Google、Amazon、Microsoft 與 Meta 的2026合計資本支出將突破 6,000 億美元。
而這些資本支出幾乎都是投入在 AI 基礎建設上，這對應到的是「AI 硬體供應鏈」的獲利能力與話語權，正在全面超越傳統的「終端品牌」。
過去幾十年，台灣產業一直有「硬體毛三到四」的集體焦慮，總認為一定要學 Apple 跟Samsung 做品牌才有未來。但在AI時代，這個觀念已經過時了。
一、規模的質變：從企業投資到準國家行為
當單一企業的年度資本支出，已可對標中型國家政府預算時，邏輯就改變了。
- Google 預計2026資本支出約 1,850 億美元
- Google, Meta, Microsoft, Amazon 四家合計超過 6,000 億美元
對比台灣政府全年預算約1000億美元，科技巨頭這種投資規模已經近似於「國家級基礎建設工程」的資本運動。
而這樣規模的投資幾乎都是投在AI基礎建設．
過去有五、六千億美元的市場規模的也就只有全球智慧型手機市場。
而這還只是美國四大 CSP 的資本支出，把中國跟其他國家也算進去的話，這規模更是遠超手機：
- 根據 Gartner 的預測，2026 年全球 AI 支出將飆升至 2.52 兆美元（相較於 2025 年成長 44%）；這包含了硬體、軟體、服務及企業內部的基礎設施建置。
- 純 AI 基礎設施： 僅看 AI 數據中心等基礎設施的「純硬體」投資，其規模在 2026 年預計達到 1.4 兆美元
- AI 的資本支出不只大幅超越手機，甚至在資源分配上產生了排擠效應；像是 AI 伺服器對 HBM (高頻寬記憶體) 的需求巨大， 導致手機面臨嚴重記憶體短缺與成本上漲，這讓全球手機出貨量萎縮.
然而這場 AI 資本競賽還沒有停下來的趨勢，未來還會持續成長.
二、B2B 基礎建設 vs B2C 消費市場
以市場規模最接近的手機市場(B2C)做為比較，AI基礎建設的B2B市場有很大不同：
手機市場（B2C）
- 含品牌溢價
- 通路抽成
- 廣告＆零售利潤
- 硬體端的 BOM 可能不到終端售價一半
AI 基礎建設（B2B）
企業的資本支出幾乎全數直接流入製造端：
- NVIDIA GPU
- 台積電先進製程＋先進封裝
- HBM 記憶體
- 機房土地
- 電力工程
- 冷卻系統
對於像是台灣這樣在硬體供應鏈端來講，客戶端 1.4兆的資本支出是直接給到硬體這塊（沒有品牌跟通路等這些中間商）。
也因此看到NVIDIA、台積電等公司這些年出現爆發式營收曲線，營收成長幾乎跟這些ＣＳＰ大客戶的資本支出成長綁在一起。
在 AI 時代，「硬體供應鏈」關鍵廠商的獲利能力與話語權，正全面超越傳統的「終端品牌」．
三、風險：AI 會不會變成「利潤沙漠」？
在 AI 硬體供應鏈的 NVIDIA、台積電等獲利爆發成長的同時.
大家擔心的是這些資本支出暴漲的Google、Amazon、Meta、Microsoft 等科技巨頭們，能否能找到持續獲利的商業模式來支撐這樣千億規模的資本支出？
尤其是 AI 跟過去軟體或網際網路的商業模式有很大不同：
1. 零邊際成本神話的崩塌
過去軟體業(包含網路跟 App )的高毛利關鍵是：
開發出第一份產品成本高昂，但賣出第 100 萬份幾乎免費（賣得越多，攤提成本越低）。
但 AI 不同，儘管大模型訓練跟應用的攤提也類似賣越多攤迪成本越低，但終端客戶每一次推論都有算力成本支出．
而這些算力支出成本包含了GPU、記憶體、散熱等這些成本跟折舊攤提，還有電力費用等，而隨著客戶使用越多－對應要投入算力支出成本也越多．
因此，AI 更像電力公司或航空公司這類需要隨著客戶規模成長而持續加大資本支出規模。
而這將會徹底改變這些科技巨頭的毛利結構。
2. Red Queen 軍備競賽
既然 AI 的資本投入，可能會讓這些科技巨頭們的毛利變得更差，那為何大家還是要持續加碼投入這場 AI 資本競賽呢？
因為這些科技巨頭們的千億美元資本投入，可能是為了「防禦市場不要被搶走」：
- Google 不投入 AI ，其搜尋業務將會被侵蝕
- Meta 不投 AI，其精準廣告系統會被重構
- Microsoft 不投 AI ，企業軟體會失去 AI 優勢
- Amazon 不投 AI， AWS 業務會失去競爭力
這是一場科技巨頭們不得不參與的軍備競賽。
問題在於這場 AI 軍備競賽應該能拉高營收，但同時也將壓低利潤率。
四、「ＡＩ 硬體」更賺錢？
過去二、三十年，從單機軟體、網路時代再到行動網路時代：
偏軟體的 Google、Amazon、Meta、Microsoft 等科技巨頭們掌握高毛利的這塊．
而在 AI 時代：
- 硬體賣方市場： 當這1.4兆的 AI 資本支出都在搶奪有限的產能（如NVIDIA的GPU、台積電的先進製程跟 CoWoS 封裝、AI伺服器的散熱模組、HBM等）時，定價權回到了硬體供應鏈的關鍵廠商手上。
- 數據說話： 去年台積電的毛利率維持在 55%~60% 以上，NVIDIA 更是在 75% 左右；這已經比「品牌或 CSP巨頭」的利潤都還要高得多。
🥇為什麼「硬體」能比「品牌」更賺錢？
這打破了過去「做品牌才有高溢價」的迷思，主要原因：
- 技術壟斷 (Monopoly of Capability)：
過去手機品牌競爭激烈，消費者隨時可以換機。但現在，如果你想要最尖端的 AI 算力，全世界只有 NVIDIA 能設計、只有台積電能製造。這種「技術壟斷」產生的溢價遠高於任何品牌行銷帶來的價值。 - 定價權的反轉：
現在是 CSP 巨頭「求」硬體商產能。在持續擴張的 AI 資本競賽下，台積電的年度調價、NVIDIA 的晶片訂價等，客戶幾乎沒有議價空間。 - B2B 運營效率高：
NVIDIA跟 AI 伺服器組裝面對這些CSP巨頭客戶就佔了大部分營收，也不需要負擔像是品牌的數萬家零售店、龐大的客服團隊或數十億美元的廣告行銷費用等；這讓其能將大部分的毛利直接轉化為純利。 - AI 組裝廠利潤>消費型電子品牌
過去我們認為組裝代工是「毛三到四」，品牌才有高利潤，但現在AI 伺服器的「高單價＋B2B運營效率高＋技術門檻」，讓 AI 組裝廠的「獲利絕對值」大於多數品牌商；因為消費型電子品牌要面對巨大的廣告、通路、行銷、庫存跌價等成本，相較之下 AI 組裝廠面對的是接單生產的 CSP優質客戶，也沒有廣告、通路、行銷、庫存這些費用．另外當 AI 伺服器機櫃的功耗超過 100kW， 這些 AI 伺服器組裝廠必須連機櫃、冷卻系統、軟體調校全部包辦，這種超大型系統工程技術門檻非常高．
🥇加速自研 AI ASIC 的趨勢
面對這樣 NVIDIA 技術壟斷趨勢，這些 CSP 巨頭也正透過「加速自研 AI ASIC」來減少對NVIDIA的依賴：
- Google： 作為自研 AI ASIC 先驅，其 TPU v7p (Ironwood) 預計在 2026 年放量，主要鎖定大規模訓練。
- Amazon (AWS)： 預計 2026 年第一季量產由世芯 (Alchip) 與 Marvell 設計的 Trainium v3，其自研晶片出貨增速在 2025 年已倍增。
- Meta： 加強與 Broadcom 合作，2026 年將推出採用 HBM 的 MTIA v3，預計出貨規模將翻倍成長。
- Microsoft： 規劃由創意 (GUC) 協助量產 Maia v2，預計 2026 年上半年啟動。
2026 年的算力需求中估計有 65% 來自「推論」，而過去一般認為針對推論設計的AI ASIC 在推論成本（Cost per Token）上比通用型GPU 具備優勢。
但是 NVIDIA 的這代 Blackwell (B200/B300) 效能依然強悍，下一代也準備要推出「推論專用」GPU (Rubin CPX)，並且NVIDIA也有從 KV Cache 的角度切入讓記憶體擴充成本低來讓推論成本降低．
總結：
這解釋了為何金融市場對這些CSP巨頭們財報如此敏感。
因為過往幾乎沒有前例：
在獲利模式尚未成熟前，就先投入千億美元這樣國家級資本。
但真正更深層的變化是：
在這場 AI 資本競賽，不只是利潤的不確定性；也正在重寫產業權力的分配順序。
過去三十年價值高度集中在品牌、軟體與流量入口；但現在價值正向「算力瓶頸的硬體」方向傾斜．
而台灣的半導體跟硬體供應鏈也在其中扮演很重要的腳色。
AI 是否真的破壞「高毛利邏輯」？
很多人說：
AI 有推論成本 → 不再是零邊際成本 → 毛利下降。
但是當未來 AI 成為「所有人日常工作的必要配置」時候
這些客戶可能願意為「生產力提升」或「營收增加」而付更多錢， 而更多錢也許足夠支撐 CSP 巨頭們AI 資本巨額投入跟高毛利.
AI 發展的前半段，利潤高度集中在硬體供應鏈；但當其商業模式成熟後，價值可能又重新回流到應用層與平台這邊。
這樣對整個 AI 產業也都更健康．
