全球九大雲廠商2026年資本開支暴漲90% AI伺服器出貨預期上修至31%
時間來到2026年8月，AI基礎設施的軍備競賽進入了一個新的量級。市場調研機構集邦諮詢（TrendForce）在最新報告中，把全球九大雲服務商（CSP）2026年AI伺服器出貨量增速預期，從此前的28%上修至接近31%。
這不是一次普通的數字微調。支撐這個上修的，是一個更驚人的數字：九大CSP的合計資本開支（CapEx），2026年將同比暴漲約90%，突破8867億美元。而2027年，這個數字將繼續衝向1.32兆美元。
聚焦 一萬三千二百億美元是什麼概念
這個數字接近瑞士2025年全年的GDP總量，也超過了全球半導體行業過去三年的總營收。九家公司，一年的資本開支，正在逼近一個中等發達國家一整年創造的全部經濟價值。這已經不是"投資"的範疇，而是一場重塑全球產業格局的基礎設施戰爭。
一張表看懂三年資本開支曲線
這張表格里藏著一個容易被忽略的訊號：增速在2027年從90%回落到49%，但絕對金額仍在刷新紀錄。換句話說，這不是資本開支見頂，而是基數變得太大，增速自然放緩，投入的真實體量還在持續膨脹。
誰在燒錢 北美五巨頭佔了九成
TrendForce的統計口徑覆蓋了Google、亞馬遜、Meta、微軟、甲骨文，以及中國大陸的字節跳動、騰訊、阿里巴巴、百度九家公司。北美五家超大規模雲廠商，貢獻了2026年總開支的近九成。
洞察 集中度才是這輪周期的真相
表面上看是九家公司的軍備競賽，實際上是五家美國科技巨頭在主導整個AI基礎設施的資本節奏。這意味著全球GPU、記憶體、液冷裝置、資料中心建設的供需曲線，幾乎完全由這五家公司的決策決定。任何一家的資本開支指引變化，都會像多米諾骨牌一樣傳導到整條半導體供應鏈。
各家的晶片策略：GPU與自研ASIC的分道揚鑣
這輪資本開支擴張背後，各家公司走的技術路線並不相同，這才是真正值得拆解的部分。
Google是目前自研晶片路線走得最徹底的公司，TPU已經成為其AI基礎設施的絕對主力。亞馬遜和Meta則採取了更務實的混合策略，一邊用輝達的GPU頂住眼前的算力缺口，一邊加速自研ASIC的落地，目標很明確：降低對輝達的依賴，壓低單位算力成本。
警示 自研晶片不是省錢遊戲，是話語權遊戲
很多人把雲廠商自研ASIC簡單理解為"省錢"，這其實低估了這件事的戰略意圖。真正的驅動力是供應鏈主權。當輝達GPU的交付周期動輒數月，當一顆頂級AI晶片的價格年年攀升，任何一家公司如果核心算力命脈完全捏在別人手裡，都是不可接受的風險。自研晶片的本質，是把議價權和交付確定性搶回自己手中。
中國大陸雲廠商：80%增速的另一層邏輯
字節跳動、騰訊、阿里巴巴、百度四家公司，2026年合計資本開支預計同比增長超過80%。其中字節跳動的增幅最為激進，據多方資訊顯示，其2026年AI資本開支已上修至超過2000億元人民幣，較早前計畫提高至少25%。
這背後有兩條平行的邏輯線。第一，是大模型推理服務的爆發式增長，直接拉動了對國產AI伺服器和GPU叢集的採購需求。第二，是儲存器價格上漲帶來的成本壓力，倒逼企業提前鎖定資本開支預算，避免後續採購成本進一步失控。
觀點 中國大陸這輪投入，本質是在補一張"確定性"的門票
相比北美廠商可以自由採購全球最先進的GPU，中國大陸的雲廠商面對的是更複雜的供應環境。這意味著國產AI晶片必須承擔更重的角色，不只是補位，而是要真正扛起大模型訓練和推理的主力任務。80%的增速裡，有相當一部分不是"錦上添花"式的擴張，而是"不得不做"的基礎設施補課。
被忽視的真相：出貨量不等於實際部署
一個專業讀者容易忽略、但極其關鍵的細節是——TrendForce統計的AI伺服器出貨量增速，衡量的是工廠端的出廠數量，而不是資料中心裡真正點亮運行的算力。
從買家端的實際反饋看，同一款AI伺服器，不同管道報出的交付周期從3周到26周不等，差距接近九倍。這說明整個供應鏈依然處於嚴重的產能錯配狀態：訂單排到了未來半年甚至更久，但真正能落地機櫃、接入電網、跑起來的產能，遠遠跟不上採購合同上的數字。
洞察 資本開支數字的"水分"
當一家公司宣佈數百億美元的AI資本開支計畫，媒體和投資者往往把它等同於"新增算力"。但真實情況是，這筆錢裡有相當比例花在了排隊等交付、預付定金鎖產能、建設尚未通電的資料中心廠房上。資本開支的增速曲線，天然會領先於實際算力上線的曲線，這個時間差，往往被市場系統性低估。
液冷和先進封裝成為新戰場
TrendForce特別提到一個趨勢：這輪AI投資的重心，正在從單純的GPU數量擴張，轉向涵蓋AI伺服器整機、液冷系統、先進封裝的全鏈條基礎設施升級。這對台灣的半導體供應鏈是明確利多，從晶片代工、先進封裝到伺服器組裝，整條產業鏈都將承接更多訂單。
結論 液冷不是配角，是這輪周期真正的隱形冠軍賽道
過去幾年大家盯著GPU和HBM記憶體價格暴漲，卻容易忽視一個物理常識：算力密度每提升一個數量級，散熱壓力就要跳升一個台階。當單機櫃功耗突破100千瓦成為常態，風冷已經徹底失效，液冷從"可選項"變成了"必選項"。這意味著液冷裝置供應商、冷板廠商、資料中心溫控系統整合商，未來兩年的訂單能見度，可能比GPU廠商更加確定。
一個更冷靜的問題：這是不是一場泡沫
當增速從90%回落到49%，很多人第一反應是"降溫了"。但換個角度看，1.32兆美元的絕對開支規模，本身就意味著這個行業已經進入了容錯空間極小的階段。任何一家巨頭的AI變現節奏跟不上資本開支節奏，都可能引發連鎖反應。
警示 警惕"資本開支互相輸血"的循環遊戲
目前AI基礎設施投資鏈條中，存在雲廠商向晶片廠商採購、晶片廠商反過來投資雲廠商或AI公司的現象。這種互相持股、互相採購的結構，短期內能放大整個行業的營收和增長數字，但也埋下了系統性風險——一旦終端AI應用的商業化變現不及預期，這個循環會以更快的速度反向收縮。歷史上，電信裝置泡沫、光纖產能過剩，都走過類似的劇本。
寫在最後
1.32兆美元，不只是一個財務數字，它是一份九家公司聯名簽署的、關於AI未來十年走向的"軍令狀"。Google押注TPU，亞馬遜和Meta在GPU與自研晶片之間找平衡，中國大陸廠商在補課式狂奔，台灣的封裝與製造產業鏈站在了聚光燈下承接紅利。
真正決定這場軍備競賽勝負的，從來不是誰的資本開支數字更大，而是誰能把這些錢，最快、最穩定地轉化成使用者願意付費的AI服務。數字會說謊，但電費帳單和資料中心的實際上電率，不會。(芯在說)