科技硬體生產力提升8.6% AI瓶頸轉向能源

摩根士丹利指出，能源與資料中心產能——而非晶片設計——將成為AI硬體擴張的下一個關鍵制約因素。

摩根士丹利表示，AI硬體的下一個瓶頸正從晶片設計轉向能源供應與製造產能，而該行業8.6%的生產力提升正進一步推動基礎設施投資。

「AI模型效率的提升將進一步激勵企業增加AI基礎設施支出，為半導體需求提供持續支撐，」摩根士丹利分析師在報告中寫道。

調查發現，過去12個月，科技硬體與半導體企業的淨生產力分別成長8.6%與8.2%，但同期淨裁員幅度約在5%至8%之間。報告中提到的關鍵制約因素包括基礎設施與能源限制、資料中心產能、舊有系統整合，以及AI專業人才短缺。

這項轉變對投資者有直接影響。隨著AI從生成式模型演進至代理式AI，市場對CPU、半導體設備與記憶體的需求將持續增強，進而對台積電的晶圓代工產能及先進封裝供應鏈構成壓力。摩根大通2026年科技預算約2000億美元，其中約230億美元——即25%——配置於AI。摩根士丹利表示，這一支出軌跡將進一步加劇實體基礎設施的壓力。

歐洲半導體企業已開始調整。ASML、英飛凌與Aixtron均在2026年宣布裁員計劃，但管理層未直接將裁員歸因於AI。而ams OSRAM的情況則更為明確——該公司於2026年2月宣布將在三年內裁減逾2000個職位，並明確指出其歐洲業務的AI自動化為原因之一，同時將部分勞動力轉移至亞洲。

報告的核心論點是，AI效率提升創造了一個正向投資循環：企業透過AI提升生產力的幅度越大，就越願意增加AI基礎設施支出，進而帶動晶片訂單。在所有受訪行業中，平均淨生產力提升幅度為9.6%，銀行與軟體公司位列採用率最高的產業。

供應鏈限制加劇，2奈米量產啟動

AI晶片主導代工廠台積電已發出產能吃緊訊號。該公司2026年第二季營收達402億美元，年增33.7%，並將全年資本支出上調至600億至640億美元區間，較此前520億至560億美元的目標增加15%。其中約70%至80%的支出用於包括2奈米及3奈米在內的先進製程節點，10%至20%則投入CoWoS等先進封裝——這目前仍是AI晶片供應的瓶頸。

台積電表示，2奈米製程（每平方毫米電晶體密度更高，可提升每瓦性能）在初期量產階段預計將使毛利率稀釋3至4個百分點。該公司同時宣布其亞利桑那州鳳凰城廠區將進行總值1000億美元的多年度擴建，使其在美總投資額達到2650億美元。

投資啟示：誰贏誰輸

對投資者而言，摩根士丹利的報告透過將能源、電力與產能限制視為結構性資本支出驅動因子，強化了半導體與AI基礎設施類股的長期看多前景。提供AI實體層服務的企業——包括資料中心營運商、能源基礎設施公司以及ASML、應用材料等半導體設備製造商——將因瓶頸從設計轉向生產而受益。

相較之下，依賴規模化優勢的晶片設計公司可能面臨利潤率壓力，因為能源與製造成本上升正侵蝕獲利能力。台積電股價在法說會後因市場對資本支出強度的擔憂而下跌約5%，跌破400美元，目前約為遠期本益比18倍——摩根士丹利與巴克萊分析師認為，相較於整體半導體指數，該估值存在折讓，他們認為更高的支出是長期營收能見度的指標，而非結構性效率問題。

本文僅供資訊參考，不構成投資建議。