瑞銀：AI基礎設施投資從GPU擴散至全產業鏈
Nashnova编辑部
瑞銀團隊在台北OCP APAC Summit 2026調研15家核心廠商後得出結論：AI投資重心正從GPU本身擴散至維持其高利用率所需的全部基礎設施——電源、封裝、網絡、散熱、機架，每一環都在變成增長點。
點解話「淨買GPU」嘅時代完咗？
瑞銀報告的核心判斷：AI基礎設施正轉向全系統方法，計算、內存、網絡、電源、散熱、安全、封裝、存儲和機架架構必須同步優化。
這意味著→ 過去「採購GPU就等於搞AI」的邏輯已經失效，圍繞GPU的每一層配套都在變成獨立的資本開支項。
簡單來說＝ GPU是引擎，但而家引擎太強，油路、散熱、波箱全部要重做——資金正沿住條鏈往外流。
電源升級：400V/800V直流點解係最確定嘅方向？
微軟、谷歌、英偉達、台達等多家廠商共同指向同一路徑：由2027年起，電力系統將遷移至獨立電源側車（將供電模塊從機架裡拆出嚟單獨部署），把400V/800V直流電直接送入IT機架。
瑞銀產業反饋顯示，英偉達Rubin平台起步滲透率約10%，Rubin Ultra階段進一步提升；谷歌同Meta嘅±400V ASIC系統推進更快，滲透率預計達30%–40%。
這意味著→ 高壓直流能同時提升機架密度、減少銅材用量同轉換損耗——一次升級解決多個樽頸，呢個就係佢被一致睇好嘅原因。
先進封裝：樽頸點解由「做更細嘅晶體管」變成「將晶片組裝埋一齊」？
台積電、日月光、應用材料、博通均強調：AI性能越來越依賴先進封裝，技術工具箱已從CoWoS擴展至CoPoS、SoIC、扇出/FoCoS、CPO（共封裝光學）及STCO（系統—技術協同優化）。
關鍵樽頸不再只係邏輯製程，仲包括良率、翹曲、載板供應、熱設計同光學對準。
簡單來說＝ 以前拼嘅係「將電路刻得更細」，而家拼嘅係「將好幾塊晶片好似Lego咁嚴絲合縫噉疊埋一齊」——組裝環節嘅難度同價值都喺快速上升。
網絡與光學：數據搬運點解成為下一個卡脖子環節？
隨住速率提升，銅纜傳輸距離縮短、光模塊可靠性下降、晶片邊緣帶寬不足，共封裝光學（CPO）（將光學器件直接封裝喺晶片旁邊，用光而非電嚟傳數據）正成為解決方案。
日月光將CPO視為先進封裝嘅自然延伸：將光學器件、ASIC、交換晶片、HBM同電源傳輸集成到更緊密嘅系統級架構中。
這意味著→ 「算得快」之後，「搬得快」成為新樽頸——光學互連廠商嘅戰略價值正在被重新定價。
Agentic AI時代，CPU點解反而更重要？
AMD同Arm均指出，Agentic AI（能夠自主調用工具、管理多步任務嘅AI代理）唔單止需要GPU，仲會大幅增加CPU嘅編排需求——內存、存儲、RAG/向量數據庫、工具調用都要CPU嚟協調。
AMD嘅數據：傳統推理場景CPU與GPU比例約1:4，新架構正向1:1靠攏。這意味著→ 數據中心內CPU計算量將翻倍級增長，但唔會減少GPU機架嘅需求。
簡單來說＝ GPU係做重活嘅工人，CPU係調度員；工人越多，調度員都要等比增加，否則成個工地會亂。
瑞銀睇好邊啲？資金會流向邊啲環節？
半導體：偏好台積電、日月光、ASpeed、聯發科——受益邏輯分別來自先進封裝、CPO/光學封裝、BMC/安全晶片、定制晶片與系統級集成。
硬件與組件：服務器ODM鴻海、廣達、緯創、緯穎；基礎設施廠商台達、King Slide、BizLink——受益於更高機架密度、800V直流電源、液冷同線纜/互連升級。
這反映出 瑞銀嘅核心判斷：AI投資擴散已經發生，但各環節估值是否充分反映咗呢種擴散，將會係後續市場最大嘅分歧所在。
Content is for reference only, not financial advice.