上週三（5 月 27 日），麥肯錫（McKinsey & Company）全球合夥人萊恩．弗萊徹（Ryan Fletcher），在 COMPUTEX 2026 官方展前論壇「The AI Era: A Collective Effort Toward AI Systems」中，以「Power, Cooling, Networking, and Compute: The New Four Horsemen of AI Scale」為題發表演說，點出了一個台灣產業界正在親身參與、卻尚未完整定義自身角色的轉變。他說：
「台灣在 AI 裡扮演的角色，正在從半導體的故事變成基礎設施的故事。問題不再只是誰製造晶片，而是誰能把它變成一套有電力、有冷卻、有網路、有人服務的完整 AI 系統。」
麥肯錫過去兩年發表了五篇聚焦 AI 基礎設施的系統性研究報告，涵蓋電力供給缺口、冷卻技術轉型、算力市場分裂、以及主權 AI 的規模估算。隨著超大型資料中心業者的季度資本支出合計突破 1,300 億美元、AI 伺服器液冷滲透率在 2026 年加速突破 40%，以及全球 70% 的 AI 算力集中在五家科技公司手中這個事實，逐漸引發企業反彈。
弗萊徹的演說，揭示了接下來幾年真實的 AI 硬需求：愈來愈多企業，將積極建立屬於自己的 AI 基礎設施，以擁有自己的算力與主權，而不是把一切交給少數幾家雲端服務商。
根據台灣財政部的統計，過去 12 個月截至 2026 年 3 月，台灣對美國的 AI 相關設備（資料處理設備與積體電路）出口總額達 1,690 億美元，是 2018 年同期的 109 倍；2026 年 4 月單月出口總值達 676.2 億美元，創歷年單月次高，AI 相關的資通與視聽產品年增 62.3%。台灣已是美國 AI 建設的主要供應來源。但這些數字沒有說明的是：台灣運出去的，究竟是什麼等級的東西，以及這個角色能否在主權 AI 時代繼續成立。
AI 競爭的核心，已從模型轉移到物理基礎設施
根據麥肯錫 2025 年 4 月發布的《The cost of compute: A $7 trillion race to scale data centers》報告，到 2030 年，全球數據中心累計資本支出需求將達 6.7 兆美元，其中 5.2 兆美元用於 AI 工作負載。全球電力需求從 2025 年的約 65 GW 成長至 2030 年的 220 GW，年複合成長率 22%，AI 工作負載貢獻其中約 70% 的增量。換算下來，從現在到 2030 年，全球每年必須新增相當於整個加州今日用電量的電力，才能跟上需求。這個投資規模，已不是軟體公司或晶片廠商能夠單獨解決的問題；它的量級和電網擴容、國家能源政策、以及台積電的建廠決策屬於同一個層次。
麥肯錫把阻礙 AI 規模化的四個物理瓶頸稱為「基礎設施四騎士」，分別是電力（Power）、冷卻（Cooling）、網路（Networking）與算力（Compute）。四個問題同時存在，任一崩潰都會拖垮整體。
- 根據麥肯錫的分析，電力是最緊迫的瓶頸。
美國數據中心電力需求，預計從 2025 年的 30 GW 以上成長至 2030 年的 90 GW 以上，但已規劃的追加供電量只能滿足其中 40%。電網建設週期長達 5 到 10 年，這個缺口在短期內不可能縮小。同時，單一 GPU 機架的功率需求，從傳統伺服器的 5 到 10 千瓦，上升至 AI 訓練工作負載所需的 100 到 200 千瓦，部分旗艦系統逼近每機架 1 百萬瓦。 - 冷卻的技術答案已有了，但量產就緒的挑戰才剛開始。
傳統氣冷系統在每機架超過 50 千瓦之後散熱效率迅速下降，液冷因此從選配升級為必備選項。根據麥肯錫 2025 年 10 月的報告《Beyond compute: Infrastructure that powers and cools AI data centers》，液冷市場預計從 2025 年的 20 到 30 億美元成長至 2030 年的 150 到 170 億美元，年均成長率 45 到 50%。
其中最具商業吸引力的是 Direct-to-Chip 直導冷技術，簡稱 DTC，指的是將冷卻液直接導入接觸 GPU 等發熱元件的冷板，預估到 2030 年佔冷卻市場 30%。技術能否做到，和技術能否規模化量產，是兩件不同的事。DTC 系統的認證週期、組件供應鏈深度、現場服務能力，三者同時到位的速度，才是決定新建數據中心能否如期上線的關鍵。 - 網路是最被低估的騎士。
根據弗萊徹在 COMPUTEX 演講現場的引用，過去 20 年 GPU 的運算能力成長了約 6 萬倍，但數據傳輸的網路頻寬只成長了約 30 倍，兩者之間形成大約 2,000 倍的落差。結果是：大型數據中心裡的 GPU，因為等待數據輸入或輸出，有 30 到 60% 的時間處於閒置狀態。採購了昂貴 GPU 的企業，有超過一半的算力投資沒有發揮作用。 - 算力的競爭正在分裂成兩種完全不同的市場。
根據麥肯錫 2025 年 12 月的報告《The next big shifts in AI workloads and hyperscaler strategies》，訓練大型 AI 模型，需要每機架 100 到 200 千瓦以上的算力密度、極端冷卻，以及專用低延遲網路互連；麥肯錫把這類設施比喻為「F1 賽車」，追求極致性能，不計成本。推論工作負載（Inference），即把已訓練好的模型部署成實際應用，功耗每機架 30 到 150 千瓦，強調低延遲、分散部署和成本效率，麥肯錫把這類設施比喻為「標準化量產工廠」。到 2030 年，推論工作負載將超越訓練，佔 AI 算力總需求的 50% 以上，佔數據中心總需求的 30 到 40%。
電力與冷卻：供給缺口，決定了誰有資格交貨
根據麥肯錫的分析，四騎士的問題可以從三個分析面向來看。
- 需求端：美國電力需求預計到 2030 年達到 90 GW 以上，但已規劃的供電量停在約 88 GW，之後不再成長，缺口大約在 60%，而且因為電網建設週期的限制，2030 年之前無法補上。
- 技術端：液冷市場正在以傳統氣冷的三到四倍速度擴張。2025 年氣冷與液冷的年度市場規模，分別約為 70 億美元和 25 億美元；到 2028 年，液冷規模將超越氣冷；到 2030 年，液冷市場將達到 150 到 170 億美元，氣冷則在 110 到 130 億美元之間。技術轉型的方向已確定，但能夠在認證、部署和長期維護服務三個方向，同時達到產業規模化的廠商才是真正的贏家。
- 資金端：根據麥肯錫的估算，2025 到 2030 年，電力與冷卻設備的累計支出，預計將達到 7,200 億美元；其中電力配送設備 2,800 億美元、電力備援設備 2,200 億美元、液冷設備 1,200 億美元、氣冷設備 1,000 億美元。
台灣在這三個面向裡都有具體的布局。
奇鋐（3017）在 NVIDIA GB300 水冷板市佔率目前已經接近 50%；高力（8996）已量產供應輝達 Rubin 高密度機櫃的高效能冷卻分配裝置，單台解熱能力達 1.2 MW 以上；智邦（2345）在白牌交換器市場佔據全球領導地位，2026 年 1.6T 交換器出貨是其業績主力，直接回應網路頻寬瓶頸。但冷卻技術和網路設備只是零件。把升級的零件組成一個可以運作的完整系統，才是接下來，AI 基礎建設的核心競爭。
主權 AI 的真正買家，不只是政府
在討論台灣如何參與這場基礎設施競賽之前，有一個概念需要先釐清：主權 AI（Sovereign AI）。
這個詞一度被理解為政府建設國家算力的政策項目。根據麥肯錫 2026 年 3 月發布的《Sovereign AI ecosystems for strategic resilience and economic impact》，主權 AI 的定義更廣：任何組織，無論是政府、企業或機構，對自己的 AI 基礎設施、資料、模型和算力擁有控制權，而不是把這些能力完全外包給少數幾家大型雲端服務商。目前全球 70% 的 AI 算力，由五家科技公司控制。任何不在這五家清單裡的企業，若想真正擁有自己的 AI 能力，就必須建立或採購屬於自己的基礎設施。
根據麥肯錫的估算，全球 AI 支出中有 30 到 40% 將受主權需求影響，到 2030 年代表一個 5,000 到 6,000 億美元的市場。這個市場的構成分三個層次。
- 第一層是超大型資料中心業者（Hyperscaler），Meta、Google、微軟、Amazon 等，每季資本支出合計逾 1,300 億美元，採購的是完整組裝、測試並整合進機房的整機櫃交付，即伺服器製造流程中最後幾個高整合度層次的產品。
- 第二層是企業自建算力。金融、醫療、製造業，這類客戶的資料因為法規或競爭原因不能離開自己的機房，需要本地部署的 AI 伺服器方案。
- 第三層是邊緣推論節點。工廠產線、醫院手術室、基地台機房，這類場景需要在資料產生的地方直接做出判斷，對延遲的要求比訓練型設施更嚴苛，系統通常更輕量。根據 IDC 的預估，到 2030 年，全球 50% 的 AI 推論工作負載將在邊緣端執行，而不是送到遠端的雲端資料中心。
台灣是目前全球唯一有能力同時服務這三個層次的供應鏈生態系所在地。問題在於，台灣的產業界和新創圈是否看清楚了這件事的含義。
從模組到整機：台灣供應鏈正處於爬升段
要理解台灣的位置，必須先理解一台 AI 伺服器從零件到交付給客戶，中間經歷了多少步驟。
業界把這個組裝流程分成多個層次。
L1 到 L6 是各種模組的組裝，交付的是主機板形式；L7 到 L9 加入 CPU、GPU、記憶體等關鍵零組件；L10 是系統層級的組裝與測試，確認整台伺服器可以正常運作；L11 是整機櫃整合，把多台伺服器組進一個機架；L12 是最後一哩，叢集部署與軟體優化，確保整個系統在實際的資料中心環境裡可以運行。L12 的交付，就是客戶手上拿到的「可以開機的主權 AI 基礎設施」。
從 L6 到 L12，每升一個層次，附加價值和技術複雜度都跳一個量級。根據市場數據，L12 整機櫃的單櫃售價在 200 到 300 萬美元之間。
台灣過去的主要位置在 L6，主機板模組，這是過去十年台灣伺服器代工的核心業務。
2024 年開始，頭部 ODM（原廠委託設計代工）廠商開始往 L10 以上移動。根據 Morgan Stanley 的分析，2025 年台灣三大 ODM 廠商，鴻海（2317）、廣達（2382）與緯創集團（3231，含子公司緯穎），全年 GB200/GB300 整機機櫃出貨量合計超過 2.7 萬櫃，其中鴻海一家就佔了 14,700 櫃，市佔率超過 52%。Morgan Stanley 預估，2026 年台灣 ODM 三雄整體機櫃出貨量將達到 7 到 8 萬櫃。
各家的差異化方向各有側重。
根據各公司法說會資料，鴻海的優勢在於從 GPU 模組到整機的高度垂直整合，GPU 基板在 L10 層次的全球市佔率超過 70%；廣達主攻 Meta 和 Google 等超大規模資料中心客戶，以 Rack 級的散熱與電控整合能力建立差異化，AI 伺服器業務的毛利率已突破雙位數；緯創集團則掌握 Microsoft 和 AWS 的客製化訂單，旗下緯穎是北美超大規模資料中心業者客製化伺服器的最大供應商。
根據資策會產業情報研究所（MIC）產業顧問魏傳虔在接受媒體訪問時的分析，「競爭核心已從單機性能，延伸到整櫃級的電力與散熱整合能力。」這三家公司的共同方向，是繼續往 L11 和 L12 爬。
對台灣新創而言，這條梯子的機會在另一個地方。超大型資料中心的 L11/L12 市場，已由三大 ODM 主導，新進者難以插入。但 L10 以下的企業自建算力市場，以及邊緣推論節點的輕量方案市場，競爭者更少，需求正在快速成長，買家恰好是最迫切需要主權 AI 基礎設施的企業客戶。2026 年 1 月，台灣上市公司普安科技（Infortrend，2495）發布了針對中型企業和分散部署場景設計的邊緣 AI 推論伺服器 KS 3000U，提供開箱即用的本地推論能力。根據 IDC 的預估，到 2030 年，50% 的企業 AI 推論工作負載將在邊緣端執行，這個市場目前沒有主導者。
整機櫃內部的六個戰場
往 L12 爬，意味著台灣廠商必須同時掌握一台整機櫃裡的六個子系統。每個子系統都是一場獨立的競爭，台灣在各環節的參與深度也截然不同。
算力核心是整機櫃售價最高的部分，由 NVIDIA 的 GPU（Blackwell GB300，2026 年下半年升級至 Rubin）和 SK Hynix 的 HBM 高頻寬記憶體主導，兩者合計佔整機成本大宗。台灣在這個環節幾乎缺席，唯一的卡口是鴻海掌控的 GPU 基板，全球市佔超過 70%，但基板的附加價值遠低於 GPU 本身。
系統整合是台灣最強的環節。鴻海、廣達、緯創三家加計超過 95% 的整機市佔，Supermicro 是主要的美系競爭者，但目前正面臨 NVIDIA 的供應鏈稽核。
機架內互連決定 GPU 的實際利用率，由 NVIDIA 的 Quantum-X800 InfiniBand 主導訓練型叢集，每埠頻寬達 800 Gbps。台灣在白牌 Ethernet 交換器（智邦）和 800G 光收發器（旭創 InnoLight）有明確地位，但 InfiniBand 本身完全由 NVIDIA 掌控。
電力配送正在從傳統 54V 架構向 HVDC 800V 轉型，Eaton、Schneider Electric、Vertiv 是全球主要供應商，台達電和光寶（Lite-On）在電源架和 UPS 模組上已是全球前三，台達電更取得 OCP ±400V 的認證資格。800V 標準的定義權仍在 NVIDIA 和 AWS 手中，這是台灣電源廠商最需要持續投入的認證戰場。
冷卻系統是台灣成長最快、也最有機會建立技術壁壘的環節。Vertiv 的 CDU 產品目前是全球市場領導者，但奇鋐（3017）在 GB300 水冷板的市佔已逼近 50%，高力的 Rubin 平台 CDU 單台解熱能力達 1.2 MW，台達電的 200 kW CDU 也已取得 GB200 NVL72 的認證。NVIDIA 的 Rubin 平台強制要求液冷，這個規格升級對台灣冷卻廠商而言是結構性的需求推力，而非短期訂單。
儲存和帶外管理是台灣參與最淺的環節。NVMe SSD 由 Samsung、Kioxia、SK Hynix 主導，BMC 管理韌體的業界標準，由美國的 AMI（American Megatrends）掌控，台灣廠商在這裡的角色，主要是把別人的元件整合進整機交付，而非提供自主的儲存或韌體技術。
這六個環節的地圖，說明了一件事：台灣的整機競爭力雖然強大，但它高度依賴 NVIDIA 每一代平台的規格定義。Rubin 之後是什麼，台灣廠商的認證週期能否跟上，是這個競爭格局能否持續的關鍵變數。
持續追蹤的幾個問題
根據 Morgan Stanley 的預估，台灣 ODM 三雄 2026 年整體機櫃出貨量將達 7 到 8 萬櫃，若這個數字兌現，鴻海、廣達、緯創將從代工廠轉變為 AI 基礎設施的實際定義者，在整機交付這個層次影響全球 AI 部署的標準與規格。屆時台灣的議價能力，將大於過去任何一個時期。但前提是，這三家能在 L12 的叢集部署和軟體整合層次建立起服務能力，而不只是停在組裝。
根據市場研究報告，2024 年液冷滲透率不到 10%，2026 年市場預估衝至 40 到 50%。台灣散熱廠商能否在這個窗口期同時完成技術認證、產線擴張和國際客戶滲透，決定了台灣在 7,200 億美元設備市場裡拿到的份額。奇鋐在 GB300 水冷板的接近 50% 市佔，是目前最清楚的領先訊號，但 GB300 之後的 Rubin 平台認證進度，才是真正的壓力測試。
根據麥肯錫的估算，主權 AI 市場到 2030 年規模達 5,000 到 6,000 億美元，其中邊緣推論節點是新創最有機會卡位的戰場，也是台灣各界目前討論最少的地方。台灣若有廠商能在 L10 以下的輕量主權 AI 方案建立完整的產品與服務能力，面對的競爭格局，和 L11/L12 整機櫃市場完全不同，進入門檻更低、客戶群更分散，但也更難被超大型資料中心業者和現有 ODM 三雄複製。
