xAI：Grok 大模型，深度整合進 Tesla 與 X（Twitter）平台。軟銀：不開發大模型，透過 Vision Fund 對 OpenAI 等進行大規模股權投資，並透過 Arm 提供 AI 晶片 IP 授權、透過收購 Ampere Computing 切入伺服器 CPU 設計。
關鍵技術
訓練 vs 推論的採購策略差異：訓練階段傾向集中採購巨量算力（長期合約鎖定容量），推論階段則更依賴分散式、彈性的雲端容量。GPU 租賃模式：透過與 CSP/GPU 雲端業者簽訂多年期、數百億美元級合約取得算力，而非自建資料中心。大模型商業化路徑分歧：OpenAI 消費端訂閱佔比較高（第三方估算約六至七成），Anthropic 則以企業/API 為主（第三方估算約八成）。
護城河
規模／資本：募資規模屢創新高，資本可及性直接決定能否維持算力軍備競賽。生態系：微軟透過 Azure＋Microsoft 365＋OpenAI 技術夥伴關係建立多層次生態綁定。資料：Google、Meta 具備內部專有資料飛輪優勢，OpenAI/Anthropic/xAI 則主要依賴公開網路資料與 RLHF。開源 vs 封閉策略：Meta 的 Llama 開源策略在 2025 年底至 2026 年中出現多次路線搖擺的報導，反映開源模式在商業化壓力下的不確定性。
代表公司定位
AI 實驗室（ai_lab）
研究員追蹤指標
- OpenAI/Anthropic/xAI 的募資輪次、估值與投資人結構變化。
- 與 CSP/GPU 雲端業者的長期算力採購合約金額（合約承諾 vs 實際履約進度的落差）。
- ARR/營收數字（多來源常互相矛盾，需並列呈現、勿代為判斷）。
- 軟銀 NAV（資產淨值）與 Vision Fund 獲利，以及 Arm AGI CPU 量產進度。
- Meta Llama 開源 vs 閉源策略的動態拉鋸。
2025-2026 關鍵動態
- OpenAI 與 Oracle 簽訂 300 億美元、五年期雲端合約（2025-09），與 CoreWeave 合約累計最高達 224 億美元；與微軟關係於 2025 年 10 月重組，微軟持股稀釋至約 27%。
- Anthropic ARR 成長軌跡從 2025 年底 90 億美元快速攀升至 2026 年 5 月約 470 億美元（另一來源稱同期 440 億美元）；與 AWS 合作擴大至 Amazon 累計最高 330 億美元股權投資；與 Google Cloud 合作最高 100 萬顆 TPU。
- xAI Colossus 資料中心算力規模擴增至約 55.5 萬顆 Nvidia GPU（2026-02），規劃擴充至 100 萬顆。
- 軟銀於 2026-02-27 再簽署透過 Vision Fund 2 追加投資 OpenAI 300 億美元；FY2025 年度末對 OpenAI 帳面浮盈達 450 億美元。
- Stargate 計畫：軟銀承諾 190 億美元、持有合資企業 40% 股權，首期規模 1,000 億美元，計畫至 2029 年擴大至 5,000 億美元。
- 資料來源：Bloomberg OpenAI 852B 估值、Anthropic Series H 官方公告、xAI Series E 官方新聞、SoftBank 官方新聞稿
雲端／軟體平台
環節角色
中游算力供給方，承接 AI 實驗室的巨額需求，並將需求進一步傳導至上游晶片、伺服器與記憶體供應商。CSP 透過既有企業客戶關係與雲端服務生態將 AI 服務嵌入既有採購流程；部分公司同時自研 AI 晶片（TPU、Trainium）強化中游地位。
主要產品
微軟：Azure 雲端服務＋OpenAI 技術夥伴關係＋Copilot AI 產品線。字母控股/谷歌：Google Cloud＋自研 TPU（Trillium/Ironwood）＋Gemini 模型家族。亞馬遜：AWS＋自研 Trainium 晶片＋對 Anthropic 的策略投資。Meta：不對外銷售雲端算力，資本支出全數投入自用 AI 基礎設施，開源 Llama 模型生態。甲骨文：OCI 雲端算力出租商，成長引擎為對 AI 實驗室的巨額算力承購合約。帕蘭泰爾：AIP 平台將大模型能力封裝進企業與政府決策工作流。CoreWeave：專注出租 Nvidia GPU 算力。富士通：Uvance 品牌 AI 伺服器/資料中心合作案。
關鍵技術
訓練 vs 推論的採購策略差異；GPU 租賃模式造成 CoreWeave、Oracle OCI 等業者 RPO（剩餘履約義務）暴增；「記憶體占比上升」——記憶體到 2027 年將佔 hyperscaler capex 近半（機構預估）。
護城河
規模經濟：資本支出門檻極高，單一 CSP 年度 capex 已達千億美元級。生態系綁定：CSP 透過既有企業客戶關係與雲端服務生態嵌入既有採購流程。資料飛輪：Google（搜尋數據）、Meta（社群數據）具有內部專有資料優勢。資本可及性：能否取得低成本、大規模資本直接決定能否維持算力軍備競賽。
代表公司定位
雲端服務巨頭（cloud_hyperscaler）
軟體平台（software_platform）
研究員追蹤指標
- 四大 CSP 季度／年度資本支出與 guidance 變化。
- CSP 的 RPO（剩餘履約義務/積壓訂單）——反映未來收入能見度。
- Nvidia 資料中心營收 vs CSP capex 的擷取率。
- HBM/記憶體漲價對 capex guidance 的影響。
- Token 用量與 API 營收成長（多數公司未逐項官方揭露）。
2025-2026 關鍵動態
- 四大 CSP 2025 年全年資本支出合計約 4,100 億美元，2026 年 guidance 合計上調至約 7,250 億美元（YoY +77%）。
- 微軟 FY2026 資本支出 guidance 上調至約 1,900 億美元（其中約 250 億美元歸因於記憶體/零組件漲價）。
- Alphabet FY2025 全年實際 capex 914 億美元，2026 年 guidance 上調至 1,800-1,900 億美元。
- 亞馬遜 FY2025 全年 capex 約 1,318 億美元，2026 年 guidance 約 2,000 億美元（YoY 約 +52%）。
- Oracle 與 OpenAI 300 億美元合約於 2025 年 12 月傳出資料中心建設延遲爭議，Oracle 已正式否認。
- 資料來源：Tom's Hardware 彙整 Big Tech AI 支出、CNBC 微軟財報、DCD 亞馬遜 capex
2026-07 擴增名單
第二層：晶片層（Tier 2）
晶片設計／EDA／IP
環節角色
AI 晶片設計環節可拆成四種商業模式：通用型 GPU（Merchant Silicon，如輝達、超微）、客製化 ASIC/XPU（CSP 自研，如 TPU/Trainium）、客製化設計服務/NRE/Turnkey（博通、世芯-KY、創意電子，幫 CSP 把規格變成可量產晶片）、EDA 軟體/IP 授權（新思科技、益華電腦、安謀，向所有下游收租，是最上游、最不需選邊站的位置）。
主要產品
GPU 世代：NVIDIA Blackwell → Blackwell Ultra → Rubin；AMD Instinct MI300 → MI350/MI355X → MI400(Helios)。ASIC/XPU：Google TPU「Ironwood」（2026-04 GA）、AWS Trainium3、Meta MTIA（四個世代）、Microsoft Maia 200（Braga）。BMC：信驊科技 AST2700。IP 授權：ARM 兩段式收費（授權費＋權利金），CSS 與自有品牌 Arm AGI CPU。
關鍵技術
架構演進：GPU 陣營走年度迭代（Rubin→Rubin Ultra「Kyber」→Feynman）；Chiplet 小晶片；互連技術 NVLink/NVLink Fusion vs UALink（博通已退出 UALink）；CUDA 生態系（NVIDIA 官方／自稱開發者數量超過 600 萬人，但研究檔查證時未找到可獨立驗證的第三方一手來源，此數字僅為 NVIDIA 自身宣傳材料所稱，AMD ROCm 7 為主要挑戰者）。
護城河
軟體生態鎖定（CUDA）；客戶轉換成本（ASIC 陣營一旦導入生產環境即深度綁定）；設計服務的客戶黏著度（博通、世芯-KY、創意電子）；EDA 雙寡占（新思科技與益華電腦合計掌握全球 EDA 市場約 85% 份額，估計值）。
代表公司定位
通用運算晶片（chip_compute）
客製化ASIC設計（asic_custom）
特殊規格IC（ic_specialty）
感測器與微控制器（sensor_mcu）
EDA軟體與IP授權（eda_ip）
研究員追蹤指標
- CSP 資本支出（capex）指引與逐季實際支出，台積電 CoWoS 先進封裝產能擴充節奏。
- NVLink Fusion vs UALink 陣營站隊動態。
- 世芯-KY、創意電子月營收 YoY、單季毛利率（NRE vs Turnkey 比重）。
- 博通 AI 語意營收逐季實際數 vs 財測；ARM 權利金營收年增率。
- SNPS/CDNS 中國營收占比與出口管制政策動向、在手訂單規模。
2025-2026 關鍵動態
- Google/Anthropic 於 2025-10-23 宣布最高 100 萬顆 TPU 雲端算力合作案。
- 博通 2026 財年 Q2 AI 營收達 108 億美元、年增 143%；OpenAI 與博通合作首顆客製化推論晶片「Jalapeño」於 2026-06-24 發表，僅耗時 9 個月流片。
- Microsoft Maia 200（Braga）延遲約半年後於 2026-01-26 正式發表。
- 美國商務部於 2025-05-23 對 EDA 軟體輸往中國實施出口管制，7 月 2 日撤回。
- 世芯-KY 2026 Q1 毛利率衝上逾 50% 歷史新高；聯發科上修 2026 年資料中心 ASIC 營收財測至超過 20 億美元。
- 資料來源：NVIDIA Newsroom Blackwell Ultra、CNBC 博通財報、ARM Newsroom Q4 FY26
2026-07 擴編名單（二）
晶圓代工
環節角色
半導體供應鏈中「純代工」核心環節：代工廠依 IC 設計公司或 IDM 的電路設計圖，用自有晶圓廠將矽晶圓製造成實體晶片。資本密集度最高、技術門檻最陡峭，先進製程產能直接決定 NVIDIA、AMD 等 AI 晶片公司出貨速度。
主要產品
依製程節點分級提供服務，從成熟製程（28nm、22nm）到最先進邏輯製程（3nm、2nm），並搭配先進封裝服務形成完整解決方案。
關鍵技術
FinFET → GAA（環繞式閘極/奈米片電晶體）：2nm 世代起產業轉向 GAA nanosheet 結構；EUV/High-NA EUV 微影：由荷蘭 ASML 獨家供應；節點演進脈絡：N3 → N2（2nm，GAA 首次量產）→ A16（1.6nm）→ A12/A13（規劃 2029 年）。Intel 路線圖：18A（首度採用 GAA「RibbonFET」+背面供電「PowerVia」）→ 14A。
護城河
製程領先與時間差：台積電目前是唯一能穩定量產 2nm 並同時服務全球主要 AI 晶片客戶的代工廠。良率學習曲線；資本門檻：單一先進製程晶圓廠造價可達數百億美元量級；客戶綁定與生態系：tape-out 後轉換代工廠成本極高；地緣政治溢價：美、日透過補貼扶植本土產能。
代表公司定位
研究員追蹤指標
- 台積電先進製程營收占比與資本支出 guidance（每季法說會）。
- N2/A16 實際良率趨勢（公司通常不公布精確數字，需交叉比對供應鏈與分析師推估）。
- CoWoS 等先進封裝產能擴充進度。
- Intel Foundry 外部客戶營收與虧損收斂速度、18A/14A 良率與客戶簽約進展。
- 聯電與 Intel 合作認證進度、Rapidus 試產良率與客戶擴增狀況。
- High-NA EUV 設備採購與導入時程（ASML 出貨動態）。
2025-2026 關鍵動態
- 台積電 N2 已於 2025 年第四季按計畫量產，高雄 Fab 22 於 2025-12-30 正式量產。
- 台積電 A16（1.6nm）量產時程於 2026 年 4 月確認延至 2027 年。
- Intel 18A 已於 Arizona Fab 52 進入高量產，Panther Lake 於 2026 CES 發表；市場流傳「良率僅 10%」傳聞經查證為方法論有爭議的推估，非官方數字。
- Rapidus 於 2025-07-18 首次成功完成 2nm GAA 電晶體運作驗證；2026-06-06 日本政府追加 1,500 億日圓股權投資。
- 台積電 CoWoS 先進封裝月產能 2025 年目標達 75,000 片，CoWoS-L/S 產能已於 2025 年 12 月完全訂滿。
- 資料來源：Focus Taiwan 高雄 Fab 22 量產 N2、台積電 SEC 6-K Q1 2026、TrendForce A16 延至 2027
2026-07 擴編名單（二）
記憶體／HBM
環節角色
記憶體是 AI 伺服器中負責資料儲存與高速存取的核心元件，HBM（High Bandwidth Memory）是 AI 加速器不可或缺的關鍵零組件：透過將多層 DRAM 晶粒垂直堆疊（TSV 矽穿孔封裝）並與運算晶片並排整合，解決 AI 大模型訓練/推論時的「記憶體牆」瓶頸。
主要產品
當前主流世代為 HBM3E（第五代 HBM），分為 8-Hi（24GB）與 12-Hi（36GB）等規格；新一代 HBM4（JEDEC 2025-04 發布標準 JESD270-4）已於 2026 年進入量產階段，用於 NVIDIA Vera Rubin 平台。三大供應商為 SK 海力士、三星、美光，合計占據幾乎全部市場。
關鍵技術
世代演進：HBM → HBM2 → HBM2E → HBM3 → HBM3E → HBM4（2026 年量產）→ HBM4E（2027 年規劃）→ HBM5（規劃中）。堆疊與封裝技術：先進 TSV、Advanced MR-MUF（SK 海力士主力技術）、混合鍵合。基礎晶片代工化趨勢：SK 海力士 HBM4 基礎晶片採用台積電 12nm 製程代工。
護城河
良率與堆疊技術學習曲線（堆疊層數愈高良率控制難度呈非線性上升）；客戶認證綁定（需通過 NVIDIA 嚴格平台認證測試）；資本與先進封裝門檻（美光在新加坡同步興建晶圓廠 240 億美元與 HBM 先進封裝廠 70 億美元）；寡占結構（僅三家具規模化量產能力）。
代表公司定位
SK 海力士與三星並非本站底層產業地圖 144 家正式收錄公司，僅為記憶體章節的「補充脈絡・非地圖成員」背景資料，不計入 144 家公司總數，也不提供正式代號 badge；美光科技（MU）才是本小節唯一的正式地圖成員。
研究員追蹤指標
- 三大廠 HBM 季度營收與市占率變化（需注意統計口徑）。
- HBM3E → HBM4 轉換進度；NVIDIA 平台認證動態（Vera Rubin 為 2026 年關鍵指標）。
- HBM 良率變化（尤其三星 HBM4E 良率爬升）。
- 各廠資本支出與新產能開出時程；HBM 合約價格走勢。
2025-2026 關鍵動態
- 美光 2026 財年第三季（2026-06-24 發布）：HBM4 累計營收已超過 10 億美元，HBM3E+HBM4 已排產至 2027 日曆年。
- SK 海力士 2025-09-12 宣布完成「全球首個」HBM4 開發，2048 個 I/O 端子、省電提升逾 40%。
- 三星 2026-02-12/13 宣布開始 HBM4 量產與商業出貨（自稱「業界首家」），HBM4E 可靠度良率截至 2026 年 7 月初已突破 70%。
- NVIDIA 執行長黃仁勳於 2026-06-05 首爾公開表示三星、SK 海力士、美光三家 HBM4 供應商皆已通過認證、皆在量產。
- TrendForce 2026 年 6 月觀點反轉：DRAM 供給緊張使 HBM 供應商議價能力增強，預估 2027 年合約價格將數倍上漲，與 2025 年 7 月原先看法明顯反轉。
- 矛盾提醒：SK 海力士與三星在 NVIDIA HBM4 訂單中的占比說法互相衝突（兩者相加超過 100%），屬未經證實的市場傳言。
- 資料來源：Micron IR HBM4 高量產新聞稿、SK Hynix Newsroom HBM4 開發完成、Bloomberg 黃仁勳確認三家 HBM4 供應商
2026-07 擴編名單（二）
封裝測試
環節角色
封裝測試（OSAT）是半導體製造完成晶圓後、產品出貨前的最後關鍵環節：將晶圓代工廠產出的裸晶切割、封裝保護、與其他晶片整合連接，並進行電性測試確保良品出貨。AI 時代先進封裝（2.5D/3D 封裝，如 CoWoS、SoIC）已成為決定 AI 晶片效能與良率的關鍵製程。
主要產品
傳統封裝（打線接合、覆晶封裝）；先進封裝（2.5D/3D）：CoWoS（台積電技術）、SoIC、CoWoP 等衍生技術，OSAT 廠商亦發展 FOPLP（扇出型面板級封裝）等替代路線；測試服務：CP、FT、BI、SLT，AI GPU/ASIC 測試時間顯著拉長。
關鍵技術
先進封裝核心邏輯是「將更多運算與記憶體晶粒，用更短的電性距離連接在一起」；CoWoS-S、CoWoS-L、CoWoS-R 等變體因應不同尺寸與堆疊需求；台積電自有 CoWoS 產能長期滿載，2025 年起出現「委外代工」趨勢，將部分 CoW 封裝步驟釋出給日月光、Amkor 等 OSAT 廠代工。
護城河
與晶圓代工廠的協同綁定（能被台積電選中作為 CoWoS 委外代工夥伴本身即是門檻與背書）；良率與規模經濟；客戶集中度與 AI 需求綁定；資本門檻提升（先進封裝需要額外資本支出才能轉型承接 AI 訂單）。
代表公司定位
研究員追蹤指標
- 台積電 CoWoS 自有產能與委外比例變化。
- 日月光 LEAP（先進封裝）營收占比與獲利率趨勢。
- 京元電先進製程測試（Burn-in、SLT）產能利用率與客戶集中度。
- OSAT 產業整體稼動率與封測服務報價走勢、CoWoS 供需缺口收斂速度。
2025-2026 關鍵動態
- 日月光 2026 年 LEAP 業務營收目標二度上修至 35 億美元以上，年增幅達 118%；2026 年資本支出二度上修至約 85 億美元。
- 台積電 CoWoS-L/S 產能已於 2025 年 12 月完全訂滿，日月光集團據報可能承接台積電外包 CoWoS-oS 訂單約 40-50%。
- TrendForce 預估 CoWoS 供需缺口將從目前約 20%，至 2026 年底縮小至約 10%。
- 京元電子 2026 年資本支出兩度上修至 500 億元創新高，新加坡廠於 2026-05-22 正式啟用。
- Amkor（日月光主要競爭對手）2026 Q1 淨銷售額 16.8 億美元、年增 27%。
- 資料來源：ASE Technology 法說會簡報、TrendForce CoWoS 缺口收斂、新加坡 EDB 京元電新加坡廠
2026-07 擴編名單（二）
第三層：上游（Tier 3）
設備
環節角色
半導體設備是晶圓代工廠、IDM 廠、封測廠用來把矽晶圓「加工成晶片」的機台與系統，位於供應鏈的「軍火商」位置。設備業重要性三層次：資本支出的先行指標、技術瓶頸的持有者、AI 時代需求結構改變（前段 WFE 與後段先進封裝設備雙引擎成長）。
主要產品
六大類：微影設備（EUV，ASML 獨家供應）；沉積設備（CVD/PVD/ALD，應用材料、Lam Research、東京威力科創、國際電氣）；蝕刻設備（Lam Research 龍頭）；量測與檢測設備（KLA、Lasertec）；測試設備（ATE，Advantest 龍頭）；切割研磨與先進封裝設備（Disco、弘塑、辛耘、萬潤、家登）。
關鍵技術
主線一：製程節點微縮（Moore's Law 驅動），EUV 導入是過去十年最關鍵轉折，High-NA EUV 是下一世代前沿。主線二：先進封裝與異質整合（AI 驅動的新成長曲線），帶動晶圓級封裝濕製程設備、TBDB、切割研磨設備等需求。
護城河
技術獨占程度（EUV 微影機台、EUV 光罩檢測近乎唯一供應商）；認證週期長（以季到年為單位）；客戶集中與綁定（家登對台積電、京鼎對應用材料）。
代表公司定位
前段製程設備（equip_front）
測試設備（equip_test）
先進封裝設備（equip_pkg）
設備工程與廠務系統整合（equip_eng）
研究員追蹤指標
- 資本支出年增率（客戶端與設備公司自身）、稼動率、認證進度（新製程節點、新機型）。
- 新產能開出時程（尤其先進封裝/CoWoS 產能擴建計畫）、訂單能見度與在手訂單（backlog）。
- 客戶集中度、市占率變化（多數為第三方分析機構估計，非公司官方審計數字）。
2025-2026 關鍵動態
- 應用材料 CEO 表示預期 2026 年半導體設備事業成長逾 30%，先進封裝業務預期成長逾 50%。
- KLA Advanced Wafer Level Packaging 相關營收 2025 年市占提升 14 個百分點並登上第一，YoY 營收成長約 70%。
- 家登精密 2026 年 1 月營收年增 63%、4 月營收年增 52.74%。
- 東京威力科創 H1 FY2027 guidance 先進封裝相關設備銷售成長 60%+。
- 愛德萬測試 FY 首次突破 1 兆日圓營收，年增 44.7%，營業利益年增 118.8%。
- 資料來源：Applied Materials 2026 Q2 官方新聞稿、KLA 官方新聞稿、TEL 官方決算短信
2026-07 擴增名單
2026-07 擴編名單（二）
材料
環節角色
半導體製造的起點是材料：矽晶圓是所有邏輯與記憶體晶片的物理載體，光阻劑與光罩基板是微影製程能否精準轉印電路圖案的關鍵耗材，化學品貫穿整個前段製程，先進封裝材料（味之素 ABF）決定封裝基板能否承載日益複雜的晶片堆疊。單一材料出問題，整條生產線就停擺，但材料本身在晶片總成本中占比通常不高。
主要產品
矽晶圓（主流 300mm，也涵蓋 200mm 及以下）；EUV 光罩基板/光阻（HOYA、AGC 是全球僅有的兩家 EUV 光罩基板量產商用供應商）；化學品（顯影液、蝕刻液、CMP 研磨液等）；味之素 ABF 增層膜（用於 FC-BGA/FC-CSP 先進封裝基板的增層絕緣層）。
關鍵技術
矽晶圓技術演進圍繞尺寸放大與晶圓品質提升；光阻與光罩基板演進直接綁定微影世代推進（KrF → ArF → EUV）；封裝材料技術要求從「絕緣」升級為「兼顧絕緣、散熱、應力控制與更細線路」的多重複合需求。
護城河
矽晶圓雙寡頭格局（信越化學與 SUMCO 合計約占全球市場 50% 以上，認證週期需時數年）；HOYA 在 EUV 光罩基板的供應地位（與 AGC 雙寡頭）；味之素 ABF 材料的獨家配方地位（MIT Technology Review 引述：市占率超過 20 年維持 90% 以上）；日商在光阻市場合計壟斷約 90% 以上。
代表公司定位
研究員追蹤指標
- 資本支出年增率（矽晶圓廠與材料廠擴產）、稼動率（多數僅提供定性描述）。
- 認證進度（新製程節點材料通過客戶資格認證的進度）。
- 矽晶圓報價（現貨 vs 長期合約 LTA）、AI 相關營收占比。
2025-2026 關鍵動態
- 信越化學 2026 年 4 月法說會揭露：AI 專用晶圓（GPU/HBM）約占全產業 300mm 晶圓需求「略低於 10%」，公司整體 AI 相關產品約占總營收 15%。
- SUMCO 2026 年 4 月宣布延後伊萬里與吉野里兩座新廠建設，改為優先升級既有設備。
- HOYA 2026 年 1 月法說會表示 EUV 光罩基板需求能見度已看到 2027 年。
- Resonac 半導體與電子材料部門後段封裝材料營收中「AI 相關產品」占比從約 10% 升至約 20%。
- 味之素 ABF 產能擴充計畫至少投資 250 億日圓，目標 2030 年前完成，產能提升逾 50%；ABF 業務利潤率已超過 50%。
- 矛盾提醒：HOYA 與 AGC 於 EUV 光罩基板市占率排名，不同來源數字互相矛盾，本站僅呈現「雙寡頭」定性結論。
- 資料來源：信越化學決算短信、HOYA IR、MIT Technology Review 味之素 ABF
2026-07 擴增名單
2026-07 擴編名單（二）
載板／PCB
環節角色
載板（substrate）與 CCL（銅箔基板）分別扮演「晶片與電路板之間的橋樑」與「所有 PCB 的基礎母材」。ABF 載板作為晶片與主機板之間的中介層，負責電力傳遞、訊號重新分佈，沒有 ABF 載板，NVIDIA 無法出貨 H100/Blackwell 系列 GPU。CCL/PCB 決定伺服器系統能否承載高速訊號而不失真。
主要產品
ABF 載板（味之素開發樹脂薄膜，用於 CPU/GPU/FPGA/ASIC 的覆晶封裝）；BT 載板（三菱瓦斯化學開發，成本較低）；CCL 銅箔基板（依介電損耗等級分 LL/VLL/SLL/ULL/ELL，對應 M4-M9）；PCB（伺服器主機板、GPU 載板周邊電路、交換器主板、背板）。
關鍵技術
載板尺寸持續放大（NVIDIA Blackwell GPU 封裝尺寸已達約 3.3 倍 reticle）；層數增加、線寬線距微縮（8-10 微米主流，2025 年起進入 5 微米競賽）；玻璃基板（Glass Core Substrate）——最受矚目的下一代方向，CTE 更接近矽，2026-2027 年是認證與送樣階段。
護城河
上游材料端近乎壟斷（ABF 樹脂由味之素獨家開發，市占率九成以上）；認證週期長（新建載板產線從公布到量產需 18-24 個月）；資本支出門檻極高（Ibiden 單一資本支出計畫約 5,000 億日圓）；產業集中度高（Ibiden 與欣興電子為全球前二大供應商）。
代表公司定位
已知狀態變化：新光電氣工業（6967）已於 2025-06-06 下市私有化，本卡片依規定保留原代號並在描述中註記下市狀態。
研究員追蹤指標
- 資本支出年增率與資金用途拆分（ABF 載板 vs PCB vs CCL）。
- ABF 載板與 CCL 報價趨勢及上游材料連動；客戶認證進度與新產品導入時程。
- 玻璃基板等新技術商業化進度；CoWoS 與先進封裝產能擴張連動。
2025-2026 關鍵動態
- 欣興電子載板 AI 營收占比計劃由 2025 年約 40% 提升至 2026 年 60%。
- 景碩科技已取得 Google TPU、Meta AI 加速器訂單，2026 下半年啟動 AWS 供貨。
- 台光電子材料 M8 升級版材料已打入 1.6T 市場，M9 材料預計 2026 下半年出貨。
- Ibiden 官方公告 FY2026-FY2028 三年期資本支出計畫約 5,000 億日圓，投資河間廠 Cell6（AI ASIC 用）與大野廠 Cell8（AI GPU 用）。
- SKC/Absolics 玻璃基板美國喬治亞州廠已開始向 AMD 等客戶供應量產樣品，目標 2026 年底前量產，可能是全球最早商轉案例。
- 新光電氣工業已於 2025-06-06 從東京證交所下市，私有化，脫離富士通集團。
- 資料來源：Ibiden 官方資本支出計畫公告、JPX 官方公告：新光電氣下市、TrendForce SKC 玻璃基板
2026-07 擴編名單（二）
第四層：系統層（Tier 4）
散熱／電源／機構
環節角色
自 NVIDIA GB200 NVL72 開始，AI 運算單位變成「整個機櫃」（rack-scale），單櫃功耗可達 100 kW 以上。散熱從「幫晶片降溫」變成「幫整個機房重新設計熱管理系統」，液冷從選配變成必需品；電源從「機殼內的一顆電源供應器」變成「機房到機櫃的整條供電鏈路重新設計」。
主要產品
氣冷 vs 液冷；冷板（cold plate）；CDU（冷卻分配單元）；Manifold（歧管）；電源架構演進（48V、800V HVDC）；滑軌機構（slide rail）。
關鍵技術
NVIDIA GB200/GB300 NVL72 機櫃架構：72 顆 Blackwell GPU 透過 NVLink 高速互聯構成單一大型運算單元。液冷滲透率演進：TrendForce 估計 2024 年約 14% 拉升至 2026 年約 47%，但高盛估計更高達 74-76%（口徑差異大）。下一代平台 Rubin/Vera Rubin 已於 2026-05-31 GTC Taipei 確認將於 2026 年秋季開始量產出貨。
護城河
客戶認證門檻（能否進入 NVIDIA GB200/GB300 供應鏈需通過官方技術認證）；系統整合能力（Vertiv 能與 NVIDIA 共同開發電力＋散熱完整參考架構）；毛利結構差異（零組件/機構廠 20%-37%，川湖甚至達 74-78%，遠高於後段 ODM 廠個位數毛利率）。
代表公司定位
散熱機構（cooling_mech）
電源系統（power_system）
研究檔特別說明：台股查無代號 6501 對應公司，此代號為東證日立製作所（Hitachi, Ltd.），研究檔已澄清此點並確認為東證代號。
研究員追蹤指標
- 機櫃出貨量／GB200、GB300 NVL72 出貨數字（不同機構口徑差異極大）。
- 液冷滲透率（TrendForce、Omdia 等機構年度/季度更新）。
- 台廠月營收公告（可至公開資訊觀測站 MOPS 查詢）；NVIDIA 認證通過名單。
- 資本支出（capex）與產能擴張公告。
2025-2026 關鍵動態
- NVIDIA 官方 2026 財年 Q1 公布資料中心營收 75.2 億美元、年增 92%。
- Vertiv 2026 年宣布在美國南卡羅來納州、賓夕法尼亞州及墨西哥墨西卡利多點擴產。
- 台達電液冷 L2A 方案 2025 全年出貨金額逾 16 億美元；800V HVDC 量產時程市場傳言分歧（2026 Q3 小量出貨 vs 恐延後至 2028 年後）。
- 奇鋐規劃水冷板月產能目標於 2026 年底達 100 萬件，與子公司富世達通過 NVIDIA GB300 水冷板與快接頭認證。
- 雙鴻在 COMPUTEX 2026 展出 2MW 級大型 CDU，取得 NVIDIA GB300 快接頭認證。
- 川湖滑軌應用於 NVIDIA GB200、GB300 及各類 ASIC 機櫃，高雄路竹二廠預計 2027 年中量產。
- 資料來源：Vertiv 官方新聞稿、日立官方新聞稿：與 OpenAI 簽署 MOU、NVIDIA 開發者部落格 800V HVDC
2026-07 擴增名單
2026-07 擴編名單（二）
伺服器／ODM
環節角色
伺服器供應鏈可粗略分三層：上游晶片/零組件廠、中游 ODM（負責把零組件組裝成整機/整機櫃的代工廠）、下游品牌商（OEM）或直接向 ODM 下單的 CSP。大型 CSP 越來越傾向繞過品牌商，直接向台灣 ODM 廠下單客製化伺服器，即「ODM Direct」模式（緯穎服務 Meta、Microsoft 是代表案例）。
主要產品
L6/L10/L11 組裝分工：L6 次系統組裝、L10 整機組裝、L11 整機櫃等級整合（GB200/GB300 NVL72 的關鍵組裝層級）。ODM vs 品牌商（OEM）商業模式差異：品牌商掌握品牌、通路、售後服務；ODM 照客戶規格代工生產，議價能力較弱、毛利率壓得極低。
關鍵技術
NVIDIA GB200/GB300 NVL72 機櫃架構讓訂單型態從「賣很多台伺服器」變成「賣整個機櫃系統」；下一代平台 Rubin/Vera Rubin 已確認 2026 年秋季量產出貨；GB300 NVL72 首發出貨：Dell 於 2025-07-03 與 CoreWeave 共同宣布首家出貨。
護城河
客戶認證門檻（極長技術驗證流程，往往提前一到兩個世代投入研發）；系統整合能力（能承接 L11 機櫃級整合的廠商附加價值更高）；毛利結構差異（ODM 廠毛利率普遍落在個位數，與零組件廠形成一個數量級以上的差距）。
代表公司定位
研究員追蹤指標
- ODM 月營收公告（台灣 ODM 廠均為上市公司，每月公布合併營收，可至 MOPS 查詢）。
- 法說會揭露的訂單能見度與客戶集中度；GB200/GB300/Rubin 世代出貨與認證時程。
- CSP 資本支出（capex）指引；毛利率變化（個位數基期，微幅變化影響很大）。
- 客戶集中度與地緣政治風險。
2025-2026 關鍵動態
- Dell FY2027 Q1 AI 最佳化伺服器營收 161.3 億美元、年增高達 757%，全年 AI 伺服器營收預期上調至 600 億美元。
- SMCI 2026 年 6 月 9-10 日宣布籌資 70 億美元股權融資，因應近 20 多個客戶、總額約 390 億美元的 AI 伺服器訂單（公司明確聲明此訂單不構成確定承諾）。
- 鴻海與 NVIDIA 合作於美國德州休士頓興建 AI 伺服器製造工廠。
- 緯穎 2026 年 2 月法說會揭露 AI 產品營收占比已達五成，其中 ASIC 專案占比約九成。
- 英業達規劃於美國德州設立新廠因應 GB300 相關需求，預計 2026 Q4 準備完成。
- 資料來源：Dell 官方部落格：首發 GB300 NVL72、Supermicro IR、Wiwynn 官方新聞稿
2026-07 擴編名單（二）
網通／光通訊
環節角色
如果說 GPU 是 AI 資料中心的「大腦」，網路與光通訊就是「神經系統」——負責把成千上萬顆 GPU 的運算結果即時同步、把資料從儲存層送進運算層。運算力成長速度遠超過網路頻寬成長速度，這個落差正快速收斂成整個 AI 基礎建設資本支出中最關鍵的瓶頸之一。
主要產品
交換器（Switch）：艾睿斯特（整機）、邁威爾（交換器 ASIC）；光收發器/光模組：相干公司、邁威爾、Credo；DSP：邁威爾、Credo；AEC 主動電纜：Credo（ZeroFlap AEC）；Retimer：Astera Labs（Aries 系列）；光纖光纜：藤倉、古河電工。
關鍵技術
Scale-up（NVLink/NVLink Switch，機櫃內互連）vs Scale-out（InfiniBand/乙太網路，跨機櫃互連）；800G → 1.6T 傳輸速率演進（2026 年被視為 1.6T 量產元年，不同機構出貨量預估差距達四倍）；CPO 共同封裝光學；InfiniBand vs 乙太網路路線之爭；互連協定/聯盟：NVLink/NVLink Fusion、UALink、Ultra Ethernet Consortium。
護城河
邁威爾與相干公司：先進製程節點量產能力與客戶認證週期高轉換成本；艾睿斯特：EOS 網路作業系統軟體成熟度與客戶深度整合；Astera Labs 與 Credo：協定認證與訊號完整性設計的高技術認證門檻（但客戶集中度也高）；藤倉與古河電工：數十年光纖拉絲與精密製造 know-how。
代表公司定位
網通交換設備（networking_switch）
機櫃內互連（interconnect）
光通訊元件（optics）
光纖線纜（fiber_cable）
客製化ASIC設計服務（asic_custom，跨章節收錄）
研究員追蹤指標
- 規格轉換時程與實際出貨量的落差（發表、送樣、量產出貨三階段）。
- 客戶集中度（Credo 前兩大客戶占比逾七成）；InfiniBand vs 乙太網路的滲透率消長。
- Nvidia 對外的資本與供應鏈布局動作；產能與資本支出規劃；供給端瓶頸訊號。
2025-2026 關鍵動態
- 邁威爾 2026 年 3 月 OFC 展會發表全球首款 1.6T ZR/ZR+ DCI 可插拔模組 COLORZ 1600。
- 艾睿斯特累計超過 100 家客戶部署 800G 乙太網路；首批客戶中第四家已在生產規模完成 InfiniBand 到乙太網路的遷移。
- 相干公司與 Nvidia 於 2026-03-02 簽署合作協議，Nvidia 投資 20 億美元；同日 Nvidia 對 Lumentum 也投資 20 億美元。
- 藤倉市值於 2026-04-13 首度突破 10 兆日圓，較 2025 年底約成長一倍。
- 古河電工宣布未來五年投入 6,500 億日圓資本支出，目標資料中心事業營業利益提升至前期的 8.5 倍。
- UALink 2.0 規格已於 2026 年 4 月發布，但對應 1.0 規格的量產矽晶片（AMD MI400 系列）預計要到 2026 下半年才出貨。
- 資料來源：Marvell 官方新聞稿：COLORZ 1600、NVIDIA 官方投資人新聞稿：相干公司合作、日經新聞：藤倉市值突破 10 兆日圓
2026-07 擴增名單
2026-07 擴編名單（二）
第五層：新興環節（Tier 5）
被動元件
環節角色
被動元件（MLCC、晶片電阻、電感等）是所有電子系統電源濾波、去耦、穩壓不可或缺的基礎零件。AI伺服器（如 NVIDIA GB200/GB300、Rubin 架構）功耗與電源管理複雜度遠高於傳統伺服器，GPU/ASIC 供電需要大量高容值、高耐壓、低ESR的高階MLCC，把過去毫不起眼的被動元件變成 2025-2026 年供不應求、報價連番調漲的熱門環節。
主要產品
MLCC 三級規格階梯：一般消費型（Y5V/X5R）、車用/工業用（X7R/X7S，須通過 AEC-Q200 車規認證）、AI伺服器用高階型號（以 X6S 材質為主，高容值＋高耐壓＋長交期供不應求的 0402/1206 大尺寸 MLCC）。晶片電阻主要用於電流感測、分壓、訊號完整性維持，隨 GPU/ASIC 供電通路增多而需求同步成長。
關鍵技術
高容值 MLCC 技術演進圍繞層數增加與介電層厚度微縮（村田技術文章泛稱厚度自 1995 年約 3μm 降至現今低於 0.5μm）；微型化持續推進（村田 006003 吋為目前公開最小型號）；電源架構演進（48V→800V HVDC）推升被動元件耐壓與可靠度規格需求，但商用化時程各機構說法分歧（2026 Q3 小量出貨 vs 延後至 2028-2029 年）。單機 MLCC 用量估計因統計口徑不同（單板/單機/單機櫃）差異極大，從 6,500 顆到 45 萬顆不等，研究員引用時務必先確認口徑。
護城河
村田製作所高階 MLCC 技術領先：全球 MLCC 市佔率主流估計逾 40%，技術優勢來自材料到成品垂直整合一貫生產體制與微米級疊層精度；國巨透過併購（KEMET、普思電子、奇力新、芝浦電子、茂達電子）持續擴大晶片電阻、鉭質電容與感測器/類比IC版圖；太陽誘電、TDK 兩家日系廠雖同屬「被動元件廠」但定位已明顯分流（TDK 轉型能源導向多元集團，太陽誘電維持被動元件本業聚焦）。
代表公司定位
被動元件（passive_components）
研究員追蹤指標
- 稼動率（UTR）：華新科電容80-85%/電阻85-90%；國巨一般品80%以上、特殊品90%以上；日韓高階廠普遍維持80-90%以上。
- MLCC/晶片電阻漲價動態：2025-12至2026-07多輪調漲（國巨、華新科、村田、三星電機、太陽誘電陸續調漲10-35%不等）。
- AI伺服器單機MLCC用量估計（口徑分歧極大，6,500顆/單板至45萬顆/單機櫃，務必先確認統計口徑）。
- BB Ratio（訂單出貨比）、月營收年增率、資本支出上修動態、原物料成本（銀價、釕漿、陶瓷基板成本）。
2025-2026 關鍵動態
- 國巨2026年Q1合併營收381.66億元、年增22.7%，EPS 3.9元創單季新高；2025年10月完成收購芝浦電子（約1,090億日圓），2025年9月啟動非合意收購茂達電子，取得21.43%股權成為最大單一股東。
- 村田製作所2026年3月期決算：資料中心相關銷售額1,767億円（年增約74%），預估2026年度達3,256億円（年增約84%），計畫投資2,500億円擴增伺服器相關產品產能。
- 太陽誘電2026年3月期營業利益199億9,600萬円、年增91.2%，母公司股東淨利年增535.9%，電容器事業BB比達1.31。
- TrendForce指出2026年AI基礎設施需求（NVIDIA GB200/300、CSP自研ASIC）強勁，推動日韓高階MLCC產能滿載，高容值X6S規格交期已從8週拉長至20週以上。
- 漲價主因：AI伺服器單機用量暴增、銀價自2025年7月每盎司36.2美元漲至2026年1月103.2美元、產能滿載交期拉長。
- 國巨7/1調漲查證：公開資訊觀測站與國巨官網查無正式重大訊息公告具體漲幅百分比；媒體報導「約50%」實指涵蓋營收比重（非漲價幅度），「10-20%」「30-40%」等漲幅數字目前均查無可靠一手出處，讀者引用前應自行覆核。參考：工商時報、Digitimes。
- 資料來源：TrendForce：高階MLCC產能滿載、村田製作所官方決算短信、鉅亨網：華新科稼動率與資本支出
電源／類比 IC
環節角色
GPU 與加速器功耗急速攀升（NVIDIA H100 SXM5 700W → B200達1200W → GB300/B300單GPU 1400W → Rubin(VR200)上修至2300W TGP Max-P → Rubin Ultra達3600W），迫使整個機櫃到晶片的供電架構重新設計，VRM多相供電模組、PMIC智慧電源管理、SiC/GaN功率元件三大領域需求同步被推升。晶片端電流動輒超過1000A、電壓卻低至0.7-0.8V，傳統低相數供電已無法應付瞬態與效率需求，也迫使產業從48V系統轉向800V HVDC架構。
主要產品
VRM多相供電模組：把電源轉換工作拆分給多個並聯的功率相位處理。PMIC（電源管理IC）：承擔多軌整合與電源排序、快速暫態響應、數位遙測、保護與安全等角色。SiC與GaN功率元件：分工互補而非替代，SiC負責前段/中段功率轉換與高功率場景，GaN更適合機架層級高頻降壓段（800V降到48V/12V）。
關鍵技術
NVIDIA官方明確宣示引領800VDC轉型以支援1MW機架，稱端對端效率較54V系統提升最多5%、銅用量減少45%、TCO降低最多30%；商用化時程官方原文為「1MW IT racks and beyond, starting in 2027」，但2026年6月出現明顯分歧訊號（Digitimes報導市場傳聞延遲最多一年；SemiAnalysis指出Hyperscaler認為800V→50V轉換損耗大於400V方案；TrendForce則預估2026Q3小量出貨、2028年才大規模部署），此為明確的正反並列衝突，不宜擅自判定。須提醒：坊間流傳「83%→92%」效率提升的說法已證實是錯誤引用，NVIDIA官方原文並無此數字組合。
護城河
類比IC產品生命週期通常為10到15年（TI官方稱），車用PPAP再認證流程需6至18個月、AEC-Q100全套認證需9至18個月，晶圓代工轉換通常多花一年以上，形成實質資金與時間門檻；類比IC不受摩爾定律驅動，製程微縮會惡化元件匹配表現；SiC產能面臨龍頭Wolfspeed破產重組、中國廠商（天科合達、SICC）合計市佔已達34.4%的價格戰壓力，與歐美日廠商持續加碼800V HVDC先機投資並存的矛盾局面。
代表公司定位
電源管理IC（power_ic）
分離式功率元件（power_discrete）
研究員追蹤指標
- SiC晶圓/晶片價格趨勢（上游原材料塊材價格上漲，但6吋基板價格戰持續探底；下游功率IC因AI需求反而漲價）。
- SiC市占率格局：Wolfspeed（第一）、天科合達、SICC/天岳先進、Coherent 前四合計約82%，中國兩家合計約34.4%。
- PMIC design win動態：MPWR在NVIDIA供應鏈的配額波動、各供應商800VDC生態系名單掛名 vs 實質營收合作的區分。
- VRM效率指標（TI 800V轉6V GaN匯流排轉換器峰值效率97.6%已核實；「83%→92%」錯誤引用不應使用）。
2025-2026 關鍵動態
- MPWR：Q4 2025營收7.512億美元；Enterprise Data區隔由Q1 2025占20.8%成長至Q1 2026占約32.7%，年增97.7%；產能擴充目標由40億美元上調至60億美元。
- onsemi：Q1 2026營收15.133億美元（年增5%，首次回正成長）；AI Data Center營收2025全年逾2.5億美元，預估2026年較2025年倍增。
- Navitas(NVTS)：2025-05-21 NVIDIA公告選定支援800V HVDC，股價當日暴漲約20%；2026-07-02宣布5億美元ATM募資，股價當日下跌12.7%，存在稀釋疑慮。
- ROHM(6963)：因SiC資產減損創史上最大虧損；2026-03-27與東芝、三菱電機簽署功率半導體事業整合MOU。
- 世界先進與台積電關係變化：2026-05-15台積電出售最多8.1%世界先進持股，持股由27.1%降至約19%（詳見晶圓代工章節）。
- 資料來源：MPWR SEC 8-K、onsemi投資者新聞稿、NVIDIA開發者部落格：800V HVDC架構
機器人
環節角色
機器人是 AI 供應鏈地圖裡少數橫跨「傳產機械」與「AI 前沿」兩個世界的環節。減速機、滾珠螺桿、伺服馬達、氣動元件這些零組件本身已有數十年歷史，2023 年之後這條供應鏈被重新定價的原因，是機器人的「大腦」變了——大型語言模型與視覺-語言-動作（VLA）模型第一次讓通用型機器人的商業化路徑看起來可行，人形機器人因此從展覽館展示品變成資本市場認真計價的資產類別。人形機器人被計入 AI 供應鏈而非傳產機械股，主要理由是訓練與推論都吃 GPU 算力、NVIDIA 已把機器人正式納入「Physical AI」敘事，且資本市場估值邏輯已切換（高盛預測 2035 年市場規模380億美元、摩根士丹利預測 2050 年生態系規模達5兆美元）。
主要產品
減速機分兩大技術路線：RV減速機（擺線針輪傳動，承載能力強，用於大關節）與諧波減速機（柔輪彈性變形波傳動，體積小精度高，用於小關節/手腕）。滾珠螺桿／線性滑軌負責把馬達旋轉運動轉換成直線運動，是機器人「骨骼與關節驅動」系統的另一大類零件。伺服馬達提供關節動力輸出與精確位置控制；氣動元件靠壓縮空氣驅動執行機構，廣泛用於工廠自動化。機器視覺讓機器人具備「看」的能力。手術機器人（直覺手術為代表）商業模式與工業機器人完全不同，是「刀架/刀片」模式（設備銷售+耗材/服務經常性收入）。
關鍵技術
人形機器人關節設計正從「馬達+減速機+感測器分開組裝」演變為「一體化關節模組」；行星滾柱螺桿（PRS）是這波熱潮討論度最高的零件級技術路線之爭，具備更高功率重量比、負載能力與傳動效率，適合人形機器人線性關節，供應商多為歐系廠商（瑞士GSA、Rollvis、瑞典Ewellix），交期報導超過1年。NVIDIA Isaac GR00T／Jetson Thor平台是機器人「大腦」層最重要的AI基礎設施布局，2026年6月與Unitree合作發表參考人形機器人。「跨本體學習」（cross-embodiment learning）是現代VLA研究最大的技術解鎖點。
護城河
納博特斯克RV減速機市占率官方稱約60%（另有35%等不同口徑估計流傳，查無單一具名機構的權威數字可完全佐證）；哈默納科諧波減速機日本國內市場市占約90%，全球市占估計30-70%不等（不同口徑）。精密加工know-how（尤其齒輪磨削工藝）是核心進入障礙，高階CNC齒輪磨床單台初始投資常超過30萬美元。客戶認證週期具體量化年限查無可靠一級來源，但「多年期深度應用驗證關係難以在短期內被新供應商取代」有多個獨立來源支持。中國廠商（浙江雙環傳動、蘇州綠的諧波）正快速切入競爭，對日系龍頭形成市占侵蝕壓力。
代表公司定位
機器人系統整合（robot_system）
機器人關鍵零組件（robot_parts）
研究員追蹤指標
- Optimus量產進度：緊盯下一季財報電話會議逐字稿，確認Fremont產線是否從「Construction」狀態轉為實際量產，以及Optimus V3正式展示時程。
- 減速機廠擴產計畫：哈默納科人形機器人相關訂單FY2026（2026年3月期）預估25億日圓、FY2027可能翻倍至三倍；舍弗勒已簽約供應至少1,000台人形機器人。
- 人形機器人BOM成本估算：美銀估計試產階段約9-10萬美元/台，摩根士丹利估計2024年約20萬美元、2028年降至約15萬美元，兩份估計差異大，反映試產與量產成熟度落差。
- 行星滾柱螺桿供給格局：中國震裕科技規劃達產後年產56萬套；瑞士GSA/Rollvis/Ewellix等歐系廠商仍是主要供應商，交期超過1年是否出現瓶頸紓解。
- 台廠打入Optimus供應鏈的實際交割時點：上銀科技等台廠季度財報中「機器人相關營收」是否從「試產」轉為「量產交貨」的具體措辭變化。
2025-2026 關鍵動態
- NVIDIA於2026年6月1日GTC Taipei發表Isaac GR00T參考人形機器人，與Unitree合作，採用Jetson AGX Thor T5000運算模組，預計2026年底開始供貨。
- 舍弗勒（Schaeffler）2026年CES發表一體化行星齒輪致動器，並於2026年5月13日與Hexagon Robotics簽署策略合作，供應至少1,000台人形機器人。
- 特斯拉馬斯克於2026年7月2日公開否定「暗中已量產」猜測，確認Optimus初期量產將非常慢；Optimus V3多次延後展示。
- 哈默納科FY2026（2026年3月期，2025-11-19法說會）人形機器人相關訂單約25億日圓，管理層預期FY2027可能翻倍至三倍；納博特斯克FY2025 Component Solutions部門營業利益年增103.2%，主因工業機器人庫存調整週期結束。查證來源：哈默納科IR決算說明會資料、日經適時開示（財年標示確認）。
- 中國廠商快速切入：震裕科技2025年淨利潤年增101.98%，靈巧手精密零部件已實現小批量供貨，計畫擴產行星滾柱螺桿與線性模組產能。
- 資料來源：NVIDIA IR：Isaac GR00T參考人形機器人、Tesla Q1 2026 Shareholder Update、Nabtesco FY2025決算資料
2026-07 擴編名單（二）
名詞圖解——62 個關鍵技術，看圖就懂
每個名詞：一句話本質 → 示意圖 → 白話展開 → 為什麼特別。示意圖為概念簡化，非精確工程圖。
1. Chiplet 小晶片Chiplet
傳統做法是把所有電路做在同一塊矽晶片上，晶片越大良率越差、成本越高。Chiplet 的做法是把運算核心、記憶體控制器、I/O 等功能拆成一塊塊獨立的小晶片，用先進封裝技術重新連接成一顆完整的處理器。這樣每一小塊可以用最適合的製程生產，壞掉也只是報廢一小塊，不是整顆報廢。AMD、Intel、NVIDIA 現在的高階處理器幾乎都採用這種架構。
特別在哪：難在小晶片之間的連接介面要夠快、夠密，不然效能會被封裝拖累；這也是為什麼 CoWoS、EMIB 這類先進封裝技術變得跟晶片設計本身一樣重要。
相關公司：超微半導體、英特爾、輝達、台積電
2. CoWoSChip on Wafer on Substrate
CoWoS 解決的問題是：GPU 運算速度太快，如果外部記憶體離得太遠、線路太細，資料傳輸會塞車。做法是先把 GPU 晶片和 HBM 記憶體都黏在一片矽中介層（interposer）上，中介層上刻了極細的線路把兩者緊密連接，最後再把這片組合黏到封裝基板上。可以想成先把菜（晶片）擺在一個精密切割的砧板（矽中介層）上排好位置，再把砧板放進餐盤（基板）。這是目前 NVIDIA、AMD 高階 AI 加速卡的標準封裝方式。
特別在哪：矽中介層的尺寸和產能是全球瓶頸，台積電幾乎壟斷這項技術，NVIDIA 的 AI 晶片產能常常卡在 CoWoS 產能而非晶圓本身。
相關公司：台積電、輝達、超微半導體、美光科技
3. SoICSystem on Integrated Chips
一般晶片是平面排列，SoIC 解決的是想在同樣的面積裡塞進更多運算力的問題：把邏輯晶片直接堆疊在另一顆晶片正上方，用晶圓對晶圓或晶片對晶圓的方式接合，中間的連接點極其微小密集。可以想成蓋大樓不是蓋平房社區，而是直接往上加樓層，樓層之間的電梯（連接點）又多又快。這讓晶片之間的溝通距離縮短到微米等級，速度和省電效果都比傳統封裝好很多。
特別在哪：3D 堆疊會產生散熱問題，疊得越高熱量越難散出去，這是目前推廣 SoIC 最大的工程挑戰，也是台積電先進封裝布局的核心武器之一。
相關公司：台積電、輝達、超微半導體
4. CoPoSChip on Panel on Substrate
CoWoS 用的圓形矽晶圓有先天限制：晶片是方的，圓形晶圓的邊角會浪費材料，利用率常常不到 70%。CoPoS 解決的就是這個浪費問題，改用方形面板（類似面板顯示器的做法）當作中介層載體，材料利用率可以拉高到 90% 以上。可以想成切披薩（圓形晶圓）跟切蛋糕（方形面板）裝方形便當盒的差別，方形面板浪費的邊角少很多。這是為了因應 AI 晶片越做越大、CoWoS 中介層快要頂到面積上限而發展的下一代技術。
特別在哪：根據 2026 年 6 月的產業報導，台積電 CoPoS 採用類面板的方形載板（早期試產規格約 310×310mm，長線目標放大到 700×700mm 級距），量產時程業界預期落在 2028 年下半年，並與輝達下一代 Feynman AI 晶片綁定，用以突破 CoWoS 中介層的面積上限；台積電高層也強調不會為求快而犧牲良率，技術需 2-3 年才成熟。
相關公司：台積電、輝達、家登
5. InFOIntegrated Fan-Out
傳統封裝要先把晶片黏上基板，再從基板拉線到外部接點，多一層基板就多一層厚度和成本。InFO 解決的做法是把晶片包進一層樹脂裡，直接在晶片周圍的樹脂上刻出重新分布的線路（RDL），像是把晶片內部很密的接點『扇形展開』成外部比較寬鬆好接的接點，完全不需要額外的基板層。這樣封裝更薄、訊號路徑更短，很適合手機這種空間寸土寸金的裝置。
特別在哪：InFO 最出名的應用是蘋果 iPhone 的 A 系列處理器，台積電靠這項技術拿下蘋果封裝訂單，也是台積電從單純代工晶圓跨入封裝領域的重要里程碑。
相關公司：台積電、蘋果公司
6. EMIBEmbedded Multi-die Interconnect Bridge
CoWoS 那種整片矽中介層造價高、尺寸也有限制，EMIB 解決的是同樣的多晶片互連問題，但做法更省成本：只在兩顆晶片需要高速溝通的交界處，把基板挖一個小凹槽，埋進一小片矽橋，讓訊號從這座小橋跨過去，其他不需要高速連接的地方就用一般基板線路。可以想成蓋馬路時不必整條路都鋪高規格瀝青，只在最需要的路口鋪好一小段。這是 Intel 為了對抗台積電 CoWoS 而發展的差異化封裝技術，常和 Foveros（垂直堆疊技術）搭配使用，一個管『水平連接』、一個管『垂直堆疊』，兩者合體可以做出更複雜的 3D 晶片組合。
特別在哪：比起整片中介層，EMIB 材料用量少、成本較低，是 Intel 封裝代工（Intel Foundry）拉攏外部客戶的主打技術之一，但小橋的良率控制與對位精度是製造難點。
相關公司：英特爾、超微半導體
7. FOPLP 面板級封裝Fan-Out Panel-Level Packaging
InFO 這類扇出封裝原本是在圓形晶圓上做，FOPLP 解決的問題和 CoPoS 類似：圓形晶圓邊角浪費材料，而且尺寸做不大。FOPLP 改用做面板顯示器用的方形玻璃或樹脂面板當載體，面積可以做到比晶圓大好幾倍，同一批可以塞進更多顆晶片，材料利用率更高、單顆成本更低。可以想成從用圓形烤盤烤餅乾，改成用大烤盤一次烤滿滿一整盤方形餅乾。
特別在哪：根據 2026 年的產業報導，ASE 等封測大廠正推動 310×310mm 起步、未來擴大到 600×600mm 的面板規格，TrendForce 預期 2026-2027 年 FOPLP 會加速滲透到邊緣 AI 與高階通訊晶片市場；技術難點在於大面板翹曲變形與高功耗 AI 晶片的散熱控制，這也是台灣面板廠轉型切入半導體封裝的機會點。
相關公司：日月光投控、欣興、台積電
8. TSV 矽穿孔Through-Silicon Via
當晶片一層層往上堆疊時，如果只能靠晶片邊緣打線互連，訊號要繞一大圈，速度慢、也占空間。TSV 解決的做法是直接在矽晶片上鑽出極細的垂直孔洞，孔裡填滿金屬（通常是銅），讓電訊號可以從晶片的這一層直接『打通』到上一層或下一層。可以想成大樓不繞著樓梯走，直接打通一根電梯井上下垂直移動。這項技術是 HBM 記憶體疊疊樂、SoIC 3D 堆疊都會用到的基礎技術。
特別在哪：孔洞越打越細、密度越打越高，對準精度要求極高，是先進封裝與 HBM 生產良率的關鍵限制因素之一。
相關公司：美光科技、台積電、欣興
9. HBM 高頻寬記憶體High Bandwidth Memory
GPU 運算速度越來越快，但傳統記憶體排成一長條、離運算核心遠，資料搬運跟不上，會變成效能瓶頸。HBM 解決的做法是把多顆記憶體晶片用 TSV 垂直疊成一疊（通常 8 層或 12 層），疊好後直接放在 GPU 旁邊、透過矽中介層緊密連接，資料通道又寬又短。可以想成把好幾層停車場疊高、且蓋在辦公大樓正隔壁，比蓋在城市另一頭的單層停車場方便得多。這是目前所有高階 AI 加速卡的標準配備。
特別在哪：全球 HBM 產能高度集中在 SK 海力士、三星、美光三家記憶體廠，疊層越多良率越難控制，也是近年 AI 晶片供給的主要瓶頸之一。
相關公司：美光科技、輝達、超微半導體
10. ABF 載板Ajinomoto Build-up Film Substrate
晶片做好之後不能直接插到主機板上，中間需要一塊載板把晶片密密麻麻的接點，重新分布成主機板可以對應的較疏接點。ABF 載板解決的是這個轉接問題：用味之素公司研發的一種特殊樹脂薄膜，一層層疊壓、蝕刻出線路，做出比傳統載板線路更細、層數更多的高階載板。可以想成蓋一棟有很多層線路的『轉運站』，讓晶片內部的密集人潮，能分流疏散到外部比較寬的道路上。高階 CPU、GPU、AI 加速卡幾乎都要用到 ABF 載板。
特別在哪：ABF 樹脂膜的專利與供應被日本味之素公司幾乎獨家掌握，載板產能常常是 AI 晶片出貨的隱形瓶頸，日月光、欣興等載板廠是全球主要生產者。
相關公司：味之素、欣興、景碩、南亞電路板股份有限公司
11. CCL 銅箔基板Copper Clad Laminate
無論是手機主機板還是伺服器載板，做電路板之前都需要一塊基礎材料：CCL 解決的就是提供這個起點，把玻璃纖維布或樹脂板浸泡黏合劑後壓合，兩面再貼上一層薄銅箔，形成可以之後蝕刻出電路圖案的『半成品板材』。可以想成蓋房子前先鋪好水泥地基和鋼筋網，之後才能在上面砌牆、拉水電管線。CCL 品質好壞直接影響後續電路板的訊號穩定度和耐熱性。
特別在哪：高階 AI 伺服器需要高頻高速 CCL，對材料的介電損耗要求極高，是台廠（如台光電）與日商競爭的技術戰場。
相關公司：台光電、台燿科技股份有限公司、住友電工
12. EUV 微影Extreme Ultraviolet Lithography
晶片製造要先把電路圖案『印』到矽晶圓上，線路越細越考驗光的精細度。EUV 解決的問題是傳統光刻機使用的光波長太長，印不出奈米等級的極細線路；EUV 用波長只有 13.5 奈米的極紫外光，透過光罩把電路圖案投影縮小、曝光到晶圓表面的光阻層上，之後再蝕刻出實際電路。可以想成用解析度極高的投影機，把設計圖精準縮小投影到底片上，投影機解析度越高，能印的圖案就能越細緻複雜。
特別在哪：全世界只有荷蘭 ASML 一家公司能製造 EUV 曝光機，一台造價超過一億美元，是台積電、三星、Intel 先進製程競賽中最關鍵、也最稀缺的設備。
相關公司：台積電、信越化學工業、東京應化工業、思可林集團
13. 光罩與 EUV 光罩盒Photomask / EUV Reticle Pod
EUV 曝光機需要一張『模板』告訴光要怎麼投影出電路圖案，這就是光罩：在一片特殊玻璃基板上，鍍上多層反射膜並用吸收極紫外光的材料刻出電路圖案，EUV 光經光罩反射後把圖案印到晶圓上（傳統 DUV 光罩則多為讓光穿透的穿透式）。因為 EUV 光罩非常怕微塵微粒沾附（哪怕是奈米等級的髒污都會讓整批晶片報廢），所以光罩平時必須放在特製的密封光罩盒（reticle pod）裡運送與保存，盒子要能阻絕微塵又不能讓光罩本身受污染。可以想成刻好的印章（光罩）平常必須裝在防塵防潮的盒子裡，用的時候才小心取出。
特別在哪：EUV 光罩因為是反射式設計（不是穿透式），結構比傳統光罩複雜很多，光罩盒的潔淨度標準也是半導體業最嚴苛的規格之一，直接影響先進製程良率。
相關公司：台積電、豪雅、信越化學工業
14. 再生晶圓與 CMP 鑽石碟Reclaimed Wafer & CMP Diamond Disc
晶圓廠很多晶圓是拿來測試機台參數、監控製程用的『陪跑片』，用過一次就報廢很浪費。再生晶圓解決的問題是把這些用過的晶圓，透過化學機械研磨（CMP）把表面的膜層磨掉、重新拋光到跟新晶圓一樣平整乾淨，就能重複使用好幾次。而 CMP 這道拋光工序，靠的是一種表面鑲嵌無數微小鑽石顆粒的研磨碟，一邊轉動一邊搭配研磨液把晶圓表面磨到奈米等級的平整度。可以想成把用過的黑板擦乾淨重新使用，而擦黑板的『板擦』本身是鑲滿超硬砂粒的專業拋光工具。
特別在哪：再生晶圓可大幅降低晶圓廠的材料成本與環境負擔，鑽石碟的鑽石顆粒分布均勻度和耐用度直接決定拋光良率，是精密耗材裡的隱形冠軍生意。
相關公司：中國砂輪企業股份有限公司、台積電
15. CPO 共同封裝光學Co-Packaged Optics
資料中心裡交換器晶片要跟外部連接大量光纖，傳統做法是晶片先把電訊號送到面板邊緣的可插拔光模組，再轉成光訊號送出去，這段電訊號傳輸路徑長、耗電也大。CPO 解決的做法是把光引擎直接封裝在交換器晶片旁邊的同一塊基板上，電訊號幾乎不用長途跋涉就能轉換成光訊號送出，大幅降低耗電與訊號損耗。可以想成把翻譯員（光引擎）直接安排坐在會議室（交換器晶片）旁邊即時口譯，而不是讓與會者先打電話到很遠的翻譯中心再轉述。這是應對 AI 資料中心對頻寬與能耗需求暴增而發展的下一代網路互連技術。
特別在哪：CPO 把光學元件和電子晶片綁在一起封裝，維修更換的難度比可插拔模組高很多，良率與散熱是目前推廣的最大挑戰，NVIDIA、博通都已推出相關產品。
相關公司：輝達、博通、朗美通、詩恩
16. 矽光子Silicon Photonics
傳統晶片只處理電訊號，但光訊號傳輸距離長、耗能低、頻寬大。矽光子解決的問題是想用現有成熟又便宜的矽晶圓製程，做出可以產生、調製、傳導光訊號的元件，把光學元件也『晶片化』。做法是在矽晶圓上刻出極細的波導（像光的軌道），搭配調變器把電訊號轉換成光的開關訊號，就能在晶片層級直接處理光通訊。可以想成原本電路板上要接一堆獨立的光學零件，現在把這些零件的功能直接刻進晶片裡，像把好幾個獨立樂器濃縮成一台電子琴。這項技術是 CPO、光模組往更高速發展的基礎。
特別在哪：矽光子的優勢是可以沿用半導體代工廠既有的成熟製程量產，成本比傳統分立光學元件低，台積電、GlobalFoundries 等晶圓廠都已投入矽光子代工平台。
相關公司：台積電、博通、朗美通、詩恩
17. EML 雷射晶片Electro-absorption Modulated Laser
光通訊需要一個穩定的光源，而且這個光源要能跟著電訊號快速閃爍（代表 0 與 1）。EML 解決的問題是把雷射產生器和調製器整合在同一顆晶片上：雷射先連續發出光，緊接著晶片上另一段電吸收調製區根據電訊號快速『開關』這道光，讓光訊號本身就帶有資料。可以想成一個手電筒（雷射）本身一直亮著，但手指按著開關快速一開一闔打摩斯密碼，而這個開關和手電筒是做在同一顆晶片上的。EML 是目前 800G/1.6T 高速光模組裡最核心的雷射元件之一。
特別在哪：高速 EML 晶片的磊晶與製程技術門檻高，全球供應高度集中在少數大廠：朗美通（Lumentum）是唯一量產 200G/lane EML 的領先者、市占約五到六成，其餘由相干（Coherent）、博通及日系的三菱電機、住友電工分食，是光模組漲價與缺貨時最常被提及的瓶頸元件。
相關公司：朗美通、相干公司、三菱電機、住友電工
18. Retimer 訊號中繼Retimer
高速電訊號在電路板或連接線上跑久了會失真、雜訊變多，像講悄悄話傳話傳到後面走音。Retimer 解決的問題就是在訊號路徑中間插入一個中繼元件，把收到的模糊訊號重新偵測、重新定時、重新整形，再乾淨地送到下一段路徑。可以想成接力賽跑者接棒後不是隨便亂跑，而是重新調整步伐、蓄力後再全速前進，確保訊號到終點時還是清晰可辨。這在 AI 伺服器裡 GPU 之間、GPU 到網卡之間的高速連接非常常見。
特別在哪：AI 伺服器裡 PCIe 世代越換越快、訊號規格越來越嚴苛，Retimer 用量跟著暴增，是這波 AI 基礎建設裡討論度很高的『小晶片、大商機』代表，Astera Labs、Marvell 是主要供應商。
相關公司：Astera Labs（艾斯特拉實驗室）、邁威爾科技、Credo Technology
19. 800G/1.6T 光模組800G / 1.6T Optical Transceiver
資料中心裡的伺服器、交換器之間需要用光纖傳送巨量資料，光模組解決的問題就是在兩端做訊號轉換：一端把電訊號轉成光訊號送進光纖，另一端再把光訊號轉回電訊號。800G、1.6T 是頻寬等級的命名，數字越大代表單一模組每秒能傳輸的資料量越大（1.6T 大約是 800G 的兩倍）。可以想成模組就是插座轉接頭，兩端都能插，中間負責把不同『語言』（電與光）互相翻譯，而數字代表這條翻譯管道有多寬。AI 伺服器叢集需要極大量頻寬互連 GPU，帶動這類高速光模組需求暴增。
特別在哪：1.6T 光模組對內部雷射晶片、調製器、光學耦合精度要求都比 800G 更高，良率爬升需要時間，是各大雲端業者 AI 機房升級時的關鍵瓶頸零件之一。
相關公司：朗美通、法培尼、博通、華星光通、聯亞光電
20. VRM 與 Power StageVoltage Regulator Module / Power Stage
CPU、GPU 內部電路只吃很低的電壓（大約 1 伏特上下），但主機板供電是比較高的電壓，中間需要轉換。VRM 解決的問題就是把輸入電壓降到晶片需要的精確低電壓，並且要能應付晶片負載瞬間暴增暴減時電壓不能亂晃。VRM 裡面由好幾顆「Power Stage」構成，每顆 Power Stage 像是一個小型開關幫浦，快速開關、儲能濾波，把電力平穩地送出去。可以想成自來水從水塔的高水壓，要先經過減壓閥、穩壓閥層層調整，才能變成家裡水龍頭穩定出水的壓力，而且不管你開一個水龍頭還是十個一起開，水壓都要能穩住。
特別在哪：AI 加速卡功耗越做越高（單顆 GPU 動輒破千瓦），VRM 要處理的電流越來越大、反應速度要求越來越快，帶動 MPS、Monolithic Power 等電源管理晶片廠商業績成長。
相關公司：萬代半導體（美信芯科技）、安森美半導體、德州儀器、力智電子、輝達
21. 800V HVDC 直流供電800V High Voltage Direct Current
傳統資料中心供電要經過好幾層交流轉直流、再轉直流的轉換，每轉換一次都會損耗電力，AI 機房用電量暴增後這些損耗變得非常可觀。800V HVDC 解決的做法是在機房源頭就把電轉成 800 伏特高壓直流電，用直流電的形式一路送到接近 GPU 機櫃的地方才做最後一次轉壓，減少中間反覆轉換的次數與線路損耗，也能用更細的電纜傳輸更大功率。可以想成以前送水要經過好幾個水塔層層降壓最後才到你家，現在改成主幹用大水管直接送到你家附近才做最後一次調壓，路上漏水（電力損耗）少很多。
特別在哪：根據 2026 年 6 月的產業報導，NVIDIA 與 Google 是最早採用者，目標把 800V HVDC 架構導入第三季（Q3 2026）小量出貨，對應 Vera Rubin 平台，全面量產則預期與 2027 年 Kyber 機櫃系統同步；台達電、Infineon、意法半導體、德州儀器等都是供應鏈參與者。
相關公司：輝達、字母控股（谷歌）、台達電、維谛技術、德州儀器
22. 液冷三件套（水冷板/CDU/浸沒式）Liquid Cooling: Cold Plate / CDU / Immersion
AI 晶片功耗越來越高，傳統用風扇吹散熱片的方式已經不夠力。液冷解決的問題是用液體導熱效率比空氣好很多的特性來散熱，常見有三種形式：水冷板直接貼在晶片表面，內部有液體流道把熱量帶走；CDU（冷卻液分配單元）是機房裡的中控幫浦與熱交換站，負責把伺服器裡吸熱後變熱的液體、跟外部冷卻系統的液體做熱交換再循環送回；浸沒式則更徹底，直接把整台伺服器泡進特殊絕緣冷卻液裡，讓液體直接接觸所有發熱元件。可以想成水冷板是額頭貼冰枕，CDU 是負責換冰枕冰水的中央空調系統，浸沒式則是直接跳進冷水池。
特別在哪：AI 機櫃功耗已經逼近甚至超過100kW等級，氣冷幾乎無法應付，液冷滲透率快速提升，是 Vertiv、台達電等散熱與電源廠近年營收成長最快的部分之一。
相關公司：維谛技術、美超微、台達電、雙鴻、奇鋐
23. MLCC 積層陶瓷電容Multilayer Ceramic Capacitor
晶片運作時電流需求會忽大忽小瞬間變化，如果沒有東西先『墊底』穩住電壓，晶片可能因為電壓不穩而運作異常。MLCC 解決的問題是把陶瓷介質和金屬電極一層層交錯疊起來燒結成一顆極小的電容元件，平時先儲存一點電荷，當晶片瞬間需要大電流時能立刻補上，也能濾掉電路裡的雜訊。可以想成家裡裝了一個小型不斷電池，馬達啟動瞬間電流暴衝時先幫忙頂一下，避免電燈跳掉。一台 AI 伺服器主機板上可能用到成千上萬顆 MLCC。
特別在哪：高階 AI 伺服器對 MLCC 的容量密度、耐高溫與可靠度要求更高，村田製作所、太陽誘電、國巨是全球主要供應商，AI 需求也帶動車用與工業級 MLCC 產能排擠。
相關公司：村田製作所、太陽誘電、國巨、華新科技
24. SiC 與 GaNSilicon Carbide & Gallium Nitride
傳統矽半導體做功率元件（負責電壓轉換、開關）時，在高電壓、高頻切換下損耗較大、發熱也多。SiC（碳化矽）和 GaN（氮化鎵）解決的問題是提供物理特性更優異的材料：SiC 耐高壓、耐高溫，適合電動車、800V HVDC 這種高功率場景；GaN 切換速度快、體積小，適合手機快充、伺服器電源這類講求高頻高效率的場合。可以想成傳統矽是普通跑車，SiC 像是耐操的越野卡車能扛更大負載，GaN 則像反應靈敏的競速摩托車切換動作特別快。這兩種材料是這波電動車與 AI 資料中心供電升級背後的關鍵材料革命。
特別在哪：SiC、GaN 晶圓生產與磊晶製程比傳統矽困難、良率較低、成本較高，Wolfspeed、Infineon、意法半導體、台灣的漢磊、嘉晶都是這個領域的重要玩家，也是中美科技戰下的戰略材料之一。
相關公司：安森美半導體、納微半導體、羅姆、世界先進、強茂
25. 諧波減速機Harmonic Drive / Strain Wave Gearing
機器人手臂的馬達轉得很快，但關節動作需要的是又慢、又精準、又能承受負重的旋轉，中間需要減速裝置轉換。諧波減速機解決的問題是用一個薄壁柔性齒輪，在橢圓形凸輪的推動下產生微小彈性變形，一邊跟固定的剛性齒輪嚙合、一邊緩慢地『多繞一點點』，達成大幅減速又幾乎沒有齒隙晃動的效果。可以想成一個有彈性的軟齒輪套在橢圓形轉軸上，轉軸快轉一圈，軟齒輪因為形狀被撐開只『跟著多走一點點』，就像是慢動作的精密咬合，動作平順又沒有空隙晃動感。人形機器人與工業機械手臂的關節幾乎都靠這個元件。
特別在哪：諧波減速機的精密度與壽命高度仰賴柔性齒輪的材料與加工工藝，長期由日本 Harmonic Drive 公司與 Nabtesco（另一種 RV 減速機）主導，也是台灣廠商切入人形機器人供應鏈積極布局的零組件之一。
相關公司：哈默納科（諧波驅動系統）、納博特斯克、上銀科技、發那科
26. GAA 環繞閘極電晶體Gate-All-Around FET
電晶體越做越小，傳統 FinFET 的閘極只從三面包住鰭狀通道，電流控制力道不夠，小到幾奈米時會出現漏電、耗電暴增的問題。GAA 把通道做成一片片堆疊的奈米片（nanosheet），閘極材料從四面完全包覆，控制力大幅提升，也能靠調整奈米片寬度來微調電流大小。可以想成 FinFET 是用手掌從三面握住水管控制水流，GAA 是把手完全包住水管一圈。台積電 2nm（N2）製程開始採用 GAA，三星更早在 3nm 就導入但良率一直不如預期。
特別在哪：GAA 良率調校極難，是台積電與三星 2nm 世代競爭的核心戰場，也是先進製程設備（EUV 微影、蝕刻、沉積）單價暴增的主因。
相關公司：台積電、應用材料、科林研發、輝達
27. A16 與背面供電 BSPDNBackside Power Delivery Network
傳統晶片正面同時要走訊號線和供電線，線路越擠，電壓降（IR drop）問題越嚴重，晶片效能被電力供應拖累。BSPDN 的做法是把整片晶圓翻過來，在背面另外做一層專門供電的線路，正面只留訊號線。這樣供電線可以做得更粗更短，電阻更低，晶片效能與功耗都能改善。可以想成大樓原本水管和電線擠在同一面牆，現在把電線整個搬到牆的另一面走。台積電 A16 製程是台積電首個導入背面供電的量產節點（Super Power Rail），預計 2026 下半年量產；業界最先導入背面供電量產的則是 Intel 18A（PowerVia），A16 被視為更精細的實作。
特別在哪：背面供電需要先把整片晶圓打薄再翻面加工，製程複雜度和設備投資大增，是台積電 A16、三星、Intel 18A 同步較量的下一個技術門檻。
相關公司：台積電、英特爾、應用材料、輝達
28. 檢測與量測Inspection & Metrology
半導體製程有上千道步驟，任何一步出錯沒被抓到，後面繼續加工只會浪費更多成本，所以每個關鍵站點都要有設備檢查晶圓表面有沒有異物、圖案對不對、厚度準不準。這個產業大致分兩塊：「檢測」(inspection) 負責找出瑕疵，「量測」(metrology) 負責精準測量尺寸與厚度。可以想成工廠生產線上每隔幾站就有品管員，拿著放大鏡和尺，一個抓錯誤、一個量規格。KLA 幾乎壟斷高階檢測設備，Onto Innovation 專攻量測與先進封裝檢測，Lasertec 則是 EUV 光罩檢測的唯一供應商。
特別在哪：這個環節設備單價高、進入門檻極高，KLA 在檢測設備市佔超過五成，Lasertec 在 EUV 光罩檢測近乎獨占，任何新進者都很難打入。
相關公司：科天（KLA）、昂圖創新、應用材料、台積電
29. 晶圓測試流程 CP/FTChip Probing / Final Test
晶片做好不能直接賣，因為製程再精良也一定有瑕疵品混在裡面。CP（Chip Probing，晶圓針測）是在晶圓還沒切割前，用探針卡逐顆碰觸晶片上的接點測試電性，先篩掉壞的再送去封裝，省下封裝成本。FT（Final Test，最終測試）則是封裝完成後，用測試機加分選機再測一次完整功能，測完依效能分級（例如同一顆晶片依運作速度分成不同等級賣不同價錢）。AI 晶片電路複雜、功耗高、要測的情境多，測試時間比傳統晶片長好幾倍，成了新的產能瓶頸。
特別在哪：探針卡要能同時精準碰觸奈米級接點又耐用，是高技術門檻的耗材；AI 晶片測試時間暴增，讓測試機台與分選機的產能一夕吃緊。
相關公司：京元電子、日月光投控、愛德萬測試、泰瑞達
30. 光阻與塗佈顯影Photoresist & Coater/Developer
微影（曝光）要在晶圓上刻出電路圖案，靠的是先均勻塗一層對光敏感的化學藥水「光阻」，接著用光（EUV 或 DUV）透過光罩照射，光阻被照到的地方性質改變，再用顯影液把該溶解的部分洗掉，留下電路圖案的模子。EUV 用的波長極短，光阻分子要在極小尺度精準反應又不能太厚太薄，化學配方比傳統光阻難上好幾個量級，全球能量產供貨的廠商屈指可數。塗佈與顯影則靠專用設備把光阻均勻塗上、顯影後洗淨，Screen 是這塊設備的龍頭之一。
特別在哪：EUV 光阻的化學穩定性、感光效率、抗蝕刻能力要同時兼顧，日本 TOK、信越化學等幾家老牌化學廠幾乎壟斷全球供應，是先進製程隱形的卡脖子環節。
相關公司：東京應化工業、信越化學工業、思可林集團、台積電
31. 玻璃基板與 TGVGlass Substrate & Through-Glass Via
先進封裝要把越來越多晶片和記憶體塞在同一塊基板上，但現有的 ABF 樹脂基板容易翹曲、線路密度有極限，限制了封裝尺寸。玻璃基板剛性更好、更平整、熱膨脹係數更穩定，可以做更大尺寸也不容易變形，還能靠 TGV（Through-Glass Via，玻璃穿孔）技術在玻璃上打出極細導通孔，讓訊號垂直穿過玻璃連接上下層線路。可以想成用一塊平整堅固的玻璃砧板取代容易彎曲的塑膠砧板，還在玻璃上鑽出精密通道走線。目前仍處於量產前期，Intel、SKC 旗下 Absolics、Ibiden 都在積極卡位。
特別在哪：截至 2026 年中，玻璃基板仍在量產爬坡階段，Absolics 目標年底前小量商轉，Intel 目標 2030 年前標準化導入，尚未大規模取代 ABF，屬於中長期題材。
相關公司：英特爾、Ibiden、欣興、台積電
32. IDM／Fabless／Foundry／OSATIDM / Fabless / Foundry / OSAT
IDM（Integrated Device Manufacturer）像 Intel、三星，設計、製造、封測全部自己做，資本開銷最大但掌控力最強。Fabless 像 NVIDIA、AMD、高通，只做晶片設計，把製造外包出去，輕資產但高度依賴代工廠。Foundry 像台積電、聯電，專門幫別人代工生產晶圓，自己不設計產品。OSAT（Outsourced Semiconductor Assembly and Test）像日月光，專門做封裝測試這最後一哩路。可以想成蓋房子：IDM 是建商自己買地、設計、施工、驗收全包；Fabless 只當設計師；Foundry 是專業營造公司；OSAT 是專業裝修驗屋公司。
特別在哪：這個分工體系是全球半導體供應鏈能高度專業化、快速擴產的基礎，台灣同時擁有全球最強的 Foundry（台積電）與 OSAT（日月光），是產業鏈中不可替代的節點。
相關公司：英特爾、輝達、台積電、日月光投控
33. COT 與 NRECustomer-Owned Tooling & Non-Recurring Engineering
客戶（例如雲端業者）想做自己的 AI 專用晶片（ASIC），但不一定有能力從頭設計到量產，就會委託設計服務公司（像博通、世芯、Marvell）代工設計。COT（Customer-Owned Tooling）模式下，設計成果的光罩與製造權屬於客戶，客戶自己去跟晶圓廠下單；NRE（Non-Recurring Engineering）則是設計公司針對這次專案收取的一次性開發費用，涵蓋人力與工具成本。除了 NRE，設計公司通常還會針對自己提供的 IP 模組（例如高速傳輸介面）收取每顆晶片的權利金（royalty）。可以想成請建築師設計房子，設計費是一次性的（NRE），但房子用了建築師申請專利的特殊建材，每蓋一戶都要再付一點權利金。
特別在哪：NRE 費用門檻極高（常是數千萬到上億美元），只有雲端巨頭級客戶付得起，這也是博通、世芯這類 ASIC 設計服務商能維持高毛利的原因。
相關公司：博通、世芯-KY、創意電子、邁威爾科技、字母控股（谷歌）
34. NAND 與企業級 SSDNAND Flash & Enterprise SSD
NAND 快閃記憶體是斷電後資料不會消失的儲存晶片，堆疊層數越多、密度越高，容量就越大。AI 訓練需要存放海量資料集、checkpoint 存檔與模型權重，資料中心對高容量企業級 SSD 的需求急遽升溫，帶動 NAND 顆粒與控制器晶片同步吃緊。控制器晶片是 SSD 的大腦，負責管理資料寫入哪個位置、抹除耗損平均、錯誤修正，讓 NAND 顆粒能穩定耐用地運作，可以想成 NAND 顆粒是一格格的倉庫貨架，控制器是負責調度貨物進出、記帳、防止貨架過早損壞的倉管系統。
特別在哪：2025-2026 AI 資料中心擴建潮讓企業級 SSD 供不應求，NAND 現貨價格明顯上漲，三星、SK 海力士、鎧俠、美光是主要顆粒供應商，慧榮、群聯等廠商則專攻控制器晶片。
相關公司：美光科技、群聯電子股份有限公司
35. SOCAMM 與 LPDDRSmall Outline Compression Attached Memory Module
AI 伺服器原本多用 DDR5 RDIMM 當主記憶體，但功耗較高、體積較大。SOCAMM 是 NVIDIA 主導、聯合美光、三星、SK 海力士開發的新型記憶體模組規格，改用手機與筆電慣用的低功耗 LPDDR5X 顆粒，做成一片比傳統模組小三分之一的可插拔卡片，同容量下省電、頻寬也更高。可以想成把手機省電記憶體的技術「借」來裝進伺服器，還做成隨插即用的卡匣，方便維修更換。SOCAMM 已用於 NVIDIA GB300 系統，2026 年三星、SK 海力士也將推出 SOCAMM2。
特別在哪：SOCAMM 目前是 NVIDIA 平台專屬規格，其他伺服器陣營（Intel、AMD）尚未跟進採用，等於 NVIDIA 又建立了一條只有自己生態系受益的記憶體供應鏈。
相關公司：輝達、美光科技、美超微、戴爾科技
36. CXL 記憶體池化Compute Express Link Memory Pooling
傳統伺服器架構裡，每顆 CPU 都綁定自己專屬的記憶體，即使某台伺服器記憶體用不完，另一台卻不夠用也無法互相調度，造成大量浪費，這就是所謂「記憶體牆」問題的一種呈現。CXL 是一種新的高速互連協定，讓多台伺服器或多顆處理器可以透過交換器連接到一個共用的記憶體資源池，依需求動態分配容量，用多少借多少。可以想成原本每個部門都要自備一整座倉庫以防萬一，現在改成大家共用一座中央倉庫，缺貨隨時調貨，不用重複囤積。目前仍在產業導入初期，需要搭配支援 CXL 的 CPU 與交換器。
特別在哪：CXL 生態需要處理器、記憶體控制器、交換器三方同步支援協定才能發揮效果，目前仍處於早期導入階段，短期內是記憶體效率的補充方案而非主流架構。
相關公司：英特爾、超微半導體、美光科技
37. NVLink 與 Scale-upNVLink & Scale-up Architecture
多顆 GPU 一起訓練 AI 模型時，GPU 之間交換資料的速度往往才是效能瓶頸，一般網路線路的頻寬遠遠不夠。NVLink 是 NVIDIA 自家研發的晶片對晶片高速互連技術，頻寬遠高於傳統網路介面，讓機櫃內的 GPU 可以像同一顆晶片內部的核心一樣快速交換資料，這種在單一機櫃內把多顆晶片緊密連接、當成一個更大運算單元的做法叫做 Scale-up（垂直擴展，相對於用網路把很多機櫃連起來的 Scale-out）。NVL72 機櫃就是把 72 顆 GPU 透過 NVLink 交換器連成一個整體，可以想成不是很多台電腦用網路線接起來各自運算，而是把 72 顆處理核心焊進同一片超大主機板。
特別在哪：NVLink 是封閉的專屬技術，只有 NVIDIA 自家 GPU 能用，這也是 NVIDIA 生態系的護城河之一，競爭對手只能靠開放標準的 UALink 等聯盟迎戰。
相關公司：輝達、美超微、戴爾科技、緯穎
38. InfiniBand vs 乙太網InfiniBand vs Ethernet
把成千上萬顆 GPU 連接成一個訓練叢集，需要低延遲、高頻寬的網路技術。InfiniBand 原本是高效能運算領域的老牌技術，被 NVIDIA 收購後成為其 AI 叢集網路的招牌方案，延遲低、效能穩定，但屬於封閉生態、成本較高。乙太網（Ethernet）則是資料中心最通用的網路標準，開放、供應商選擇多、成本較低，過去效能不如 InfiniBand，但近年靠 NVIDIA 自己的 Spectrum-X、博通等廠的高效能交換器晶片急起直追，加上「白牌交換器」（不綁定特定品牌、用標準晶片組裝的交換器）讓雲端業者能用更低成本建置。可以想成 InfiniBand 是原廠精品跑車，乙太網是靠改裝越開越快的量產車，且改裝廠選擇多元。
特別在哪：NVIDIA 同時擁有 InfiniBand 與乙太網方案（Spectrum-X），等於兩邊都能收費；白牌交換器讓 Meta、微軟等雲端巨頭得以繞開品牌溢價，直接跟博通、Marvell 這類晶片廠採購。
相關公司：輝達、博通、邁威爾科技、艾睿斯特網路、智邦科技股份有限公司
39. SerDes 與交換器 ASICSerDes & Switch ASIC
GPU 之間、伺服器之間要傳輸資料，得先把平行的資料轉成一條串列高速訊號才能長距離傳輸，到了對方再轉換回來，這個轉換電路叫 SerDes（Serializer/Deserializer）。SerDes 的傳輸速度用「每通道多少 Gbps」表示，224G 就是新一代標準，代表每條通道每秒傳輸 224 Gb，速度越快同樣線路能塞進的頻寬就越大。交換器 ASIC 則是網路交換器裡的核心晶片，決定資料封包該轉發到哪個出口，博通的 Tomahawk 系列是業界指標產品，直接決定了整個資料中心網路能撐多大流量。可以想成 SerDes 是資料的高速公路收費站（負責把車流壓縮再還原），交換器 ASIC 是十字路口的交通指揮中心。
特別在哪：SerDes 訊號傳輸速度每提升一個世代（如 112G 到 224G）都要重新設計類比電路與封裝，是網路晶片廠的核心技術壁壘，博通、Marvell、Astera Labs 等公司都圍繞這個環節競爭。
相關公司：博通、邁威爾科技、Astera Labs（艾斯特拉實驗室）、Credo Technology、譜瑞科技股份有限公司(譜瑞-KY)
40. 光模組 DSP 與 LPOOptical Module DSP vs Linear Pluggable Optics
光模組負責把電訊號轉成光訊號長距離傳輸，訊號在轉換過程中會失真，傳統做法是在模組裡放一顆 DSP（數位訊號處理）晶片校正、放大訊號，確保長距離傳輸品質穩定，但 DSP 耗電高、也會增加些微延遲。LPO（Linear Pluggable Optics，線性可插拔光學）省去模組內的 DSP，改由交換器端的晶片直接處理線性訊號，模組本身只做簡單的光電轉換，因此更省電、成本更低、延遲更短，但傳輸距離較短、對整體系統相容性要求更高。可以想成 DSP 版模組像是自帶擴音校正器的麥克風，隨插即用；LPO 版模組像是陽春麥克風，音效品質要靠音響主機的等化器來補強，便宜但要主機夠好才行。
特別在哪：2026 年市場正處於路線分歧期，短距離、同質化的 AI 機櫃內連接偏好 LPO 省電，長距離或跨異質系統則仍倚賴 DSP 方案，兩條路線並存而非誰取代誰。
相關公司：Credo Technology、朗美通、相干公司、法培尼
41. FAU 光纖陣列Fiber Array Unit
共同封裝光學（CPO）把光引擎直接整合進交換器晶片旁邊，這樣訊號不用再繞遠路轉換，但光纖終究要從晶片封裝邊緣連接到外部網路，這就需要一個零件把多根極細的光纖精準對齊、固定角度和間距，再與晶片上的光波導精準耦合，這個零件就是 FAU（光纖陣列單元）。可以想成一整排水管要精準對接到牆上的一排出水孔，每根水管的位置、角度都要對得分毫不差，才不會漏水（漏光）。台灣的上詮光纖在這個精密對位與封裝領域有布局。
特別在哪：FAU 的加工精度要求在微米等級，對位稍有偏差就會造成訊號損耗，是 CPO 能否量產的關鍵瓶頸零件之一，目前供應商仍相對集中。
相關公司：上詮光纖通信、波若威科技、法培尼、相干公司
42. 相干光學與 DCICoherent Optics & Data Center Interconnect
資料中心內部連接用簡單的光強度開關（有光/無光）就能傳輸，但要在不同城市的資料中心之間長距離傳輸巨量資料，普通做法訊號衰減和干擾會太嚴重。相干光學（Coherent Optics）技術更複雜，同時利用光波的振幅、相位、偏振三種維度編碼資訊，並在接收端用數位訊號處理精準還原，大幅提升單一光纖的傳輸容量與距離，這正是 DCI（Data Center Interconnect，資料中心互連）的核心技術。可以想成一般光通訊只是用手電筒開關傳摩斯密碼，相干光學則是同時用手電筒的亮度、顏色、閃爍角度三種方式疊加傳更多資訊。Ciena 是相干光學與 DCI 設備的老牌領導廠商。
特別在哪：AI 訓練資料需要跨資料中心同步（例如跨州建置的超大叢集），DCI 需求隨之增加，相干光學技術門檻高、研發積累久，是少數幾家老牌電信設備商的主場，不容易被新進者快速複製。
相關公司：詩恩、朗美通、相干公司
43. PMIC 電源管理晶片Power Management IC
GPU、CPU 內部不同電路模組所需的電壓不盡相同，且對電壓穩定度要求極高，稍有波動就可能運算出錯或損壞晶片。PMIC 負責把主機板送來的電源轉換、調節、分配成每個模組剛好需要的電壓與電流，並在負載瞬間變化時快速反應維持穩定。這與電源供應器裡常見的 VRM（電壓調節模組，多是分離式電感、電容加控制晶片組成的電路板）功能類似，但 PMIC 是把更多電源管理功能整合進單一顆晶片，體積更小、整合度更高，常直接貼近運算晶片放置以縮短供電路徑。世界先進（VIS）是台灣重要的 PMIC 代工廠之一，這類晶片多用成熟製程生產。
特別在哪：AI 加速卡功耗越來越高、電流需求越來越大，PMIC 的效率與反應速度直接影響整體系統的能耗表現，是相對低調但需求同步暴增的環節。
相關公司：萬代半導體（美信芯科技）、安森美半導體、世界先進、致新科技
44. IGBTInsulated Gate Bipolar Transistor
電網、工業馬達、電動車等應用需要開關大電流、高電壓的電力，IGBT 結合了雙極性電晶體（電流承載能力強）與場效電晶體（驅動簡單）的優點，長期是這類大功率應用的主流元件。近年碳化矽（SiC）功率元件崛起，開關速度更快、導通損耗更低，特別適合更高頻、更高效率的應用（如電動車主逆變器），逐漸在部分場景取代 IGBT。但 IGBT 成本更低、技術成熟、在特定電壓區間（尤其中低頻高電流的電網與工控應用）仍具優勢，兩者是分工並存而非全面替代。可以想成 IGBT 是耐操的老將，擅長扛重物但動作稍慢；SiC 是敏捷的新秀，動作快效率高但價格較貴，兩者依戰場分工上場。
特別在哪：IGBT 在電網、軌道交通、工業馬達驅動等領域仍是主力元件，SiC 目前集中滲透在電動車與高階電源這類對效率極敏感的應用，短期內不會全面取代 IGBT。
相關公司：安森美半導體、三菱電機、富士電機、羅姆
45. BBU 與電源櫃Battery Backup Unit & Power Shelf
AI 訓練動輒跑好幾天甚至好幾週，中途如果供電出現瞬間中斷或電壓驟降，整個訓練工作可能要從頭來過，代價極高。BBU（電池備援單元）通常整合在機櫃內的電源櫃裡，市電正常時電池待命充電，一旦偵測到供電異常，電池能在極短時間內接手供電，讓系統有緩衝時間切換到備用電源或安全關機。部分設計會搭配超級電容，因為超級電容雖然儲能少，但放電反應速度比電池更快，適合應付毫秒等級的瞬間電力空隙，跟電池分工互補。可以想成電池是消防隊的水車（撐得久），超級電容是隨手可得的滅火器（反應快但續航短），兩者搭配應付不同等級的供電意外。
特別在哪：AI 機櫃功耗越來越高，BBU 與電源櫃的設計要在極短反應時間與足夠儲能之間取得平衡，是機櫃供電系統裡容易被忽略但攸關整體可靠度的一環。
相關公司：維谛技術、台達電、順達
46. 均熱片與 3D VCVapor Chamber & 3D Vapor Chamber
GPU、CPU 運作時熱量集中在晶片正中央一小塊面積，如果只靠金屬直接傳導，熱量來不及擴散就會局部過熱。均熱片（Vapor Chamber）內部是密封的真空腔體，裡面裝有少量工作流體，貼近熱源的一側流體蒸發吸熱、擴散到整片腔體後在較冷的一側凝結放熱，再靠腔體內部毛細結構讓液體流回熱源側循環，均勻攤平熱量後再往外傳給散熱片或水冷板。3D VC 則是把原本平面的均熱片做成立體造型，可以同時貼合主晶片與周圍其他發熱元件（如記憶體、電源模組），提升整體散熱涵蓋面。可以想成把一塊熱毛巾攤開能讓熱量分散得更均勻，3D VC 就是把毛巾做成立體形狀去包覆多個發熱點。均熱片通常是水冷板之前的第一層散熱，兩者分工互補而非取代。健策在均熱片與 3D VC 領域有布局。
特別在哪：AI 晶片功耗持續攀升，單一均熱片已不足以應付所有熱點，3D VC 與均熱片、水冷板的組合式散熱設計成為高階 AI 伺服器散熱系統的標準配置。
相關公司：雙鴻、奇鋐、健策精密工業股份有限公司
47. 伺服馬達與線性滑軌Servo Motor & Linear Guide
工業機器人與自動化設備要完成精準的動作，需要兩類基礎零件配合：伺服馬達負責提供動力並精準控制轉動的角度、速度、扭力，內建感測器隨時回報目前狀態讓控制系統即時修正，這就是「伺服」（servo，隨時修正回饋）這個字的由來。線性滑軌則負責讓移動部件沿著固定直線方向滑動，同時保持高精度、低摩擦力，讓伺服馬達提供的動力能轉換成準確的直線位移而不偏移。可以想成伺服馬達是運動員的肌肉（提供並控制力量），線性滑軌是運動員腳下鋪好的跑道（確保跑的方向筆直不偏）。上銀在線性滑軌與滾珠螺桿領域是全球前段班廠商。
特別在哪：人形機器人與工業自動化需求同步成長，帶動伺服馬達與線性滑軌的精度、體積、成本要求都在快速提升，是機器人硬體供應鏈裡相對成熟但持續進化的關鍵零組件。
相關公司：上銀科技、發那科、安川電機
48. RV 減速機 vs 諧波減速機RV Reducer vs Harmonic Drive
馬達轉速通常很快但扭力不夠大，機器人關節需要精準的大扭力慢速轉動，減速機就是負責把馬達的高轉速轉換成低轉速、高扭力輸出的機構，同時要維持極高的定位精度。RV 減速機（擺線針輪式）結構堅固、剛性好、承重能力強，常用在需要扛較大負荷的機器人大關節上；諧波減速機（利用柔性齒輪變形傳動）體積更小、重量更輕、精度更高，但承重能力相對較弱，常用在機器人手腕這類需要靈活精密動作的小關節。可以想成 RV 減速機是重機的變速箱（扛得住高扭力衝擊），諧波減速機是精密手錶的齒輪組（輕巧精細但不耐重載）。Nabtesco 是 RV 減速機的傳統龍頭，Harmonic Drive 則是諧波減速機領域的代表廠商。
特別在哪：這兩類減速機長期由日本廠商（Nabtesco、Harmonic Drive）主導核心專利與精密加工技術，是機器人零組件裡進入門檻最高、國產化最慢的環節之一。
相關公司：納博特斯克、哈默納科（諧波驅動系統）、發那科
49. 推論 vs 訓練Inference vs Training
訓練（Training）是把巨量資料餵給模型，透過反覆計算調整內部參數，讓模型學會辨識規律，這個過程需要極大量 GPU 長時間高強度平行運算，通常集中在少數幾個超大型資料中心進行。推論（Inference）則是訓練完成的模型被實際拿來使用，例如回答使用者的一個問題、生成一段文字，單次運算量遠小於訓練，但因為使用者數量龐大、请求隨時湧入，推論的「總」運算需求會隨著 AI 應用普及而持續攀升，且更講求反應速度與部署地點貼近使用者。可以想成訓練是花好幾年時間培養一位醫學生成為專科醫師（前期投入巨大、集中在幾間頂尖醫學院），推論是這位醫師之後每天看診回答病人問題（單次診斷不難，但看診量隨病人增加而暴增，且分布在各地診所）。
特別在哪：訓練拉動的是大算力叢集、高階 GPU、高頻寬網路的需求；推論拉動的則是更廣泛分散的算力部署、更講求成本效益與能效的晶片（包括自研 ASIC），兩者對供應鏈裡不同環節的拉力並不相同，也是雲端業者近年積極投入自研推論晶片的原因。
相關公司：輝達、字母控股（谷歌）、亞馬遜、Meta平台、OpenAI
50. CDN 與邊緣運算Content Delivery Network & Edge Computing
如果全世界的使用者都要連到同一座資料中心拿資料，距離遠的人延遲就會很高，影片卡頓、網頁載入慢。CDN（內容傳遞網路）的做法是在全球各地布建大量節點，把常用內容預先複製一份放在離使用者最近的地方，使用者連到附近節點就能拿到資料，不用長途跋涉。這幾年 AI 應用興起後，「邊緣運算」把這個概念延伸到即時運算：把部分 AI 推論任務也放到邊緣節點就近處理，減少往返中央資料中心的延遲，適合像即時客服、自駕感測這類對反應速度極敏感的場景。可以想成便利商店把常用商品分店都備貨，不用每次都跑回總倉庫調貨；現在連簡單的組裝加工也搬到分店做，出貨更快。Cloudflare 是這個領域的代表廠商，同時做內容加速、資安防護與邊緣運算平台。
特別在哪：AI 推論邊緣化仍以較小、較輕量的模型為主，複雜的大模型訓練與重推論仍集中在中央資料中心，邊緣運算目前是補充而非取代雲端算力。
相關公司：Cloudflare、亞馬遜、字母控股（谷歌）、微軟
51. 零信任資安Zero Trust Security
傳統資安架構像蓋一座城牆，只要通過外部防火牆進到公司內網，內部系統之間就相對信任、暢行無阻，但駭客一旦突破城牆或員工帳號被盜，就能在內部橫向移動到處存取。零信任資安（Zero Trust）拋棄「內網等於安全」的假設，改成「永不信任、始終驗證」，不管使用者或裝置是在內網還是外網，每次存取資源都要重新驗證身分、裝置健康狀態與權限範圍，把存取權限切得極細。EDR（端點偵測與應變）是零信任架構常見的關鍵工具，安裝在每台電腦和伺服器上持續監控異常行為，一發現可疑活動就即時阻擋並通報，等於在每個端點都派駐警衛而不只是守大門。可以想成傳統做法是社區只在大門口設警衛，零信任則是每一戶、每個房間進出都要刷卡驗證。CrowdStrike 是 EDR 領域的代表廠商。
特別在哪：AI 是資安的兩面刃：攻擊方用 AI 生成更逼真的釣魚郵件與惡意程式碼、加速尋找漏洞；防禦方也用 AI 加速異常行為偵測與自動應變，雙方都在軍備競賽中加碼投入。
相關公司：CrowdStrike、Cloudflare、微軟、字母控股（谷歌）
52. 資料雲與資料倉儲Data Cloud & Data Warehouse
企業的資料原本散落在各種系統裡，業務系統一份、財務系統一份、行銷系統又一份，格式不統一、彼此串不起來，想做分析或訓練 AI 模型都很麻煩。資料倉儲把這些分散資料清理、整合、集中存放，讓公司可以做統一的報表分析與查詢；搬上雲端後更進一步變成「資料雲」，具備彈性擴充運算資源、跨團隊即時共用、與外部資料源串接等優勢。這跟 AI 的關係很直接：訓練模型需要乾淨且大量的資料，RAG（檢索增強生成，讓 AI 回答問題前先去查詢企業自己的最新資料）也需要有一個結構化、能快速檢索的資料庫當後盾，資料雲正是這個角色。可以想成企業原本資料像分散在很多個雜亂儲藏室裡的紙本檔案，資料雲是把它們全部數位化、分類上架到一座有智慧搜尋功能的中央圖書館，AI 才能快速取用。Snowflake 是資料雲領域的代表廠商。
特別在哪：資料雲廠商近年積極把 AI 查詢、模型訓練與 RAG 檢索功能直接整合進平台本身，等於從「存資料的倉庫」進化成「餵養 AI 的中央廚房」，是雲端資料領域的競爭重心。
相關公司：Snowflake、亞馬遜、微軟、字母控股（谷歌）
53. CPU/GPU Socket 連接器CPU/GPU Socket Connector
CPU、GPU 這類高階處理器需要跟主機板交換大量電力與訊號，做法是在處理器底部或主機板上布滑密密麻麻的針腳（pin），透過一個專用插座（socket）把兩者精準對接扣合，讓處理器可以插拔更換而不用整片主機板焊死重做。AI 晶片運算能力越強、需要傳輸的資料與電力越多，針腳數量就跟著暴增，從早期幾百根到現在動輒五千根以上，插座的針腳間距要做得更密、每根針腳的接觸電阻與訊號完整性要求也更嚴苛，加工難度大幅提高。可以想成早期電器插頭只有兩三根插腳就能供電，現在高階伺服器晶片像是要同時插進去幾千根極細的探針，還要保證每一根都穩定接觸不鬆脫。台灣的嘉澤在這類高針腳數的伺服器與 AI 晶片連接器領域深耕已久，是相對稀缺的精密連接器供應商。
特別在哪：針腳數暴增讓連接器的加工精度、良率控制與材料成本同步墊高，能穩定量產高針數 socket 的廠商不多,是台廠嘉澤受惠 AI 伺服器升級的核心邏輯。
相關公司：嘉澤、輝達、超微半導體、英特爾
54. 濺鍍靶材Sputtering Target
晶片內部電晶體做好之後，還需要一層層極細的金屬線路把訊號連接起來，這個鍍上金屬薄膜的製程叫濺鍍（sputtering）。做法是把高純度的金屬材料做成一塊「靶材」，放進真空腔體，用高能量的離子束轟擊靶材表面，把金屬原子一顆顆打飛出來，均勻沉積附著在晶圓表面，形成極薄的金屬導電層。靶材純度要求極高（常見到 99.9999% 以上），任何雜質都可能影響晶片良率，且靶材使用一段時間後表面會被打薄耗損，需要定期更換。用過的靶材含有金、鉑、鈀等貴金屬，回收提煉後可以重新製成新靶材或賣出貴金屬，形成一套上游供應、下游回收再利用的循環生意。可以想成靶材像一塊會被慢慢磨損的肥皂，磨損下來的皂沫（金屬原子）附著到晶圓上變成保護膜，用到剩一小塊的肥皂頭還能回收熔煉再利用。台灣的光洋科在貴金屬材料與靶材回收領域是重要廠商。
特別在哪：貴金屬回收是這門生意的隱藏獲利引擎：靶材本身單價高，回收提煉貴金屬能大幅降低整體材料成本並創造穩定的循環營收，光洋科正是卡在這個材料供應與回收循環的節點上。
相關公司：光洋科、台積電、應用材料、科林研發
55. DRAM 與記憶體週期DRAM & Memory Cycle
記憶體不像邏輯晶片能靠設計差異化，DRAM、NAND 這類標準品幾乎誰做的都能互換，價格完全由供需決定，因此呈現典型的「景氣循環」——缺貨時報價一路狂飆、廠商拚命擴產，供給一過剩又崩跌，反覆循環。DRAM 與 NAND 屬於波動劇烈的深循環，HBM 因為綁定 AI 加速器、由少數大廠寡占且需求穩定成長，循環相對淺。判斷循環位置比看單季獲利更重要：這類股票最危險的時刻，往往是價格與獲利都衝到最高、本益比（股價÷每股盈餘）算出來反而最低的時候。可以想成一杯水位忽高忽低的水，水最滿（獲利最好）時看起來最划算，卻常常是準備往下倒的頂點。
特別在哪：記憶體股的「低本益比陷阱」是新手最容易踩的坑：頂部時獲利爆發讓本益比看起來便宜，實際上正是循環反轉、股價即將回落的訊號，反而應該在虧損、本益比為負的谷底布局。
相關公司：南亞科技、華邦電子、美光科技
56. HDD 與 HAMRHDD & HAMR
硬碟（HDD）用磁頭在高速旋轉的碟片上讀寫磁性資料，單位容量成本遠低於固態硬碟（SSD），適合存放不需即時存取的「冷資料」。AI 時代模型訓練與推論產生大量很少再讀取、卻又不能刪的資料，資料中心需要海量又便宜的儲存空間，重新把需求推回硬碟。HAMR（熱輔助磁記錄）是提升容量的關鍵：用一道微型雷射先把碟片上的磁點瞬間加熱，讓磁粒更容易被寫入，寫完立刻冷卻鎖住資料，就能把磁粒做得更小、單碟塞進更多容量。可以想成在很硬的蠟上刻字，先用小火烤軟一點再刻，字就能刻得又細又密。目前 HAMR 大容量硬碟已由希捷率先量產出貨，單碟容量持續往上疊。
特別在哪：硬碟產業經過整併只剩希捷、威騰兩大寡頭，供給紀律良好、不再殺價競爭，加上 HAMR 技術門檻高，讓這個曾被看衰的夕陽產業因 AI 冷資料需求重新變成穩定獲利的雙寡頭生意。
相關公司：希捷科技(Seagate)、威騰電子(Western Digital)
57. RISC-V 開放指令集RISC-V Open ISA
指令集（ISA）是 CPU 看得懂的「語言規則」，決定軟體怎麼指揮硬體。過去這套規則不是英特爾的 x86，就是要付授權金的 Arm，開發者只能租用。RISC-V 則是開源免費的指令集，任何公司都能拿來自由設計自己的處理器核心、不必付專利授權費，也不受單一廠商綁定。這種開放彈性在需要客製化、低功耗的 AI 邊緣裝置（物聯網、車用、AI 加速小核）特別吃香，各國也基於供應鏈自主的考量積極押注。可以想成 Arm 是要付月租的品牌語言教材，RISC-V 則是免費開放、還能自己改寫章節的公共教材。台灣的晶心科是全球少數的 RISC-V 處理器 IP 供應商。
特別在哪：RISC-V 的殺傷力在於「免授權金＋可自由客製」，讓中小晶片商與追求供應鏈自主的國家都能繞過 Arm 的授權模式，在 AI 邊緣運算這個高速成長、又講究能耗與成本的戰場快速崛起。
相關公司：晶心科技、安謀控股
58. CCL 三大上游材料CCL Upstream Materials
電路板（PCB）不是憑空長出來的，最底層的原始板材叫銅箔基板（CCL），由三大材料疊壓：玻璃纖維布提供強度與尺寸穩定、樹脂當黏著與絕緣、表面再貼一層銅箔用來蝕刻出線路。這三者的等級直接決定 PCB 能跑多高的頻率、多低的訊號損耗。AI 伺服器與高速交換器的訊號頻率越拉越高，對「訊號跑過去不失真」要求極嚴，於是表面超平滑、能大幅降低高頻損耗的 HVLP（極低稜線）銅箔變得供不應求，是整條材料鏈中技術含量與毛利最高的一環。可以想成蓋房子，玻纖布是鋼筋、樹脂是水泥、銅箔是牆上要走的電線，缺一不可。
特別在哪：HVLP 銅箔是這條鏈的技術瓶頸與獲利甜蜜點：AI 高速訊號對低損耗要求嚴苛，能穩定量產超平滑高階銅箔的廠商稀少，讓上游材料商在 CCL→PCB 的產業鏈中掌握議價權。
相關公司：富喬工業股份有限公司、金居開發股份有限公司、聯茂電子股份有限公司、台光電、台燿科技股份有限公司
59. 檢測分析實驗室（FA／RA）FA / RA Lab
晶片做出來或用壞了，都需要專業實驗室拆解檢查，這類服務分兩大類。FA（故障分析）像法醫，用電子顯微鏡、切片、通電等手段找出晶片為什麼失效、缺陷在哪裡；RA（可靠度驗證）則像健檢，用高溫、高濕、反覆冷熱、加速老化去驗證產品在多年使用下會不會出問題。過去這些多在晶片廠內部做，如今先進封裝把多顆晶片、記憶體堆疊整合在一起，結構複雜、失效模式難捉摸，任何一顆出包整包報廢，讓獨立、公正的第三方檢測分析變成不可或缺的剛性需求。可以想成晶片的專科醫院，出廠前體檢、故障後驗屍缺一不可。
特別在哪：先進封裝把檢測分析從「有需要才送」變成「每批都得驗」的剛需：堆疊結構一旦內部出現微裂或空洞極難察覺，自養一座昂貴實驗室又不划算，於是專業的第三方 FA／RA 實驗室成為封裝良率的守門人。
相關公司：閎康科技、宜特科技
60. 特用電子氣體Specialty Electronic Gases
做晶片的每一步幾乎都離不開氣體：蝕刻要用含氟、含氯的氣體把多餘材料一層層咬掉，沉積薄膜要通入反應氣體，摻雜則靠特定氣體改變半導體的導電性。這些「特用電子氣體」純度要求極高，一點雜質就可能毀掉整片晶圓的良率，因此像血液一樣，供應一斷、產線立刻停擺。過去高階電子氣體多由歐美日少數大廠壟斷，地緣政治與斷鏈疑慮升高後，各國與晶圓廠都積極扶植在地供應，讓國產化成為熱門題材。可以想成廚房的瓦斯與調味料，看起來不起眼，一旦斷貨整間餐廳都開不了伙。
特別在哪：電子氣體是典型「平時不起眼、缺了就致命」的關鍵耗材：品質門檻高、認證期長、又高度依賴進口，讓在地化供應在缺料與地緣風險下成為晶圓廠與政府共同扶植的戰略題材。
相關公司：台灣特品化學股份有限公司(台特化)、台積電
61. 液冷快接頭 QDLiquid Cooling Quick Disconnect
AI 伺服器改用液冷後，冷卻液必須流經一根根管路進到 GPU 冷板帶走熱量，維修或換機時得能快速拆接這些管路。快接頭（QD，Quick Disconnect）就是接在管路上的專用接頭，內建止漏閥門，插上時自動接通、拔開時瞬間關閉斷水，讓工程師能在不放乾整套系統、也不漏液到昂貴電子零件上的前提下快速插拔。液體碰到通電的伺服器等於災難，因此這個看似不起眼的小零件，防漏可靠度直接決定整套液冷系統敢不敢大規模導入。可以想成加油槍拔出來油不會噴出來的那個止漏設計，只是精密與可靠度要求高上許多。單一機櫃常需要數十到上百組，用量隨液冷滲透率快速放大。
特別在哪：快接頭是液冷普及的安全咽喉：一旦漏液就可能造成整櫃停機甚至燒毀，可靠度門檻與驗證極高，加上單櫃用量動輒上百組，讓這個小零件成為液冷供應鏈中技術含量與需求彈性兼具的關鍵環節。
相關公司：富世達股份有限公司、川湖、奇鋐
62. 記憶體代工Memory Foundry
一般晶圓代工是客戶拿設計來、代工廠純粹幫忙生產。力積電走的是不同路線：它把旗下的銅鑼十二吋廠整廠出售給美國記憶體大廠美光換取現金，同時承接美光的後段晶圓製造與 3D 整合代工，自己則聚焦記憶體代工、邏輯代工與所謂「3D AI Foundry」三大支柱。3D AI Foundry 是把記憶體與運算晶片用晶圓對晶圓堆疊、中介層等先進手法垂直整合的服務，正好卡在 AI 需要把記憶體塞到離運算更近的趨勢上。這種「賣廠換現金＋承接對方後段製程」的組合，和單純接單生產的純代工在商業模式上截然不同。可以想成不只把廚房租給名廚，還把廚房賣了、再回頭承包他家最後的擺盤上菜工序。
特別在哪：力積電的模式特別在於用賣廠取得的現金與產能轉型，卡進 AI 記憶體「近運算整合」的後段與 3D 堆疊環節，把過去毛利有限的成熟製程代工，升級成綁定美光生態系、附加價值更高的 3D AI Foundry。
相關公司：力積電、美光科技
附錄
名詞速查表
追蹤指標總表
彙整各小節「研究員追蹤指標」，依 Tier 排列，供快速查閱。
| 小節 | 核心追蹤指標（節錄） |
|---|---|
| AI 實驗室／模型 | 募資輪次與估值變化；長期算力採購合約金額與履約進度；ARR/營收數字（多來源矛盾需並列）。 |
| 雲端／軟體平台 | 四大 CSP 資本支出與 guidance；RPO；Nvidia 資料中心營收 vs CSP capex 擷取率；HBM 漲價對 capex 影響。 |
| 晶片設計／EDA／IP | CSP capex 與 CoWoS 產能；NVLink Fusion vs UALink 站隊；設計服務商月營收與毛利率；EDA 中國營收占比。 |
| 晶圓代工 | 先進製程營收占比與資本支出 guidance；N2/A16 良率趨勢；Intel Foundry 外部客戶營收；Rapidus 良率與客戶擴增。 |
| 記憶體／HBM | 三大廠 HBM 季度營收與市占率；HBM3E→HBM4 轉換進度；NVIDIA 平台認證動態；HBM 合約價格走勢。 |
| 封裝測試 | 台積電 CoWoS 自有產能與委外比例；日月光 LEAP 營收占比；京元電測試產能利用率；CoWoS 供需缺口收斂速度。 |
| 設備 | 資本支出年增率；稼動率；認證進度；新產能開出時程；訂單能見度與 backlog；客戶集中度。 |
| 材料 | 資本支出年增率；稼動率；認證進度；矽晶圓報價（現貨 vs LTA）；AI 相關營收占比。 |
| 載板／PCB | 資本支出用途拆分；ABF/CCL 報價趨勢；客戶認證進度；玻璃基板商業化進度；CoWoS 產能擴張連動。 |
| 散熱／電源／機構 | 機櫃出貨量；液冷滲透率；台廠月營收（MOPS）；NVIDIA 認證通過名單；資本支出與產能擴張。 |
| 伺服器／ODM | ODM 月營收公告（MOPS）；訂單能見度與客戶集中度；GB200/GB300/Rubin 出貨與認證時程；CSP capex 指引；毛利率變化。 |
| 網通／光通訊 | 規格轉換與實際出貨落差；客戶集中度；InfiniBand vs 乙太網路滲透率；Nvidia 資本與供應鏈布局；供給端瓶頸訊號。 |
| 被動元件 | 稼動率（UTR）；MLCC/晶片電阻漲價動態；AI伺服器單機MLCC用量估計（注意統計口徑）；BB Ratio；原物料成本（銀價等）。 |
| 電源／類比 IC | SiC晶圓/晶片價格趨勢；SiC市占率格局；PMIC design win動態；VRM效率指標；800V HVDC商用化時程分歧訊號。 |
| 機器人 | Optimus量產進度；減速機廠擴產計畫；人形機器人BOM成本估算；行星滾柱螺桿供給格局；台廠打入供應鏈的實際交割時點。 |
全部來源清單
彙整六份研究檔中出現的主要外部連結，依章節分組。所有連結均於新分頁開啟。
概觀與需求端
- OECD：Overview of the AI supply chain
- McKinsey：AI power 資料中心容量
- Goldman Sachs：資料中心電力需求
- Tom's Hardware：Big Tech AI 支出彙整
- 微軟 SEC 8-K
- CNBC：微軟 FY26 Q3 財報
- Alphabet SEC 8-K
- Variety：亞馬遜財報
- DCD：亞馬遜 capex
- Fortune：JPMorgan capex 預估
- Bloomberg：OpenAI 852B 估值
- CNBC：OpenAI 募資
- DCD：OpenAI-Oracle 合約
- Bloomberg：CoreWeave-OpenAI 合約
- Microsoft 官方部落格：OpenAI 夥伴聲明
- Sacra：OpenAI ARR
- Anthropic 官方：Series H
- Anthropic 官方：與 Amazon 合作
- CNBC：Anthropic-Google Cloud TPU 合作
- xAI 官方：Series E
- Introl：xAI Colossus 擴充
- SoftBank 官方新聞稿
- CNBC：軟銀 FY2025 財報
- Arm 官方新聞室：AGI CPU 發表
晶片設計
- NVIDIA Newsroom：Blackwell Ultra
- DCD：Vera Rubin 全面量產
- AMD 官方部落格：MI350 系列
- Google Blog：Ironwood TPU
- AWS 官方：re:Invent 2025
- Meta AI Blog：MTIA
- Microsoft 官方：Maia 200
- NVIDIA Newsroom：NVLink Fusion
- The Register：UALink 2.0
- CNBC：EDA 出口管制撤回
- Qz：博通財報
- CNBC：博通 Q2 2026 財報
- OpenAI 官方：Jalapeño 晶片
- ARM Newsroom：Q4 FYE26 財報
代工／記憶體／封測
- Focus Taiwan：Fab 22 量產 N2
- 台積電 SEC 6-K Q1 2026
- TrendForce：台積電 A16 延至 2027
- Intel SEC 8-K Q1 2026
- 聯電官方 Q1 2026 財報
- TrendForce：Rapidus 後段試產線
- Micron IR：HBM4 高量產
- SK Hynix Newsroom：HBM4 開發完成
- Samsung Global Newsroom：HBM4 量產
- Bloomberg：黃仁勳確認三家 HBM4 供應商
- Yole Group：HBM 市場規模
- ASE Technology 法說會簡報
- TrendForce：CoWoS 缺口收斂
- 新加坡 EDB：京元電新加坡廠
設備／材料／載板
- Applied Materials 官方新聞稿
- Lam Research 官方財報
- KLA 官方新聞稿
- TEL 官方決算短信
- Advantest 官方決算短信
- Disco 官方決算短信
- 信越化學決算短信
- SUMCO 法說會簡報摘要
- HOYA IR
- MIT Technology Review：味之素 ABF
- TrendForce：味之素 ABF 投資
- Data Gravity：ABF 載板瓶頸分析
- Ibiden 官方資本支出計畫公告
- JPX 官方公告：新光電氣下市
- TrendForce：SKC 玻璃基板
散熱／電源／伺服器
- Vertiv 官方新聞稿
- Vertiv 官方：擴產公告
- 日立官方新聞稿：與 OpenAI MOU
- NVIDIA 開發者部落格：800V HVDC
- DCD：Hitachi Energy 變壓器短缺
- Dell 官方：GB300 NVL72 首發
- Supermicro IR
- 鴻海官方新聞稿
- Wiwynn 官方新聞稿
網通／光通訊
- NVIDIA 官方：NVLink
- Marvell 官方：1.6T 時代
- Seeking Alpha：Arista Q1 2026
- Astera Labs 官方財報
- NVIDIA 官方投資人：相干公司合作
- 日經新聞：藤倉市值突破 10 兆日圓
- 古河電工官方決算短信
- Ultra Ethernet Consortium 官方新聞稿
- UALink Consortium 官方公告
- Lumentum 官方：IR公告
- Fabrinet 官方：投資人關係
- TechNews：聯亞光電財報
- TechNews：華星光通
- TechNews：光聖 FAU 送樣
被動元件／電源類比 IC（research-08）
- TrendForce：高階MLCC產能滿載
- 村田製作所官方決算短信
- NVIDIA開發者部落格：800V HVDC架構
- TI官方新聞稿：800VDC架構
- onsemi投資者新聞稿
- MPWR SEC 8-K
補充公司定位與新增地圖公司（research-09／research-10）
- TechNews：瑞昱打入輝達供應鏈
- Digitimes：聯詠營收成長
- eMemory：TSMC OIP 合作夥伴獎
- Socionext：Arm Total Design 合作
- Teradyne Q1 2026 財報
- Onto Innovation Q1 2026 財報
- 南亞電路板 IR：2025年營運概況
- 崇越科技官網：Q2營收創新高
- Entegris SEC 8-K：FY2026 Q1財報
- 鉅亨網：貿聯-KY收購Interplex Datacom
機器人（research-07）
- NVIDIA IR：Isaac GR00T參考人形機器人
- Tesla Q1 2026 Shareholder Update（官方IR PDF）
- Electrek：馬斯克否定Optimus暗中量產猜測
- Intuitive Surgical Q1 2026 財報（SEC 8-K）
- Nabtesco FY2025決算資料（官方PDF）
- Harmonic Drive Systems官網：強み
- FANUC FY2025決算資料（官方PDF）
- Goldman Sachs Insights：人形機器人市場規模
- Morgan Stanley：人形機器人市場規模
完整來源清單（含所有交叉驗證連結）請參見十份原始研究檔案：research-01 至 research-10。查證截止日：2026-07-04。