全球 AI 熱潮持續延燒，從大型語言模型到自動駕駛技術，每一項應用都離不開強大的運算能力支撐。然而，當企業爭相搶購 AI 伺服器時，卻發現訂單交期不斷延後，甚至出現「有錢也買不到」的窘境。這背後的核心矛盾，正是產能供不應求所導致的供應鏈斷層。AI 伺服器不同於一般伺服器，其核心零組件如高頻寬記憶體（HBM）、先進封裝基板、專用 ASIC 晶片以及高效能 GPU，都面臨嚴格的生產門檻。以 NVIDIA 為例，其頂規的 H100 與 B200 晶片不僅需要台積電的 CoWoS 先進封裝產能，更得與蘋果、AMD 等其他客戶爭搶有限的 3 奈米與 5 奈米製程資源。此外，伺服器組裝過程中的散熱設計、電源管理與高速傳輸介面，也因為規格特殊而無法快速量產。當雲端服務供應商與企業客戶同步擴大採購，但上游晶圓廠、封測廠與 PCB 廠的擴產速度卻跟不上需求暴增，便形成了一道難以逾越的瓶頸。這不僅影響出貨時程，更迫使品牌廠商必須重新分配有限產能，甚至放棄部分中小型訂單。長期來看，若產能瓶頸無法緩解，AI 伺服器的普及速度將受到嚴重壓抑，進而拖累整個 AI 生態系的發展節奏。
先進封裝產能吃緊：CoWoS 成為兵家必爭之地
台積電的 CoWoS（Chip-on-Wafer-on-Substrate）封裝技術，是當前高階 AI 晶片不可或缺的生產環節。由於 AI 晶片體積龐大、運算密度極高，必須透過先進封裝將多個晶粒整合在一起，才能達到所需的效能與功耗表現。然而，CoWoS 的製造難度極高，不僅需要精密的微凸塊對位、晶圓級測試，還得克服熱膨脹係數差異所導致的翹曲問題。目前台積電雖然持續擴充 CoWoS 產能，預計 2025 年產能將較 2023 年翻倍，但依然無法完全滿足來自 NVIDIA、AMD、英特爾等客戶的訂單需求。尤其當生成式 AI 模型參數量從千億級邁向兆級，晶片封裝的顆數與面積同步增加，進一步壓縮了現有產能的調度空間。許多伺服器 OEM 廠商反映，即使提前下單，仍需要排隊十二個月以上才能取得足夠的封裝後晶片。這種供需失衡的狀況，使得 CoWoS 產能分配幾乎決定了各家 AI 伺服器品牌在市場上的出貨量排名。
高頻寬記憶體（HBM）短缺：SK 海力士與三星的產能極限
AI 伺服器需要大量高頻寬記憶體來加速資料讀寫，目前主流規格為 HBM3 與 HBM3e，而下一代 HBM4 也即將登場。HBM 的生產工藝極其複雜，需要透過矽穿孔（TSV）技術將多層 DRAM 堆疊，再與 GPU 或 ASIC 晶片整合封裝。目前全球能夠量產 HBM 的供應商僅有 SK 海力士、三星與美光三家，其中 SK 海力士因為率先通過 NVIDIA 認證而獨佔大半市場。儘管各家記憶體廠商已大舉投資新廠，例如 SK 海力士在清州興建 M15X 工廠，三星也在平澤擴建 P4 產線，但 HBM 的良率提升速度遠低於預期。尤其 HBM3e 需要更高的頻寬與更低的功耗，導致測試與封裝的時間拉長，有效產出不增反減。對於伺服器出貨而言，缺少 HBM 就等同於晶片無法完成最後封裝，整機組裝只能被迫停擺。這種「一顆難求」的局面，讓伺服器代工廠必須頻繁調整生產排程，甚至為了搶料而支付溢價，進一步推升終端價格。
供應鏈長鞭效應：從晶圓到組裝的多層級瓶頸疊加
除了上述的封裝與記憶體問題，AI 伺服器出貨還受到更廣泛的供應鏈瓶頸影響。從上游的矽晶圓、光阻劑、特殊氣體，到中游的 PCB 板、電源模組、散熱風扇，再到下游的系統組裝與測試，每一個環節只要出現產能不足或物流延誤，就會透過長鞭效應放大影響。例如，高階伺服器所需的 16 層以上 PCB 板，其鑽孔與壓合工序不僅耗時，還需要專用的材料與設備，目前亞洲主要 PCB 廠的產能利用率已接近滿載。又如，液冷散熱系統因為 AI 晶片功耗突破 1000W，傳統氣冷無法因應，導致水冷板與管路組件的需求暴增，但相關供應商的擴產速度卻受限於精密加工能力。當這些零組件同時處於供不應求狀態，伺服器 ODM 廠即使有足夠的晶片與記憶體，也無法完成整機組裝。換句話說，AI 伺服器出貨的最大瓶頸並非單一零組件，而是整個供應鏈多點同時卡關，只有當每個環節的產能都獲得同步擴充，才能真正突破僵局。
【其他文章推薦】
飲水機皆有含淨水功能嗎?
無線充電裝置精密加工元件等產品之經銷
提供原廠最高品質的各式柴油堆高機出租
電動曬衣架告別傳統撐衣桿，極簡安裝開啟智能生活
零件量產就選CNC車床
產線無人化？工業型機械手臂幫你實現！