我的網誌
【我們想讓你知道】
AI產業競爭正從比拚模型效能，轉向算力效率與獲利能力。當模型商開始追求降本增效，光通訊、電源、散熱與先進封裝的重要性同步提升，台灣供應鏈也迎來新一波升級商機。
撰文：股他命
過去這3年來，AI產業最大的焦點無疑是語言模型的實際表現，從ChatGPT、Gemini、Grok到Deepseek，幾乎每隔幾個月都會有新模型推出，語言模型的評分排名也不斷輪動。
但隨著Anthropic與Open-AI相繼啟動IPO程序，市場接下來將不再只聚焦於語言模型實際的效能，更會檢視這些模型是否能幫公司創造足夠多的算力與營收，並支撐規模越來越龐大的投資需求與現金流。
語言模型商拚降本增效 垂直整合能力是競爭關鍵
目前AI算力需求已經逐步從過往一次性的模型訓練，轉向持續性的推理能力，AI推理服務的經濟效益也開始以Token作為衡量實際產出、成本與收入的指標。
然而，在Token走向商業化的過程中，容易陷入價格競爭；對於模型商而言，營運加速轉盈的關鍵，除了要讓訂閱模型的用戶增速超過投入費用的增速，也要將Token成本壓在比競爭對手更低的水準。
能讓語言模型降低成本的關鍵，不只來自GPU升級，整個模型架構、推理引擎、記憶體與互聯等效率也都會影響；因此，未來AI伺服器對不同零組件之間的整合要求，勢必會越來越高，這也是近幾年台灣不少公司開始進行垂直整合的主因，能幫客戶提前想到在其他領域可能面臨的整合問題、並提供相應的解決方案，才能成為客戶最依賴的供應商。
光電整合帶動需求 電源、散熱同步受惠
以台灣供應鏈的布局來看，半導體、電源與散熱是目前垂直整合做得最好的領域。台積電(2330)從先進製程延伸至CoWoS（Chip-on-Wafer-on-Substrate）、SoIC（System on Integrated Chips，系統整合晶片）、矽光子與CPO（共同封裝光學）等領域，將電晶片與光晶片進行 3D 堆疊，讓運算、封裝與高速傳輸整合在同一個平台，代表未來即使記憶體與互聯頻寬會讓 AI 晶片效能提升的幅度受限，台積電供應鏈仍然能透過光電整合，繼續推出下一代產品，使相關光通訊與設備廠受惠。
（圖片來源：AI 僅示意 / 內容僅供參考，投資請謹慎為上）文章出處：《Money錢》2026年10月號下載「錢雜誌App」隨時隨地掌握財經脈動
觀看更多內容，歡迎訂閱《Money錢》雜誌
