亞太科技 2026 年不再是一場“AI 帶動科技復甦”的順風局，而是一張資源再分配帳：雲廠商繼續加資本開支，儲存、先進封裝、基板、電源、連接器和測試拿到定價權，PC、手機、面板和低議價零元件則先吞下成本通膨。
全文內容概括
2026 年亞太科技的主線仍然是 AI，但不能再把它理解成科技類股的普遍復甦。雲廠商資本開支繼續上修，伺服器出貨仍有增長，ASIC/CPU、TPU、Trainium、Rubin、GB300 等項目把需求從 GPU 擴散到先進封裝、ABF、HBM、MLCC、網路、電源、連接器、液冷和測試裝置。真正發生變化的不是“需求強不強”，而是誰能把這筆預算轉成訂單、價格和利潤率。
同一時間，傳統科技鏈被推到另一條曲線上。UBS 將 2026 年 PC 和智慧型手機出貨預測分別下修至同比下降 11% 和 10%，但記憶體、先進製程和高規格零元件成本先漲起來。AI 伺服器願意為供給買單，傳統終端卻很難向消費者完整轉嫁成本，手機、PC、面板和低議價零元件由此承受利潤率壓力。這就是 2026 年亞太科技最關鍵的分層：AI 鏈不是簡單受益，傳統鏈也不是簡單低估，核心在於資源、價格和交付能力重新排序。
投資上更適合沿三條線配置。第一條線買項目閘門，關注世芯-KY、創意電子、聯發科、智邦科技、嘉澤、台達電、致茂電子和鴻海這類能把 AI 項目轉成收入的公司；第二條線買瓶頸定價，關注三星電子、SK 海力士、三星電機、HBM、DRAM/NAND、ABF、MLCC、CoWoS、CPO 測試和高功率電源；第三條線謹慎看傳統終端鏈，尤其是面板、手機 PC 低議價元件和無法轉嫁記憶體成本的品牌與模組。未來四個季度只看一件事：AI 資本開支上修能否穿過供應瓶頸，最終落到收入、毛利率和現金流。
一、核心判斷：買資源分配權，不買科技復甦敘事
2026 年亞太科技最容易誤判的地方，是把所有科技股都放進“AI 景氣”這一個筐裡。
AI 當然還在擴張。雲廠商繼續提高資本開支，伺服器出貨還在增長，GPU 平台仍然吃掉最大預算。但 AI 硬體已經從單點晶片採購走到系統交付，預算不再只付給 GPU、HBM 和 ODM，而是向 ASIC/CPU、先進封裝、基板、網路、電源、液冷、連接器、MLCC、測試裝置和資料中心部署資源擴散。
擴散本身不是壞事。真正要問的是：那一類公司擁有資源分配權，那一類公司只是拿到更大的低毛利訂單。
亞太科技類股內部已經分成兩套利潤函數。
第一套利潤函數來自 AI。雲廠商要算力，算力要晶片，晶片要 HBM、CoWoS、ABF、PCB、MLCC、供電、散熱、網路和測試。只要其中某個環節緊張，價格和利潤率就會向它傾斜。儲存廠、高端被動元件廠、先進封裝鏈、AI 交換機、資料中心電力和測試裝置公司，正在從“配套環節”變成“交付閘門”。
第二套利潤函數來自傳統終端。PC、手機、面板和低議價元件面對的是另一個現實：出貨預測下修，庫存回補不強，記憶體和先進製程成本卻先漲。它們同樣在科技鏈裡，卻沒有 AI 伺服器那種預算彈性，也很難把成本完整傳給終端消費者。
這就是亞太科技 2026 年的核心矛盾：AI 把資源價格推高，但只有一部分公司能收錢，另一部分公司只是在付錢。
這張表的含義很直接：2026 年不能只買“科技”。要買的是資源分配權、漲價權和交付閘門。
沒有項目閘門的 AI 公司，容易變成主題股；沒有漲價權的傳統科技公司，容易變成低估值陷阱。真正值得付估值的是那些能回答三個問題的公司：訂單從那裡來，瓶頸為什麼在自己手裡，利潤率為什麼不會被客戶拿走。
二、需求帳：capex 還在上修，但錢不會平均流向供應鏈
UBS 對 2026-2027 年雲廠商資本開支同比增速的測算分別上調至 77% 和 19%，較此前假設再上修 7 個和 16 個百分點。這是整條亞太科技鏈最硬的一組資料。
這組資料至少說明兩件事。
第一，AI 基礎設施需求沒有進入衰退。市場擔心過 AI capex 過熱，也擔心過推理價格下降會壓縮資本回報，但目前雲廠商預算仍在向上修。只要資本開支還在擴，伺服器、網路、儲存、電源和封裝鏈的收入基礎就還在。
第二，資本開支上修不等於所有供應商都能拿到利潤。雲廠商花錢的方式正在變化。早期是多買 GPU；中期是圍繞 GB200、GB300、Rubin、TPU、Trainium 和 AI CPU 做平台擴張；後面會更像資料中心工程，預算要同時支付電力、散熱、網路、儲存、機櫃、施工和維運約束。
伺服器出貨 2026-2027 年預計同比增長 19% 和 17%，這給零元件放量提供了底盤。但 PC 和智慧型手機 2026 年預測被下修至約 -11% 和 -10%，說明傳統終端沒有同等增長。需求端一強一弱，供給端卻共用記憶體、先進製程、PCB、MLCC 和封裝資源，結果就是 AI 鏈拿到資源，傳統鏈支付成本。
預算還在擴，但預算不再平均分配。
如果一個環節能卡住 AI 項目交付，它拿到的是價格和優先順序；如果一個環節只是可替代代工，它拿到的是收入和折舊壓力；如果一個環節主要服務傳統終端，它拿到的甚至可能是成本通膨。
這就是為什麼 2026 年亞太科技要從收入增長切到利潤分配。收入增長能解釋景氣，利潤分配才能解釋股價。
三、第一條利潤線：ASIC/CPU 把 GPU 外溢變成雲廠自研平台
GPU 仍然是 AI 基建的核心，但 2026 年新增彈性更多來自 GPU 外溢。
雲廠商繼續買 GPU，並不妨礙它們加快自研 ASIC、TPU、Trainium、Axion 和 AI CPU。原因很簡單：當算力支出進入園區級、年度級預算，客戶不會只追峰值性能，還會追總擁有成本、能耗、軟體控制權和供應鏈冗餘。GPU 解決生態與性能，自研晶片解決成本與控制。
對亞太供應鏈來說，這個變化比單純 GPU 放量更重要。GPU 平台的利潤集中度很高，自研 ASIC/CPU 則會把機會擴散到設計服務、先進封裝、基板、測試、網路和伺服器整合。
主報告的公司排序已經反映了這條變化。IC 設計服務側首選世芯-KY和創意電子，智原保持觀察；Fabless 側買入祥碩，中性聯詠和譜瑞-KY。這不是簡單看好半導體設計，而是市場願意給 AI 項目管線、定製矽協同、高速 I/O 和客戶連續性更高估值。
JPM 對聯發科和創意電子的交叉驗證更直接。聯發科 ASIC 收入 2026 年約 20 億美元，2027 年隱含 70 億至 120 億美元；TPU v8 在 2026 年 50 萬至 60 萬顆，2027 年超過 200 萬顆；TPU v9 同時支援 CoWoS-L 與 EMIB-T，聯發科在 EMIB-T 路徑上拿到額外價值。這不是手機晶片公司獲得一筆副業訂單，而是從消費晶片供應商向 AI 定製矽平台遷移。
這條線最適合用“閘門”理解。
雲廠商自研晶片從設計勝出到量產，要穿過架構、IP、先進製程、封裝、基板、測試、伺服器匯入和軟體最佳化。世芯-KY、創意電子、聯發科這類公司並不只是拿設計費，它們連接的是客戶晶片路線能不能落地。若項目連續，估值可以從周期型設計服務變成 AI 平台代理；若項目斷檔，估值又會迅速回到單一客戶和單一項目風險。
所以這條利潤線要看三件事：設計勝出是否轉為量產，客戶是否從一個項目變成連續平台，封裝和基板是否能支撐放量。只看“拿到 AI 項目”還不夠，能不能連續交付，才是 2026 年的分水嶺。
四、第二條利潤線：伺服器訂單正在變成機櫃級交付
伺服器出貨增長 19% 和 17%，表面看是數量增長，真正的變化是交付單位變了。
傳統伺服器可以按整機理解。AI 伺服器越來越像機櫃級系統：功率密度更高，節點互聯更複雜，液冷和電力要求更嚴，機櫃內銅互連、光互連、交換機、PDU、BBU、重銅板、滑軌、連接器、測試和維運都變成系統的一部分。客戶買的不是一台伺服器，而是一組能穩定上線的算力資產。
這會改變利潤池。
過去 ODM 容易被貼上低毛利代工標籤。這個標籤仍然有風險，但不能簡單套到 AI 機櫃上。AI 機櫃交付要求系統工程能力、供應鏈整合能力、客戶協同和部署經驗。誰能把複雜系統按期交付，誰就比普通代工更接近項目閘門。
JPM 對 GTC 影響的報告給出一個清楚參考：AI 伺服器機架出貨量 2026 年有望達到 4 萬至 5 萬台，到 2029 年行業年複合增長率可能達到 40% 至 50%，鴻海目標維持 40% 至 50% 份額。這個口徑說明機櫃不再只是出貨形式，而是未來幾年 AI 硬體價值池的重要載體。
機櫃級交付還有一個被低估的含義：傳統伺服器產業鏈裡的“小環節”，開始決定大項目能不能上線。
電源不穩，GPU 利用率上不去；連接器和背板訊號完整性不夠，交換頻寬被卡住；液冷匯入不順，整櫃無法按計畫部署；測試時間拉長，晶片和系統交付都會延遲。過去這些環節只是成本項，現在它們是交付風險項。交付風險項一旦稀缺，就會獲得估值溢價。
鴻海、廣達、緯創和和碩需要分開看。收入增長只是第一層，真正要比較的是機櫃份額、客戶結構、工程整合能力、供應鏈控制和毛利率防守。若客戶把價值留在自己手裡，ODM 只是放量；若 ODM 承擔更多系統整合，估值才可能從代工修復到系統交付。
五、第三條利潤線：儲存、ABF 和 MLCC 拿到價格，傳統終端吞下成本
AI 伺服器最鋒利的影響，不只是拉動需求，而是重新定義資源價格。
HBM、DRAM、NAND、企業 SSD、ABF、CoWoS、MLCC 和高端 PCB 都被 AI 搶走優先順序。雲廠商願意為了算力交付鎖定供給，傳統終端卻沒有同樣預算能力。結果是同一個上游漲價，對 AI 鏈是價值量提升，對 PC 和手機鏈是成本壓力。
這也是傳統科技鏈最難受的地方。
UBS 將 2026 年 PC 和智慧型手機預測分別下修至約 -11% 和 -10%。需求已經不強，記憶體和先進代工成本卻繼續上行。品牌廠如果漲價，可能進一步壓製出貨；如果不漲價，毛利率被吞掉。低議價模組、面板和成熟零元件夾在中間，很難從“科技復甦”敘事裡獲得真實利潤。
JPM 對三星電子和三星電機的觀點能印證這條線。三星電子仍處在儲存長協和供給緊張的價格窗口，三星電機同時受益 MLCC 和 ABF 上行周期，FY26-28 營業利潤復合增速可能達到 55%。Murata 的 AI 伺服器 MLCC 量增邏輯也被明顯上修，相關口徑顯示 AI 伺服器 MLCC 需求增速從約 30% 的年複合增長抬到接近 80%，未來兩到三年銷售額存在翻倍可能。
這類公司不應再只按傳統周期股看。
若 AI 伺服器持續吞噬供給，儲存和高端被動元件的價格窗口會比傳統周期更長。若企業 SSD、HBM4、HBM5、高容 MLCC 和 ABF 繼續緊張，價格和組合改善會一起推動利潤。相反，手機、PC 和面板即使估值便宜，也需要先證明自己能轉嫁成本，否則便宜只是對利潤下修的補償。
這裡的關鍵判斷是：AI 硬體通膨不是所有人的收入，它是部分人的價格權，也是另一部分人的成本。
六、先進封裝與基板：ASIC 擴張讓 CoWoS/EMIB/ABF 都進入價格窗口
先進封裝過去常被簡化成 CoWoS 和輝達配套。2026 年開始，這種理解不夠用了。
GPU 仍然是 CoWoS 需求的最大來源之一，但 Google TPU、AWS Trainium、聯發科 ASIC、創意電子項目、AI CPU 和各類定製矽會讓先進封裝需求更分散。路線也不只一條：CoWoS、CoWoS-L、EMIB-T、ABF、HBM 封裝、CPO 測試和高端基板會在不同客戶項目裡同時擴張。
JPM 對聯發科 TPU v9 的判斷尤其關鍵。TPU v9 同時支援 CoWoS-L 與 EMIB-T，聯發科在 EMIB-T 路徑上獲得額外價值。這說明先進封裝不是單一路線擴產，而是多技術平台平行。誰能進入具體客戶路線，誰才真正拿到收益。
這一節需要和 ASIC 放在一起看。設計勝出會先帶來估值彈性，但真正決定利潤的是量產、良率、封裝產能、基板供給和測試時間。
如果先進封裝只是擴產，供應商未必賺錢；如果先進封裝成為客戶項目交付的瓶頸，供應商才有價格權。ABF 也是同樣邏輯。GPU、CPU 和 ASIC 共同拉動基板規格升級，只有高層數、高良率、高客戶認證的供應商能獲得溢價，普通板材很難自動重估。
這也是三星電機、欣興電子、日月光、致茂電子以及相關基板鏈需要放進同一張圖裡的原因。它們不是同一種公司，卻都在回答同一個問題：AI 定製算力能否從紙面項目變成可交付硬體。
七、電源、連接器、測試裝置：小環節開始變成大約束
AI 硬體價值外溢最容易被低估的地方，是電源、連接器和測試。
當伺服器進入機櫃級交付，功率密度、散熱、訊號完整性和測試時間都會被放大。高功率機櫃無法穩定供電，就無法上線；液冷不穩定，算力利用率會受影響；連接器和線纜不達標，高速網路和機櫃內短距互連會被卡住；測試時間拉長，晶片和系統交付節奏都會被拖慢。
這讓台達電、致茂電子、智邦科技、嘉澤等公司擁有了新的估值解釋。
台達電不再只是電源龍頭，而是資料中心電力架構供應商。HVDC、BBU、伺服器電源、SOFC 和資料中心電力方案，都連接著 AI 機櫃能否按計畫部署。致茂電子不只是測試裝置公司，SoC、Metrology、CPO 和高端電力測試都在受益於 AI 系統複雜度提升。智邦科技不只是網路裝置，交換機從 800G 走向 1.6T，再到 CPO 過渡，本質是 AI 叢集頻寬需求。嘉澤和高速連接鏈的價值來自單機櫃連接密度、可靠性和高速傳輸要求提高。
這類資產有兩個好處。它們不必承擔 GPU 或 ASIC 研發失敗的全部風險，卻能吃到系統複雜度提升帶來的價值量；同時，它們往往處在客戶必須驗證的環節，一旦匯入成功，訂單黏性不低。
風險也很明確。客戶議價強、訂單後移、平台切換、良率不穩，都可能把收入兌現往後拖。尤其是測試和電源，市場容易先給估值，再等訂單；如果 Rubin、GB300、TPU、Trainium 或 Helios 等項目延遲，股價會先回撤。
所以這條線不能只看概念。要逐季看台達電的資料中心電力訂單和毛利率，致茂電子的高端測試收入，智邦科技交換機和 CPO 過渡節奏，嘉澤與連接器鏈單機價值量是否繼續提升。小環節能變成大約束，也可能在客戶砍價時重新變成普通配套件。
八、公司排序：先買項目閘門，再買瓶頸漲價，最後才看低估值修復
把 UBS 與 JPM 的多份亞太科技報告放在一起，2026 年公司排序可以更清楚地分成四類。
第一類是項目閘門。世芯-KY、創意電子、聯發科、智邦科技、嘉澤、台達電、致茂電子和鴻海都在 AI capex 轉成訂單的路徑上。它們的共同點不是估值低，而是有清晰的項目、客戶、平台或系統價值量。
第二類是瓶頸漲價。三星電子、SK 海力士、三星電機、Murata、SEMCO，以及 HBM、DRAM/NAND、ABF、MLCC 和高端基板鏈，核心不是出貨復甦，而是價格、長協和產品組合。
第三類是結構遷移。聯發科從手機晶片走向 AI ASIC，台達電從電源走向資料中心電力架構，致茂電子從測試裝置走向 AI 系統測試，ODM 從傳統代工走向機櫃整合。遷移成功，估值體系會變；遷移失敗，老業務會把估值拉回去。
第四類是傳統壓力。面板、低議價手機 PC 零元件、需求缺乏彈性的終端鏈，在成本上升時很難證明利潤率修復。UBS 對群創給出賣出、對友達和穩懋保持中性，背後就是需求弱、成本高、議價權不足。
這套排序不是永遠不變。若記憶體漲價壓制終端需求，儲存股也會從量價齊升切到價格頂部風險；若雲廠商 capex 放緩，ASIC 設計服務會面臨估值壓縮；若傳統終端出現真實換機周期，部分低估值硬體會修復。
但在當前證據下，優先順序應該很清楚：先買項目閘門，再買瓶頸漲價，最後才看低估值修復。
低估值本身不能抵抗 BOM 上升。收入增長本身不能保證毛利率。AI 標籤本身也不能證明公司有議價權。2026 年最好的科技資產，是能把 AI 預算轉成自己財務彈性的資產。
九、三種世界觀：結構性重估、訂單後移、需求證偽
2026 年亞太科技不是單一路徑。三種世界觀同時存在，差別在於雲廠商 capex、項目交付和成本傳導那個變數先變。
第一種是結構性重估。雲廠商資本開支繼續上修，Rubin、GB300、TPU、Trainium、AI CPU 項目按期推進，記憶體和先進封裝雖然緊張但沒有造成系統性延誤。此時 AI 鏈從 GPU 擴散到 ASIC、網路、電源、測試、MLCC 和基板，亞太科技繼續跑出結構性牛市。股價表現最好的會是項目閘門和瓶頸漲價資產。
第二種是訂單後移。需求仍然強，capex 還在，但 HBM、CoWoS、ABF、PCB、電力和資料中心部署約束導致收入確認後移。此時行業景氣沒有反轉，股價卻會分化。訂單能見度高、客戶集中度可控、毛利率穩定的公司還能守住估值，只靠概念和遠期項目的公司會先被壓縮。
第三種是需求證偽。雲廠商 capex 上修無法轉成利潤，推理價格下行導致客戶重新評估投資回報，項目延後，記憶體漲價又壓制傳統終端需求。此時 AI 鏈低議價環節被壓毛利，傳統鏈繼續下修，市場只願意給少數供給紀律強、現金流好的瓶頸資產估值。
當前更像中性偏樂觀。需求端證據仍強，capex 和伺服器出貨都沒有給出衰退訊號，但項目節奏和供應瓶頸的重要性明顯提高。投資不能只押方向，還要押兌現路徑。
一旦市場從“AI 很強”切到“誰能按期交付”，公司之間的差距會迅速拉大。
十、核心模型：需求、供給、價格、利潤率四象限
這份亞太科技框架最適合用四象限看：需求、供給、價格、利潤率。
需求強但供給也快擴的環節，收入會漲，利潤率未必好；需求強且供給受限的環節，才有漲價權；需求弱且成本上升的環節，是最差組合；需求弱但成本可控、估值極低的環節，才可能做周期修復。
這個模型能解釋很多看起來矛盾的公司表現。
同樣是伺服器鏈，AI 交換機、電源、連接器和測試裝置可能比普通 ODM 更好，因為它們更接近瓶頸；同樣是半導體，ASIC 設計服務可能比傳統消費晶片更好，因為它們更接近雲廠自研平台；同樣是元件，AI 伺服器 MLCC 可能比消費電子 MLCC 更好，因為產品規格和客戶支付意願不同；同樣是儲存，企業 SSD 和 HBM 可能比消費儲存更好，因為需求彈性不在一個層級。
四象限還給出一個很實用的交易紀律：當某個公司只剩收入增長，卻沒有價格和利潤率，就要降低估值容忍度；當某個環節同時擁有需求增長和供給約束，估值可以看得更長；當某個傳統終端資產靠低估值吸引資金，必須先確認成本壓力是否已經過去。 (404K)