Insights

Huang, Po-Sung (Sinclair) (2026) | SSRN Working Paper No. 6285318 Posted: February 22, 2026 | Under Review This paper examines infrastructure-based leading indicators as predictive signals for technology investment cycles, with empirical evidence from the semiconductor industry. The analysis demonstrates how physical infrastructure constraints precede and predict shifts in capital allocation patterns across the semiconductor value chain. View on SSRN → Note: This is a preprint under peer review. All data collection, statistical analysis, results, and interpretations are the author’s own.

產業概況 隨著生成式 AI、大型語言模型（LLM）與資料中心算力需求持續成長，AI 晶片已成為半導體產業中最具戰略價值的細分市場之一。 2025 年，全球 AI 晶片市場規模預期將持續擴張，主要動能來自雲端服務供應商（CSP）、超大規模資料中心（Hyperscalers）與企業級 AI 應用部署。 從供應鏈角度觀察，先進製程、先進封裝與高頻寬記憶體（HBM）已成為影響產能與交付節奏的三大關鍵瓶頸。 關鍵趨勢 1. NVIDIA 持續領先 NVIDIA 仍是目前 AI 加速器市場的主導者。 H100 與新一代 H200 系列產品，搭配 NVLink 與 CUDA 生態系，已形成高度黏著的軟硬體整合平台。 在大型資料中心與雲端訓練市場，NVIDIA 的市佔率仍維持壓倒性優勢，短期內尚難出現結構性替代者。 2. AMD 急起直追 AMD 的 MI300 系列在效能與能耗比方面展現明顯進步，並開始獲得部分雲端服務供應商採用。 雖然在軟體生態系與開發者工具鏈成熟度上仍落後 NVIDIA，但在價格競爭力與供應彈性方面具備一定吸引力。 3. 中國自主研發加速 在出口管制與地緣政治影響下，中國加速推動本土 AI 晶片自主研發。 儘管在先進製程、HBM 供應與系統整合能力方面仍存在技術差距，但在特定應用場景（如推論、邊緣 AI）已逐步形成替代方案。 投資建議 從產業鏈角度觀察，AI 晶片成長動能並不僅來自晶片設計公司本身，還擴散至多個上游與周邊環節： 先進封裝技術： CoWoS、Chiplet 與 2.5D / 3D 封裝需求快速上升，成為產能瓶頸核心。 AI 加速器設計： 除 NVIDIA、AMD 外，雲端服務供應商的自研晶片（如 TPU、Trainium）亦值得關注。 高頻寬記憶體（HBM）： HBM3 與 HBM3E 已成為 AI 系統關鍵元件，供應緊張情況短期內難以緩解。 結論 2025 年 AI 晶片產業仍處於高成長階段，但產業競爭格局正在逐步多元化。 NVIDIA 的領先地位短期內難以撼動，AMD 與本土替代方案則持續縮小差距。 ...