台灣 AI 供應鏈完整地圖：從 CoWoS、AI 機櫃到 800 VDC 與液冷

台灣 AI 供應鏈完整地圖：從 CoWoS、AI 機櫃到 800 VDC 與液冷

台灣在 2026 年的 AI 供應鏈位置，已經很難再用「幫 NVIDIA 做伺服器」概括。NVIDIA 公布的 Vera Rubin 供應鏈橫跨晶圓、先進封裝、機櫃製造、高速互連、電源與散熱，超過 100 萬個 MGX 機櫃零組件會在台灣 25 個工廠據點匯流。

理解這條供應鏈的關鍵，也因此不再只是找出「哪些公司沾到 AI」。當 AI 基礎設施從單張 GPU、單台伺服器走向整櫃與整座 AI Factory，真正需要觀察的是：誰能把晶片、機構、網路、電力與熱管理接成一套可以大量交付的系統。

實體索引｜半導體設備與 AI 供應鏈實體

• 人物、公司與設備：台灣 AI 供應鏈完整地圖：從 CoWoS、AI 機櫃到 800 VDC 與液冷；核對人物、公司、CoWoS／封測／離子佈植／CVD／材料、AI 機櫃、800 VDC、液冷、設備型號、工廠與年份。
• 原文錨點：台灣在 2026 年的 AI 供應鏈位置，已經很難再用「幫 NVIDIA 做伺服器」概括。NVIDIA 公布的 Vera Rubin 供應鏈橫跨晶圓、先進封裝、機櫃製造、高速互連、電源與散熱，超過 100 萬個 MGX 機櫃零組件會在台灣 25 個工廠據點匯流。 理解這條供應鏈的關鍵，也因此不再只是找出「哪些公司沾到 AI」。當 AI 基礎設施從單張 GPU、單台伺服器走向整櫃與整座 AI Factory，真正需要觀察的是：誰能把晶片、機構、網路、電力與熱管理接成一套可以大量
• 產業鏈脈絡：把材料、設備、晶圓製程、封裝測試、伺服器、電力、散熱、客戶認證與產能連成實際供應鏈。
• 編輯界線：區分技術規格、供應鏈推估、公司公告與市占／身家敘事；「完整地圖」需標出上下游角色與資料時間。

重點快讀

• 台灣 AI 供應鏈從台積電的晶圓製造與 CoWoS，一路延伸到封裝測試、伺服器、機櫃、網路、電源與液冷。
• NVIDIA Vera Rubin 已把 AI 運算推向 rack-scale 與 POD-scale，一座 AI Factory 需要的供應鏈遠大於單一 GPU。
• 鴻海、QCT、緯創、緯穎、英業達等公司的價值，逐漸集中在整櫃設計、製造、測試與全球交付能力。
• 800 VDC、CPO 與液冷正在從資料中心配套變成 AI 系統架構的一部分。
• 台灣最難複製的優勢，是大量供應商能在同一個製造生態裡快速共同設計、驗證與量產。

一座 AI Factory 到底包含什麼？

先把「AI 伺服器」這個概念放大。

NVIDIA 2026 年推出的 Vera Rubin 已經是一個 POD-scale 系統。官方描述的完整平台由 Vera Rubin NVL72、Vera CPU、Groq 3 LPX、BlueField-4 STX 儲存以及 Spectrum-6 SPX Ethernet 等五類機櫃系統共同組成。

其中 Vera Rubin NVL72 本身又整合 72 顆 Rubin GPU 與 36 顆 Vera CPU。

這代表 AI 基礎設施的競爭單位正在改變。

以前可以用「一顆 CPU」、「一張 GPU」或「一台 Server」理解硬體市場；進入高密度 AI 運算後，GPU 能不能真正轉成可使用的算力，取決於機櫃內外的網路頻寬、電力轉換、散熱、儲存、控制與系統可靠度。

這也是為什麼 NVIDIA 把新的資料中心稱為 AI Factory。

第一層：台積電與 CoWoS 先決定晶片能不能變成 AI 系統

所有 AI 機櫃仍然必須從晶片開始。

台積電的角色同時跨越先進製程與先進封裝。到了大型 AI 加速器，單一裸晶片已不足以解決運算與記憶體頻寬需求，CoWoS 等封裝技術負責把多個運算晶粒與高頻寬記憶體放進更大的封裝系統。

台積電在 2026 年北美技術論壇表示，目前正在生產 5.5 倍光罩尺寸的 CoWoS，後續仍會持續擴大封裝尺寸。

這項變化很重要。

AI 晶片競爭已經把部分製造瓶頸從「能不能做出更小的電晶體」推向「能不能把更多運算與記憶體可靠地封裝在一起」。

NVIDIA 公布的台灣 Vera Rubin 生態裡，也直接列出台積電、SPIL、Kinsus、KYEC 等上游夥伴。台灣在 AI 晶片的價值因此不只存在於晶圓廠，也延伸到封裝、載板、測試與量產協作。

延伸閱讀：張忠謀如何發明晶圓代工？

第二層：ODM 的工作正在從做伺服器變成把整個機櫃交出去

晶片完成後，下一個問題是如何把數十顆 GPU、CPU、網路、電源與冷卻模組放進可以量產的系統。

NVIDIA 公布的 Vera Rubin 系統製造夥伴包含 Foxconn、Pegatron、QCT、Wistron、Wiwynn、Inventec、Compal、ASUS 等多家台灣公司。

這裡最容易產生一個誤解：把它們仍然視為傳統 PC 時代的「組裝廠」。

AI Rack 的複雜度已經高得多。

GPU Tray、Compute Tray、網路模組、Cable、Busbar、Power Shelf、冷板、CDU 與整櫃機構必須一起設計，最後還要進行韌體、散熱、功率、可靠度與量產測試。

鴻海在 COMPUTEX 2026 展示 Vera Rubin NVL72 時，已經把自身定位從 AI Server Supplier 延伸到 AI Factory 與 Token Factory 基礎設施。展示內容包含完整機櫃、Compute Tray、CPO、高速光通訊、PCB、水冷板、分歧管以及資料中心部署能力。

這代表製造商能取得多少價值，越來越取決於「可以交付多少系統」，而非單純計算組裝了多少主機。

YOLO LAB 先前整理的緯創 AI 基礎設施轉型，就是這個變化的具體案例。

第三層：CPO 與高速網路正在成為下一個供應鏈戰場

當 GPU 數量持續增加，運算晶片之間如何傳遞資料會直接限制整套系統能不能擴張。

這使光互連開始進入 AI 機櫃核心。

NVIDIA 在 Vera Rubin 平台加入 Spectrum-X Ethernet Photonics，將 Co-Packaged Optics，也就是 CPO，帶入新一代大型 AI Factory 的網路架構。

台灣系統廠也已經開始把這個環節拉進自己的設計能力。

緯穎在 COMPUTEX 2026 展示 CPO-based optical scale-up rack，並與 Ayar Labs、GUC 及多家光纖生態系夥伴合作；鴻海也展示 CPO、1.6T 光通訊模組與相關光傳輸方案。

原因很直接：當資料中心朝數十萬甚至更大規模的加速器部署前進，網路的功耗、距離與頻寬會與 GPU 本身一樣影響整體效率。

台灣過去擅長的伺服器與網通製造，因此正在與光通訊產業重新接合。

第四層：800 VDC 讓電源從零組件變成系統架構

AI 機櫃功率密度提高後，電力已經無法被放在系統設計最後才處理。

2026 年 COMPUTEX 可以清楚看到這個轉折。

台達展示 800 VDC 列間電源、90kW DC-DC Power Shelf、110kW AC-DC Power Shelf，以及從電網一路延伸到晶片的 Grid-to-Chip 架構。

光寶也與 QCT 展示 800 VDC 液冷 Power Rack 與 110kW Power Shelf。

為什麼要提高電壓？

高功率 AI 資料中心如果持續用大量低壓、大電流方式傳輸電力，導體、空間、轉換與熱損失都會快速增加。提高直流電壓，可以讓新一代兆瓦級 AI 系統重新安排電力傳輸方式。

因此，台達、光寶這類公司在 AI 時代的角色不能只用「電源供應器公司」理解。

它們正在進入 AI Factory 的系統設計層。

第五層：液冷已經成為高密度 AI 機櫃的設計前提

電力密度上升的另一面就是熱。

Vera Rubin NVL72 等新一代 rack-scale 系統已大量把液冷直接納入架構。這讓 Cold Plate、CDU、Pump、Manifold、Liquid-cooled Busbar 等原本較少受到一般讀者注意的零組件快速變成 AI Supply Chain 的重要環節。

台達在 COMPUTEX 2026 展示最高 3MW 的 GoCool Liquid-to-Liquid CDU、2.4MW 列間式 CDU，以及 Vera Rubin NVL72 Cold Plate。

光寶則展示 280kW In-Rack CDU，並直接讓 800 VDC Power Rack 的高功率元件使用液冷冷板。

鴻海與緯穎也都把液冷列入整體 AI Rack 與資料中心整合能力。

這個轉變帶來一個重要產業判斷：未來 AI 基礎設施的競爭，很難再把「運算」、「電源」與「散熱」分成三條互不相關的供應鏈。

它們必須共同設計。

台灣 AI Supply Chain 可以分成哪些主要環節？

系統層	核心任務	台灣代表性參與者
晶圓與先進封裝	AI 晶片製造、CoWoS、封裝與測試	TSMC、SPIL 等
AI Server／Rack	Compute Tray、整櫃、系統製造與測試	Foxconn、QCT、Wistron、Wiwynn、Inventec、Pegatron
網路與光互連	Ethernet、CPO、高速光通訊	台灣網通、光通訊與系統整合生態
電源	Power Shelf、HVDC、Busbar、BBU	Delta、LITEON 等
液冷	Cold Plate、CDU、Pump、Manifold	Delta、LITEON、Foxconn、Wiwynn 等
AI Factory	將算力、電力、散熱、網路與資料中心接成完整系統	系統廠、資料中心與全球平台商共同完成

這張表最重要的地方不在列出更多公司，而是理解同一家公司可能同時跨越多個環節。

AI Rack 越複雜，系統整合能力的價值越高。

台灣真正難以複製的優勢，是「一起量產」

NVIDIA 表示，台灣目前有超過 500 個 NVIDIA 生態系夥伴；超過 100 萬個 Vera Rubin MGX 機櫃零組件會在台灣 25 個工廠據點匯集。

這個數字揭露的核心競爭力並非單一明星企業。

一套 AI Rack 出現問題時，原因可能同時來自晶片、載板、電源、PCB、Cable、韌體、散熱、機構或網路。這些供應商能不能在短時間內一起修改設計、做樣品、驗證並量產，會直接影響新平台上市速度。

台灣數十年電子製造累積下來的供應鏈密度，在這裡轉化成另一種能力：縮短共同設計與量產的迴圈。

這也是為什麼 NVIDIA 每推出一個更複雜的 rack-scale 平台，台灣電子產業的角色並沒有因為「代工」而縮小，反而向更多系統層延伸。

但台灣 AI 供應鏈不等於 NVIDIA 供應鏈

把台灣 AI 產業全部綁在 NVIDIA 上，也會低估台灣硬體企業的真正能力。

緯穎在 COMPUTEX 2026 除了 Vera Rubin NVL72，也展示 AMD Helios rack-scale solution。鴻海同樣公開 AMD Instinct 平台相關系統。

這透露一個更長期的判斷。

台灣 ODM 與零組件公司的核心資產，應該是跨不同運算架構重複使用的製造、散熱、供電、網路與系統整合能力。

GPU 平台會換代，供應商的競爭位置也會改變；可以持續把新架構轉成可靠量產品的公司，才比較可能跨越單一產品週期。

看 AI 供應鏈，不要只問誰是「概念股」

如果要判斷一家企業在 AI Supply Chain 裡的位置，比「有沒有接到 NVIDIA」更有用的問題至少有四個：

1. 它負責的是單一零件，還是已經進入 rack-level system？
2. 它的產品是否必須與 GPU、網路、電源或液冷共同驗證？
3. 隨著機櫃功率與複雜度上升，每一套系統需要的產品價值量是否增加？
4. 公司有沒有能力跟著 hyperscaler 與 AI Factory 到美國、歐洲及其他市場交付？

這些問題能把短期訂單新聞與長期產業位置分開。

接下來台灣 AI 供應鏈要看三件事

CoWoS 繼續變大

台積電已經進入 5.5 倍光罩尺寸 CoWoS 生產，更大型先進封裝仍在路線圖上。AI 晶片從單一 Die 走向更多 Chiplet 與記憶體整合後，封裝的重要性還會繼續提高。

800 VDC 與液冷從展示走向大規模部署

2026 年已經可以看到台達、光寶、緯穎等公司展示完整方案。下一個驗證點是這些架構如何隨新 AI 平台大量進入實際資料中心。

CPO 能不能真正跨進量產

銅互連在大型 AI Cluster 面臨距離、頻寬與功耗壓力。CPO 若持續擴張，會把晶圓製造、光通訊、封裝與伺服器產業再度拉到同一條供應鏈裡。

這可能成為台灣 AI Hardware 下一個值得建立完整內容群的主題。

常見問題

台灣 AI 供應鏈有哪些主要公司？

如果依系統層區分，晶圓與封裝有台積電及相關封裝測試生態；AI Server 與 Rack 有鴻海、QCT、緯創、緯穎、英業達、和碩等；電源與散熱則包括台達、光寶與大量零組件供應商。不同公司負責的技術層不同，不適合用單一排名比較。

AI 伺服器和 AI Factory 有什麼差別？

AI Server 是運算節點；AI Factory 則包含大量運算節點，以及網路、儲存、電力、散熱、控制與資料中心基礎設施。Vera Rubin 已經直接用多個 rack system 組成 POD-scale 平台。

為什麼 CoWoS 對 AI 很重要？

大型 AI 加速器需要把多個運算晶粒與高頻寬記憶體放在高密度封裝中。CoWoS 讓這些元件能以高頻寬互連，因此先進封裝產能與良率會直接影響高階 AI 晶片供應。

為什麼 AI 資料中心開始使用 800 VDC？

AI Rack 的功率密度快速增加，高壓直流架構可以重新設計大功率電力傳輸與轉換方式，降低大電流帶來的配線、空間與效率壓力，因此已成為新一代兆瓦級 AI 基礎設施的重要方向。

台灣 AI Supply Chain 就是 NVIDIA Supply Chain 嗎？

不是。NVIDIA 是目前非常重要的平台需求來源，但台灣系統廠同時參與 AMD 等其他 rack-scale 平台。台灣更長期的競爭力在於晶圓、製造、電源、散熱、網路與系統整合能力可以跨不同運算平台使用。

台灣 AI Supply Chain 的下一階段

台灣 AI 產業最值得觀察的變化，是硬體價值正在由「做出一顆晶片」向「把一整座算力工廠可靠地運作起來」延伸。

台積電仍然位於最上游的關鍵位置，但當 GPU 密度增加，鴻海、廣達、緯創、緯穎、台達、光寶與大量看不見的載板、PCB、光通訊、電源及散熱供應商，也會被拉進更深的共同設計。

因此，台灣 AI Supply Chain 最有價值的理解方式，是沿著一個 Token 往回追：模型產生答案之前，需要 GPU；GPU 需要封裝；封裝要進入機櫃；機櫃需要網路、電力與冷卻；最後整套系統才有可能成為真正持續生產算力的 AI Factory。

這條物理供應鏈，才是台灣在全球 AI 浪潮中最具結構性的資產。

把供應鏈地圖接回四家公司的財報

一張 AI 供應鏈地圖如果只列公司名稱，很容易變成概念股名單；更有用的做法，是把每家公司放回它實際承擔的工程層，再用合併財報檢查這個位置是否已經轉成可持續的生意。台積電在晶圓與先進封裝，鴻海在製造與系統平台，緯穎在 hyperscale 伺服器與 rack-scale 設計，台達則在電力、散熱與資料中心基礎設施。四者不是同一種公司，也不應用同一套毛利率或資本支出標準比較。

公司／層級	2025 官方數據	讀法
台積電／晶圓與封裝	營收約 3.809 兆元、稅後淨利約 1.718 兆元、EPS 66.25 元	先進製程與 CoWoS 的高附加價值
鴻海／製造與平台	營收約 8.103 兆元、歸屬母公司淨利約 1,893.54 億元、EPS 13.61 元	規模、雲端網路產品與系統整合
緯穎／AI 伺服器	營收約 9,506.63 億元、淨利約 511.18 億元、EPS 275.06 元	AI 產品占比提高後的高成長與高單價
台達／電源與散熱	營收約 5,549 億元、稅後淨利約 601 億元、EPS 23.14 元	把功率密度、能源效率與基礎設施變成產品

這個比較先提醒一件事：營收最大不代表在供應鏈中最靠近技術瓶頸，EPS 最高也不代表風險最低。鴻海的營收規模來自多元製造與全球客戶，緯穎的 EPS 則反映較高 AI 伺服器單價與快速放量；台積電的高淨利率來自製程、良率與資本密集的技術門檻；台達則把電源轉換、散熱、能源管理與資料中心工程整合成長期產品線。真正要追蹤的是公司能否在下一代平台換代時，維持客戶驗證、交付能力與現金流。

從一座 COMPUTEX 機櫃看懂「整合」的價值

緯穎在 COMPUTEX 2026 官方展示圖中，同一個展區並列 800 VDC Power Rack、NVIDIA Vera Rubin NVL72、BlueField-4 STX Storage Rack 與 Vera CPU Rack，旁邊還出現 Wistron 與 Wiwynn 品牌。這張圖不是在宣稱每個元件都由同一家公司製造，而是把 AI 工廠的採購單位從單一伺服器推向整個 rack：運算、儲存、網路、供電與冷卻必須一起驗證，任何一層延誤都會讓客戶無法部署。

因此，Wiwynn 2025 年營收 9,506.63 億元、AI 相關產品超過一半的官方說法，不能簡化成「賣更多 GPU」。它代表公司把主機板、機構、液冷、光互連、韌體、測試與全球交付包成 hyperscale 客戶可以導入的系統。這種系統整合的價值，通常不會完整出現在單一零件的報價裡，而會反映在客戶驗證週期、訂單能見度、存貨周轉與資本支出配置。

三種基本面訊號：成長、品質與風險要分開看

第一是成長訊號。台積電 2025 年全年營收約 3.809 兆元，鴻海全年營收約 8.103 兆元，緯穎則達約 9,506.63 億元；這些數字說明 AI 需求已經進入大型供應鏈的合併報表，而不只是展場概念。可是，年度成長還要拆成季度、產品組合與客戶拉貨，不能把某一季的高峰直接外推成永久趨勢。

第二是獲利品質。鴻海 2025 年營業利益率約 3.20%、淨利率約 2.34%，緯穎則在 AI 伺服器放量下有約 5.4% 的稅後淨利率；台達 2025 年稅後淨利率約 10.8%，台積電則維持遠高於製造同業的獲利結構。這些差異不能拿來做單純排名，卻能幫助讀者理解：系統代工靠規模與效率，專用伺服器靠客戶驗證與產品組合，電源散熱靠技術與長期設計導入，晶圓代工靠製程與產能稼動。

第三是風險訊號。高營收可能伴隨高存貨、高應收帳款與大額資本支出；高 EPS 也可能受產品週期、匯率或一次性收益影響。AI 機櫃需要的 GPU、HBM、先進封裝、電源與液冷都有供應瓶頸，出口管制、電力取得、海外建廠與客戶集中度則會把製造風險延伸到財報之外。閱讀供應鏈時，應把「訂單變多」與「投入資本後仍能產生自由現金」分成兩個問題。

從公司名、品牌名到人物名：如何讀出台灣 AI 集團脈絡

台灣 AI 供應鏈不是單一品牌的故事，而是多層企業網絡：台積電的製程與封裝決定晶片能否量產；鴻海的 Foxconn 平台把零組件與系統帶到全球製造基地；緯創與緯穎把雲端客戶需求轉成 rack-scale 產品；台達與光寶等公司把電力、散熱與能源管理接到資料中心。人物與家族的敘事可以幫助讀者理解治理與資本配置，但不能取代公開公司的合併財報與產品責任。

把這條脈絡打通後，策略借鏡會更具體：先找下一個系統瓶頸，再建立跨平台可重複使用的工程能力，最後用營收、毛利、現金流、資本支出與客戶集中度逐季驗證。這比追逐「誰被 NVIDIA 點名」更接近企業真正的護城河，也能解釋為什麼同一波 AI 需求會同時利多晶圓、伺服器、電源、散熱、光通訊與資料中心服務。

延伸閱讀：張忠謀與台積電純晶圓代工模式、林憲銘與緯創 AI 伺服器系統整合、林百里與廣達 AI 伺服器平台。

本段財報與圖片來源

• 台積電｜2025 年董事會決議與全年財務數字
• 鴻海科技集團｜FY2025 與 4Q25 財務結果
• 緯穎｜2025 年財務結果與 AI 產品營收說明
• 台達｜2025 致股東報告書
• 緯穎｜COMPUTEX 2026 高功率與光互連官方展出頁

讀圖方法：這張供應鏈地圖不把公司名稱直接當成同一種生意，而是把台積電的晶圓與封裝、鴻海與緯創的系統製造、緯穎的雲端伺服器，以及台達的電力與散熱分開核對。讀者可先對照公司公告與年報的期間、營收、毛利率、資本支出和產品組合，再回到 NVIDIA 的平台公告確認系統層的需求；任何由此延伸出的策略都是可追蹤假說，不是對未來訂單、股價或投資報酬的保證。

財報交叉檢查：若 AI 需求真的轉成長期生意，應同時在出貨量、產品組合、應收帳款、存貨、資本支出與現金流看到可互相印證的訊號。單一季度的營收跳升或展會上的機櫃照片，都不能獨立證明客戶驗證、量產規模或利潤率改善；把這些指標拆開，才有辦法比較不同公司在同一條 AI 基礎設施鏈上的責任與風險。

更新節點：後續更新本文時，應保留公告日期、資料期間與原始連結，並把新一代 GPU、機櫃電力與液冷規格逐項對回實際產品，不以單一新聞標題取代完整財報。

資料來源

• NVIDIA｜Taiwan’s Industry Titans Turbocharge World’s AI Infrastructure Buildout
• NVIDIA Newsroom｜Vera Rubin Ramps Into Full Production
• 台積電｜2026 年北美技術論壇
• 鴻海｜COMPUTEX 2026 AI 基礎設施
• 台達｜COMPUTEX 2026
• 光寶｜COMPUTEX 2026 AI 資料中心電源與液冷
• 緯穎｜COMPUTEX 2026
• NVIDIA GTC Keynote 2026｜官方影片