歷史的迴響：從「兩兆雙星」廢墟看 2026 年的 AI 豪賭

當全世界都在為 HBM 短缺與 CoWoS 產能歡呼時，資深分析師 Alpha Tower 警告：台灣正在重演 2000 年代「兩兆雙星」的資本陷阱。面對 5000 億美元的 Capex 巨牆與不成比例的 AI 軟體營收，我們是否正在為一場史詩級的產能過剩鋪路？

Alpha Tower | 2026 年 1 月 15 日

🎯 核心論點 (Thesis)

當前的 AI 硬體狂熱，本質上是一場缺乏終端應用支撐的供給面通膨；台灣半導體供應鏈正在犯下與 20 年前「兩兆雙星」完全相同的錯誤——將週期性的庫存回補誤判為永久性的結構需求。

我們正處於一個危險的歷史時刻。市場將 HBM (高頻寬記憶體) 的短缺視為無限成長的訊號，正如 2004 年我們誤以為液晶面板 (LCD) 的需求永遠不會飽和。當台積電與 SK Hynix 為了 2026 年早已「售罄」的產能瘋狂擴產時，很少人停下來問：這些昂貴的晶片最終要賣給誰？如果 AI 應用的營收無法填補那道 5,000 億美元的資本支出鴻溝，身為「軍火商」的台灣，將會是庫存海嘯的第一排受害者。

📊 數據證據 (Evidence)

這一論點並非危言聳聽，而是基於冷硬的數據：

Capex 與營收的死亡交叉：根據高盛與市場數據，2026 年全球科技巨頭 (Hyperscalers) 的 AI 資本支出預計將突破 5,270 億美元。然而，企業端的 AI 軟體營收成長卻遠未跟上此速率。歷史告訴我們，當基礎設施投資超過終端營收的 20% 時，通常預示著泡沫破裂。目前的比例已遠超此警戒線。
HBM 的產能排擠效應：為了生產一顆 HBM4 晶片，製造商需要消耗傳統 DDR5 晶片 3 倍的晶圓產能。這導致 2025 年底 DDR5 價格暴漲近 300%。這種人為的供給緊縮正在扼殺 PC 與手機等消費性電子市場的復甦——而這些才是半導體產業真正的「基本盤」。
歷史的鏡像：2000 年代初期，台灣政府推動「兩兆雙星」(DRAM 與面板)，目標產值各破一兆台幣。結果因過度投資導致產能過剩，DRAM 產業累積虧損超過千億，面板業則陷入長達十年的低毛利泥淖。今日的 CoWoS 與 HBM 擴產競賽，與當年的 12 吋晶圓廠狂熱驚人地相似。

🔬 技術深潛 (Technical Deep Dive)：良率的數學陷阱

為什麼 HBM4 的擴產如此危險？這不只是蓋工廠的問題，這是物理學的限制。

傳統 DRAM 是二維平鋪的，壞了一區可以屏蔽 (Binning)。但 HBM 是 3D 堆疊結構，透過數千個 TSV (矽穿孔) 垂直連結。想像你要將 12 張薄如蟬翼的紙完美對齊並打孔穿過，只要其中一層有微小的對位誤差或熱膨脹翹曲，整顆晶片就會報廢。

這意味著 HBM 的良率遠低於標準記憶體。為了滿足 NVIDIA 的需求，記憶體原廠 (SK Hynix, Samsung) 被迫將大量成熟製程轉向 HBM，導致晶圓產出效率 (Throughput) 急劇下降。市場看到的「短缺」，很大程度上是製造難度導致的效率低落，而非真實的終端需求暴增。一旦良率提升或需求微幅放緩，供給過剩將會瞬間發生。

⚔️ 競爭版圖 (Competitive Landscape)

競爭者	2026 戰略地位	潛在風險
TSMC (台積電)	霸主：CoWoS 封裝的唯一守門人。	過度承擔 AI 曝險；若 NVIDIA 砍單，專用產線難以轉用。
SK Hynix	領先者：HBM3e/4 的技術領導者。	資本支出過高，若記憶體週期反轉，現金流將最先枯竭。
Samsung	追趕者：良率掙扎，但在價格戰中最具破壞力。	可能為了搶市占率發動價格戰，重演 DRAM 殺價歷史。
Intel (Foundry)	幽靈：在 AI 高階製程中幾乎隱形。	缺乏存在感，但也因此避開了第一波產能過剩的衝擊。

🏭 供應鏈影響 (Ecosystem Impact)

這場豪賭不僅影響晶片廠。

上游 (設備商)：ASML 與 Applied Materials 正在享受訂單積壓，但若 2027 年出現砍單潮，其股價修正將極為劇烈。
下游 (系統廠/組裝)：廣達、緯創等伺服器代工廠正面臨極大的庫存壓力。高單價的 AI 伺服器意味著極高的營運資金 (Working Capital) 需求。一旦客戶付款週期拉長，現金流風險將倍增。

🔮 未來情境 (Scenarios)

情境 A：AGI 的救贖 (樂觀，機率 20%) AI Agent 在 2026 年下半年展現出驚人的生產力，企業願意為每個員工支付每月 500 美元的訂閱費。軟體營收暴增，消化了所有硬體產能。台灣供應鏈再次偉大。
情境 B：週期性修正 (基準，機率 50%) 「AI PC」銷售持續疲軟 (如 Ars Technica 報導所述)，邊緣 AI 應用未成氣候。Hyperscalers 在 2026 年底發現基礎設施利用率不足，開始削減 2027 年資本支出。HBM 價格在 2027 Q1 崩盤，供應鏈進入 12-18 個月的去庫存寒冬。
情境 C：主權 AI 的底氣 (特殊變數) 這是一個不同於「兩兆雙星」的變數。如果各國政府 (基於國防與安全) 取代企業成為 GPU 的最終買家，那麼即使沒有商業利潤，軍備競賽也將維持需求地板。這將使泡沫維持更久，但破裂時也將更慘烈。

⚠️ 我可能錯在哪裡 (Counter-Argument)

我的悲觀可能忽視了「推論 (Inference) 需求」的長尾效應。目前大部分算力用於「訓練 (Training)」，這是高爆發但一次性的需求。如果 AI 模型的使用成本降得夠低 (Token price collapse)，激發出數以兆計的微型應用 (如嵌入每一台家電的語音助理)，那麼目前看似巨大的產能可能在 2028 年看來仍是短缺的。此外，軍事與國防需求的僵固性 (Inelasticity) 可能遠超我的預期，讓市場脫離純粹的商業邏輯。

結語：台灣人常說「生意囝歹生」。我們擅長製造，擅長將成本壓到極致，但這也讓我們容易陷入「軍備競賽」的盲目。2026 年的繁榮是建立在沙堆上的城堡，還是通往奇點的階梯？在下注之前，請先回頭看看那些廢棄的面板廠。