台積電毛利破62%！天價支出布局2奈米與CoWoS

Summary

本集節目深入剖析半導體產業邁入「兆元美金俱樂部」的關鍵轉折，特別關注台積電 2026 年創紀錄的毛利率及其將晶片定義為「全球公共事業」的典範轉移。內容詳盡解析了 ASML 高數值孔徑（High-NA）EUV 技術與 Lam Research 乾式光阻如何推動 1.4 奈米製程極限，同時冷靜分析了 AI 投資熱潮背後的潛在泡沫風險、成熟製程的成長疲軟以及地緣政治引發的成本碎片化現象。透過技術實力與經濟效益的雙重辯證，為聽眾勾勒出半導體作為未來主權 AI 經濟「電力級基礎設施」的全景圖像。

Transcript

歡迎回到，我是燿先。 在這個算力即國力的時代，我們正站在歷史的轉折點上。

我是珵澤。 今天我們要聊的話題絕對會讓你重新定義「產業」這兩個字。 半導體產業正式跨入「兆元美金俱樂部」，而台積電剛交出的 2025 年第四季成績單，

簡直讓全球分析師都懷疑自己的數學模型是不是該砍掉重練。

沒錯。 時間拉回到 2026 年 1 月 15 日，台積電法說會震驚市場。 營收來到 337.3 億美元，毛利率更是不可思議地衝上 62.3%。

珵澤，在硬體製造業，這不是突破天花板，這是直接把天花板拆了， 重新定義了盈利極限。

62.3% 是什麼概念？ 這通常是軟體巨頭或奢侈品牌的利潤水平。 魏哲家總裁在會上提出了一個極具啟發性的觀點：半導體已不再是單純的電子零件，

而是「全球公共事業」，是推動「主權人工智慧經濟」所需的電力級基礎設施。 這標誌著半導體已脫離傳統景氣循環，進入「剛需時代」。

而這份底氣來自於技術壓制。 財務長黃仁昭指出，毛利率飆升源於三奈米進入高良率與低折舊的「收割金球期」， 加上二奈米 N2P 製程展現了前所未有的強大定價權。

為了維持這份優勢，他們將 2026 年的資本支出推升至 520 億到 560 億美元的天文數字。

這筆錢很大一部分，是為了買下通往未來的「門票」。

你說的門票，指的就是 ASML 那台像科學怪人一樣精密的機器吧？

正是。 2026 年 1 月，ASML 市值正式突破五千億美元。 核心推手就是單價高達 3.8 億美元的 EXE 5200B「高數值孔徑」EUV 光刻機。

這台機器目前的意義，在於它能讓 1.4 奈米的量產從夢想變為現實。 它不僅是機器，它是人類光學極限的結晶。

三點八億美元，換算台幣超過一百億。 買一台機器放家裡，大概會每天幫它擦灰塵。 這台機器在黃光工站到底解決了什麼痛點？

核心在於物理學的「瑞利準則」。 解析度取決於數值孔徑 NA。 ASML 把 NA 從 0.33 提升到 0.55，解析度因此達到 8 奈米。

這意味著原本需要多重曝光、像蓋好幾次印章才能印出的精密電路， 現在一次曝光就能搞定。 這不僅大幅降低了工序複雜度，更提升了關鍵的良率。

但單靠光刻機還不夠，還需要 Lam Research 的配合對吧？

對。 這就是我們常說的「製程工站協作」。 Lam Research 的 Aether 乾式光阻技術是另一個無名英雄。

它能將原料消耗降低 5 到 10 倍，並顯著減少原子級別的隨機缺陷。 沒有它，High-NA EUV 的效益會被打折扣。

但珵澤，在這些耀眼的技術背後，市場也開始出現冷靜的質疑聲： 這種瘋狂的燒錢速度，投資報酬率真的撐得住嗎？

這正是我擔心的。 Omdia 最近的報告揭露了一個「冰火兩重天」的警訊。 雖然 2026 年全球半導體營收確實會突破一兆美元，但成長極度不均。

如果你把 AI 和記憶體這兩大引擎拿掉，整個產業的年增長率會從 30.7% 斷崖式下跌到僅剩 8%。

這是一個非常深刻的觀察。 我們看到成熟製程在 2025 年下半年遭遇逆風，聯電和世界先進的產能利用率甚至跌至 60%。

再加上安世半導體受荷蘭國安限制導致的供應鏈斷裂，這說明了地緣政治正在「撕裂」原本效率至上的全球化分工， 導致成本碎片化。

燿先，還有一個數字讓我脊椎發涼。 目前雲端巨頭的 AI 資本支出佔其營業現金流比例高達 72%。

這與 2000 年網路泡沫前的瘋狂極其相似。 如果 AI 的軟體應用收益跟不上硬體投資的速度，這兆元產值會不會只是沙灘上的城堡？

這確實是一場豪賭。 但現在的科技巨頭與當年不同，他們擁有更穩健的現金流與高達 30% 的淨利率。

這集節目的核心啟發在於：當台積電將晶片定位為「電力基礎設施」， 這是一個典範轉移。 未來的勝負不在於產量，而在於誰能提供最高效、最穩定的「算力供電」。

沒錯。 對於投資者與從業者來說，在關注 AI 光環的同時，更要警惕那隱藏在背後的效能損失與地緣政治成本。

技術突破與經濟效益之間的拉鋸戰，才是接下來兩年真正的看點。

感謝大家的收聽。 技術是冰冷的，但洞察是有溫度的。 我們下次見。

祝大家在兆元時代都能找到自己的算力定位，下次見。