曾冠瑋指出，多家 CSP 已討論，一旦電力供應無法如期到位，與其持續 over booking 晶片，不如先下修採購、調整 AI 伺服器部署節奏，以免硬體到手卻無電可用。過去電力設施約占整體資本支出的 10%，但如今已有 CSP 思考 2027 年是否將比重提高至 25%。他認為，這並非市場所稱的AI泡沫破裂，而是投資週期的節奏調整，CSP 逐漸從「算力最大化」轉向「供電可行性」與營運效率，可能會變相地去減少在晶片的需求。
外界關注 ASIC 與 GPU 的競爭，曾冠瑋分析，Google TPU 等客製晶片雖形成新勢力，由 Google 進行系統整合，再由 Broadcom 微調 TPU 規格，等於讓 Broadcom 多了一個「二階客戶」，但晶片最終仍屬 Google 所有。他強調，ASIC 多為特定團隊量身打造，彈性受限；相較之下，GPU 的世代演進速度始終領先 ASIC 一代以上，且能支援更多樣的 AI 模型，因此 GPU 仍是通用算力主力，ASIC 則鎖定特定需求。
曾冠瑋預期，未來兩年 CSP 的資本支出將更重視電力與冷卻設施，AI 晶片採購節奏將依電力建設進度調整。隨著 ASIC 與 GPU 分工明確，雲端 ASIC 成長仍侷限於特定模型與客製化場景，而 GPU 在大型模型與多模態應用中的主導地位短期難以撼動。同時，AI 加速器製造的重要性提高，台積電與 OSAT 廠商在供應鏈中的價值更加凸顯。
他強調，這些變化不代表 AI 投資降溫，而是供應鏈走向更成熟的分工模式。AI 發展將不再只是比拚 GPU 拉貨量，而是比拚誰能在電力、算力與製造等限制下取得最佳擴張效率。他認為，AI 下一階段是「效率戰」而非「衝量戰」，能在新的平衡點上找到合適節奏的企業，才是真正的勝出者。
點擊閱讀下一則新聞
