曾冠玮指出，多家 CSP 已讨论，一旦电力供应无法如期到位，与其持续 over booking 晶片，不如先下修采购、调整 AI 伺服器部署节奏，以免硬体到手却无电可用。过去电力设施约占整体资本支出的 10%，但如今已有 CSP 思考 2027 年是否将比重提高至 25%。他认为，这并非市场所称的AI泡沫破裂，而是投资周期的节奏调整，CSP 逐渐从「算力最大化」转向「供电可行性」与营运效率，可能会变相地去减少在晶片的需求。
外界关注 ASIC 与 GPU 的竞争，曾冠玮分析，Google TPU 等客制晶片虽形成新势力，由 Google 进行系统整合，再由 Broadcom 微调 TPU 规格，等于让 Broadcom 多了一个「二阶客户」，但晶片最终仍属 Google 所有。他强调，ASIC 多为特定团队量身打造，弹性受限；相较之下，GPU 的世代演进速度始终领先 ASIC 一代以上，且能支援更多样的 AI 模型，因此 GPU 仍是通用算力主力，ASIC 则锁定特定需求。
曾冠玮预期，未来两年 CSP 的资本支出将更重视电力与冷却设施，AI 晶片采购节奏将依电力建设进度调整。随著 ASIC 与 GPU 分工明确，云端 ASIC 成长仍局限于特定模型与客制化场景，而 GPU 在大型模型与多模态应用中的主导地位短期难以撼动。同时，AI 加速器制造的重要性提高，台积电与 OSAT 厂商在供应链中的价值更加凸显。
他强调，这些变化不代表 AI 投资降温，而是供应链走向更成熟的分工模式。AI 发展将不再只是比拚 GPU 拉货量，而是比拚谁能在电力、算力与制造等限制下取得最佳扩张效率。他认为，AI 下一阶段是「效率战」而非「冲量战」，能在新的平衡点上找到合适节奏的企业，才是真正的胜出者。
點擊閱讀下一則新聞
