AI Data Center 完整產業鏈解析:從 CPO 矽光子、PCB/CCL 到液冷散熱的 2026 年規模爆發
生成式AI驅動的算力競賽正在重寫全球數據中心供應鏈。本文深度解析 AI Data Center → CPO/矽光子 → PCB/CCL → ABF載板 → 散熱→ 液冷 這條關鍵產業鏈的現狀與機遇。
一、問題診斷:為什麼 AI Data Center 成為投資主軸?
1. AI 算力密度革命帶來的系統層挑戰
生成式AI的快速演進推動了三個核心變化:算力需求指數級增長、晶片功耗世代跳升、數據中心架構根本性改寫。
這個變化不是線性的增長,而是質的飛躍。NVIDIA H100約700瓦,B200突破千瓦,到Vera Rubin平台單顆晶片功耗上看1800瓦。傳統氣冷散熱的物理極限約為500瓦級,現在已遠不可及。
2. 成本與可靠性的雙重困境
| 挑戰維度 | 傳統伺服器問題 | AI 伺服器衝擊 | 成本影響 |
|---|---|---|---|
| 散熱功耗 (PUE) | PUE 1.5 - 2.0 | 氣冷難以達 1.2 | 運營成本 +30-40% |
| 信號完整性 | 100G/200G 可接受 | 需支持 800G/1.6T | PCB 層數 +100% |
| 載板複雜度 | M8 級規格 | M9/M10 必需 | 單位價格 +25-40% |
| 散熱方案 | 純氣冷/風扇 | 液氣混合/液冷 | 系統成本 +15-25% |
二、對策:產業鏈垂直升級的四大核心環節
1. CPO/矽光子:數據中心網路的「血管手術」
CPO 解決方案的核心價值:
- 光電融合封裝: 光模塊與交換芯片在同一封裝內,光信號路徑縮短60-70%,衰減顯著降低
- 功耗優化: 消除長距離電氣傳輸損耗,每端口功耗降低30-40%
- 時延改善: 直接光互連相比電互連,時延降低50%,支持實時AI推論
- 集成度提升: 相同面積支持更多端口,數據中心布線密度提升2倍
NVIDIA Rubin 平台首次大規模採用 CPO 技術,將光通信價值重心從「可插拔光模塊」遷移至「矽光光引擎」。中際旭創、天孚通信、源杰科技等供應商已進入 NVIDIA 供應鏈。
2. PCB/CCL:信號完整性競賽的新規則
PCB 是 AI 伺服器的「骨架與微血管」。在 NVIDIA Kyber 架構下,PCB 的進階要求已超越傳統伺服器 3-5 倍:
| PCB 規格維度 | 消費類伺服器 | AI 伺服器(Kyber) | 技術挑戰 |
|---|---|---|---|
| 層數 | 16-18 層 | 22-28 層 | 微盲孔鑽孔良率 |
| 線距 (LineSpace) | 0.08mm | 0.05mm | 高密度互連 (HDI) |
| CCL 等級 | M8 樹脂 | M9/M10 樹脂 | 材料交期 26-30 週 |
| 玻纖布 | 玻纖布 106 | T-Glass 高模量 | 原材料成本 +30% |
| 銅箔規格 | LLP 10-12μm | HVLP4 4-8μm | 良率曲線陡峭 |
市場表現: 2025 年下半年至 2026 年 2 月,多種高階被動元器件已出現多輪次漲價,價格漲幅普遍在 5%-30%,其中高階 CCL 材料供應最緊張。深南電路、沪电股份等PCB龍頭2025年營收同比增長超24%。
3. ABF 載板:規格演進帶來的供給缺口
| 載板類型 | 2020 規格 | 2024 規格 | 2026 預期 | 成長倍數 |
|---|---|---|---|---|
| NVIDIA GPU 載板 | 328×312mm | 370×370mm | 380×405mm | 1.4x |
| 層數 | 8-10 層 | 12-14 層 | 16-18 層 | 1.7x |
| 鑽孔數 | 100 萬孔 | 150 萬孔 | 200+ 萬孔 | 2.0x |
| 單位價格 | $40-50 | $70-90 | $100-130 | 2.2x |
供給缺口預測: 2026 年下半年起將出現供給吃緊,2027 年缺口進一步擴大。欣興、南電、景碩三大廠商 2025 年營收分別年增 13.75%、24.44%、28.9%,但產能擴充週期仍需 18-24 個月。
4. 散熱方案:從「選項」到「必需」的轉折點
散熱技術演進已進入三層協同時代:
| 散熱技術層級 | 應用場景 | 導熱效率 | 成本倍數 | 市場成熟度 |
|---|---|---|---|---|
| 風冷 | CPU/周邊元件 | 基準 1x | 1x | 成熟 |
| 液氣混合 | GPU 冷板 + 周邊風扇 | 10x (GPU) | 3-5x | 規模導入 |
| 液冷 (MCL) | 全系統微通道液冷 | 15-20x | 4-8x | 試產階段 |
技術趨勢: NVIDIA GB300 全部採用液冷散熱,AMD MI350X 也啟用液冷方案。Microsoft、Google、Meta 等 CSP 在 2025 年已全面導入液冷冷板。市場預計 2026 年液冷伺服器出貨佔比將從目前的 15% 升至 35-40%。
三、量化成效:產業鏈各環節的規模紅利
市場規模預測(2024-2027)
| 產業環節 | 2024 年規模 | 2026 年預期 | CAGR | 驅動因素 |
|---|---|---|---|---|
| AI 伺服器市場 | $45B | $120B | 63% | NVIDIA GB300 放量 |
| 高階 PCB(AI 專用) | $8B | $22B | 66% | HDI/M9 級需求爆發 |
| ABF 載板市場 | $3.2B | $12-14B | 85% | GPU/ASIC 尺寸放大 |
| 散熱 & 液冷模組 | $2.1B | $8.5B | 79% | 高功耗芯片滲透 |
| CPO/矽光子模塊 | $1.8B | $7.2B | 90% | Rubin 平台採用 |
個股業績表現對標
| 上市公司 | 產業環節 | 2024 營收 | 2025 YoY | AI 佔比 | 法人目標價趨勢 |
|---|---|---|---|---|---|
| 欣興 | ABF 載板 #1 | 1,312 億 | +13.75% | 65%+ | 上調 ↑ |
| 南電 | ABF 載板 & PCB | 401.7 億 | +24.44% | 70%+ | 上調 ↑↑ |
| 景碩 | ABF 載板 | 393.5 億 | +28.9% | 60%+ | 上調 ↑ |
| 中際旭創 | 光模塊/CPO | $2.2B | +35% | 80%+ | 持續上調 |
| 雙鴻 | 液冷散熱 | NT$15.2B | +42% | 75%+ | 首次覆蓋 |
四、關鍵風險與應急預案
三大失敗風險情景
一個轉型方向:從「代工」到「系統整合」
未來 12-18 個月內,具備以下能力的供應商將獲得溢價:
- 多層級整合能力: 同時掌握 PCB、散熱、機構件的廠商能以系統解決方案模式提價 15-25%
- 海外多產地布局: 台灣、日本、東南亞、美國分散投資,降低單一地區風險
- AI/機器人應用端切入: 從 B2B 零件供應商升級為終端應用方案商,利潤率可提升 3-5 倍
- 高階材料自主化: 垂直整合樹脂、玻纖布、銅箔等材料環節,鎖定長期毛利
五、高頻 FAQ:20 個產業決策問題解答
❓ 1. AI Data Center 為何不選擇傳統氣冷而非要液冷?
傳統氣冷的物理極限約 500W,而 NVIDIA B200 等新芯片功耗已突破 1,000W。液冷導熱效率是氣冷的 10 倍以上,可精準帶走晶片熱源,同時降低資料中心整體能耗(PUE)至 1.2 以下,年度能源成本可節省 30-40%。Google、Meta 等 CSP 的資料中心已 100% 採用液冷。
❓ 2. CPO 技術為何要 2025-2026 年才大規模導入?
CPO 涉及光學、封裝、電路設計等多個技術領域的深度整合,單個光引擎芯片開發週期 2-3 年。NVIDIA Rubin 平台是業界首個大規模採用 CPO 的架構(預期 5 萬櫃出貨),需要經歷試產、良率爬升、成本優化等階段。2025-2026 年正是試點驗證轉向規模量產的窗口。
❓ 3. ABF 載板與玻璃基板的競爭格局如何演進?
2025-2026 年 ABF 仍是絕對主流(超 85% 市佔),因為成熟良率與供應鏈優勢。但玻璃基板(Intel、韓系廠商開發)在 2027 年可能分流 20-30% 的超大尺寸需求。未來 3-5 年是「ABF 為王,玻璃輔助」的格局,材料端仍是最大瓶頸。
❓ 4. CCL 材料短缺何時才能解決?
Ajinomoto 是全球唯一的 M9/M10 規格樹脂廠商,目前交期 28-30 週。該公司已宣布 2026 年擴產 35% 產能,預計 2026 年下半年開始緩解。同時 PPG(美國)與 Nittobo(日本)也在加速研發替代材料,預計 2027 年能完全緩解。
❓ 5. 散熱風扇在液冷時代還有市場嗎?
絕對有。即使液冷負責 GPU/主芯片的 70-80% 熱量,HBM 記憶體、網卡、VRM 電源等周邊元件仍需高靜壓風扇進行氣冷。未來是「液氣混合」時代,風扇市場從傳統標準化向高性能客製化升級,附加值提升 50-100%。
❓ 6. 為什麼 ASIC 晶片推動 ABF 載板需求翻倍?
Google TPU、Amazon Trainium、Meta 等自研 ASIC 都採用大尺寸、高層數的 ABF 載板。聯發科 2026 年 ASIC 相關營收目標翻倍至 20 億美元,比 GPU 應用的複雜度更高。推論端市場規模已超越訓練端,ASIC 載板需求是新的成長引擎。
❓ 7. 信號完整性為何成為 PCB 的新瓶頸?
NVIDIA Kyber 架構涉及 AI GPU 與網路交換芯片的直接互連,信號頻率高達 112Gbps/lane,傳輸距離短但質量要求極高。任何信號衰減、串擾、阻抗失配都會導致訊框丟失。因此 PCB 必須升級至 0.05mm 線距、M9/M10 樹脂、T-Glass 布料,單板成本翻倍。
❓ 8. HDI(高密度互連)技術成熟度如何?
HDI 已是成熟技術(應用 10+ 年),但 AI 伺服器要求的「20+ 層高層數 HDI」仍在爬升良率。目前業界良率約 75-85%,預計 2026 年能達到 90%+ 量產水準。主要挑戰是微盲孔鑽孔良率與銅填充一致性。
❓ 9. 矽光子光引擎的成本何時能達到可接受水準?
CPO 矽光子光引擎目前單位成本約 $600-800/端口,傳統可插拔光模塊約 $200-300。預計 2026-2027 年隨著良率提升與產能放量,成本可降至 $300-400,接近產業可接受範圍。規模經濟效應會加快成本下降 20-30%/年。
❓ 10. 液冷冷板(MCL)何時會成為標配?
微通道液冷板(MCL)已在 NVIDIA GB300、AMD MI350X 上試產,預計 2026 年上半年開始規模導入。主要瓶頸是製造工藝複雜度(需精密微細加工)與成本(目前約 $30-50/冷板)。預計 2027 年 MCL 將完全替代傳統冷板,成本降至 $15-20。
❓ 11. 為何日本供應商在 ABF 載板領域難以被取代?
Ibiden 在材料科學、製程控制、高層數良率上擁有 30 年積累,台灣廠商雖在成本與速度上領先,但高端規格(16+ 層)的良率與可靠性認證仍需 12-24 個月。未來 3-5 年日台並行,但大尺寸、高複雜度板的領地仍屬日本廠商。
❓ 12. GB300 出貨 5 萬櫃意味著多少 ABF 載板需求?
单个 GB300 Compute Tray 需要 2-3 片 ABF 載板。5 萬櫃 × 2.5 片 = 12.5 萬片。全球 AI 加速卡、ASIC、CPU 套裝的 ABF 載板總需求可達 80-100 萬片/年(2026),遠超產能。供給缺口將推高價格 20-30%,形成庫存週期。
❓ 13. 台灣是否應該擔心美國補貼導致產能向美轉移?
IRA、CHIPS Act 確實吸引台廠在美擴產(如台積電、欣興等均有計畫)。但材料端(Ajinomoto、Nittobo)、核心設備仍高度集中在日台,短期內無法替代。未來 3-5 年是「台灣供應鏈核心 + 美國產能補充」的分工格局,台灣仍保持 60-70% 全球佔比。
❓ 14. 高階 PCB 廠商如何應對材料漲價?
已有廠商採用「先期購買 + 長期合約鎖價」模式,提前 6-12 個月鎖定 CCL、銅箔供應。毛利率面臨 3-5% 壓力,但通過 ASP(平均售價)調升 8-12% 實現抵銷。預計 2026 下半年後成本壓力緩解,業績邊際改善。
❓ 15. 散熱與液冷廠商如何在競爭中破局?
單純風冷或液冷都面臨同質化。破局點在「混合散熱系統整合」:提供從冷板、CDU(冷卻液分配單元)、風扇、控制系統、安裝服務的全套解決方案。這樣可以提價 30-50%,同時提高客戶粘性。台達電、雙鴻等採用此模式已獲得 3-5 倍估值溢價。
❓ 16. 機械結構件(滑軌、機架)是否也會受惠?
絕對。AI 伺服器尺寸更大(增大功耗管理面積),單機重量提升 20-30%(液冷水箱、電源模塊更重),對滑軌、機架承重與精度要求大幅提升。台廠如 Thomson Industries 等供應商 AI 相關營收佔比已升至 40%+,增速高於傳統伺服器 2-3 倍。
❓ 17. 為什麼不直接採用玻璃基板替代 ABF?
玻璃基板三大劣勢:(1) 可靠性認證仍在進行(熱衝擊、濕度測試);(2) 成本目前 30-50% 高於 ABF;(3) 產能極小(2026 年全球預計 <5% 市佔)。2027 年後玻璃會切入特定超大尺寸賽道,但大多數應用仍是 ABF 主導。
❓ 18. 台股AI供應鏈的投資邏輯是什麼?
核心邏輯:「有料才有算力」。投資建議優先鎖定:(1) 已進入 NVIDIA/Google 供應鏈 + AI 營收佔比 >30%;(2) 具備跨國海外產能降低地緣風險;(3) 毛利率在 25-40% 的「賣鏟人」(PCB、載板、散熱廠商)。避免單純硅含量低的標的。
❓ 19. 2027 年產業格局會如何變化?
2027 年將迎來「供給側復甦 + 需求側分化」:(1) ABF 載板日台韓新產能陸續開出,供給缺口緩解 40-50%;(2) 玻璃基板開始量產上市,分流 15-20% 超大尺寸板;(3) ASIC、邊緣 AI、機器人等新應用興起,分散對 GPU 的依賴;(4) 毛利率從「漲價潮」轉向「規模效應」,行業進入成熟期。
❓ 20. 中國供應鏈在 AI Data Center 中的角色如何?
出於地緣政治因素,美國對華科技出口管制升級,中國廠商在高階 PCB、ABF 載板、CPO 等領域基本被排除。本地化替代方案(如清華 ASIC 設計)逐步發展,但在製造工藝、良率上仍有 3-5 年差距。預計未來 5-10 年中國將建立獨立供應鏈,但全球競爭格局仍由台灣、日本主導。
六、結論與投資建議
核心判斷:AI Data Center 產業鏈正進入「規模爆發 → 供給瓶頸 → 構造性獲利」的三年黃金週期
2024-2025: 需求驗證 + 價格上升 + 廠商搶佔產能
2026: 供給最緊張 + 毛利率峰值 + 新技術(MCL、玻璃基板)開始試產
2027-2028: 產能釋放 + 利潤走向平衡 + 行業進入成熟期
投資優先順序:
- 一級標的(確定性最高): 欣興、南電、中際旭創 – 已進入大廠供應鏈,2026 年業績確定性強
- 二級標的(成長性突出): 雙鴻、奇鋐(散熱)、景碩(ABF)– AI 滲透率快速上升,估值溢價空間大
- 三級標的(機會型): 華通、臻鼎(高階 PCB)– 新客戶(SpaceX、AWS 自研 ASIC)帶動新成長
風險提示: 單一標的不超過 20%、單一主題不超過 50%、保留 20-30% 現金防禦資產。
七、內部連結與延伸閱讀
更多 AI 產業鏈深度分析,見:高階散熱與液冷系統整合指南
資料來源: 國金證券、IDC、DIGITIMES、彭博、Choice 數據、個股法說會紀錄(更新至 2026 年 8 月)