台積電法說會6大重點一次看!台灣13座廠齊擴 首曝德州納評估|壹蘋新聞網

台積電法說會6大重點一次看!台灣13座廠齊擴 首曝德州納評估

全年美元營收增44% N2明年產能倍增、A14熱度超越N2

記者 綜合報導
【記者呂承哲/台北報導】台積電(2330)今(15)日召開法說會,第三季營收、獲利同步改寫新高,每股純益29.43元,第四季營收上看543億美元,最高季增16.27%。《壹蘋新聞網》整理6大重點,包括董事長暨總裁魏哲家強調AI需求仍「極度強勁」,全球近20座晶圓廠正加速推進,並首度證實赴德州評估擴產;N2系列2027年產能將倍增,A14客戶熱度更已超越N2。
全球晶圓代工龍頭台積電。呂承哲攝
全球晶圓代工龍頭台積電。呂承哲攝

Q4營收最高季增16% 全年美元營收增44%

台積電第三季營收467億美元,季增16.2%,毛利率66.4%,季減1.3個百分點,主要受到2奈米量產稀釋影響。

第四季營收預估523億至543億美元,最高季增16.27%,以1美元兌31.8元新台幣計算,約1兆6,631億元至1兆7,267億元;毛利率65%至67%,營業利益率56.5%至58.5%。

展望後市,台積電預估2026年美元營收年增約44%,不過零組件價格上漲及總體經濟不確定性,仍對消費性電子及價格敏感市場形成挑戰,因此2027年業務規劃維持審慎。

台積電董事長暨總裁魏哲家。台積電提供
台積電董事長暨總裁魏哲家。台積電提供

AI需求未見放緩 成長可能超越原估

魏哲家表示,代理式AI逐漸普及,市場應用也從聊天機器人轉向AI助理,加上開源AI模型採用增加,持續推升先進半導體需求;代理式AI CPU及網路晶片需求也同步成長。

台積電先前預估2024年至2029年AI加速器營收年複合成長率(CAGR)約50%中高段,魏哲家此次直言,目前完全沒有看到需求放緩,成長幅度「很可能會比這更高」。

值得注意的是,魏哲家說明,代理式AI帶動的CPU需求並未計入上述AI加速器成長預估,主要因台積電無法區分CPU最終用於傳統或AI伺服器。

晶圓。資料照片
晶圓。資料照片

N2明年產能倍增 A14熱度更高

N2已於2025年第四季以良好良率進入量產,目前在新竹、高雄多期廠區持續提升產能,受智慧型手機、HPC及AI需求帶動,台積電預估N2系列2027年全年產能將增加逾1倍。

下一代A14目前客戶熱度更高。魏哲家表示,A14客戶興趣已超越N2,預期將成為規模比N2更大的製程節點;目前已開始準備產能,2027年進入風險試產、2028年量產。

台積電的亞利桑那州晶圓廠。台積電提供
台積電的亞利桑那州晶圓廠。台積電提供

台灣13座廠擴產 德州納評估

因應需求,台積電全球近20座晶圓廠正依規畫推進,未來幾年包括台灣13座先進製程及先進封裝廠,以及海外5至6座晶圓廠。

3奈米更將新增3座晶圓廠,台南新廠預計2027年上半年量產,並再增加一座3奈米廠,預計2028年上半年量產;美國亞利桑那州第二廠提前至2027年第三季量產,日本第二廠3奈米則預計2028年量產。

美國布局也延伸至亞利桑那州以外。魏哲家首度證實,台積電已派團隊赴德州評估擴產,並正與一家計畫興建自有晶圓廠的客戶洽談合作,合作方式仍未定案,但強調「晶圓廠必須由台積電營運」。

台積電也派遣專門團隊調查美國資料中心建設及電力供應,目前得到的回饋是「一切良好」,雲端服務供應商也已做好準備。

美國方面,第二座晶圓廠已完成建設,目前進入設備搬入及安裝階段,量產時程提前至2027年第三季;日本第二座晶圓廠導入3奈米的計畫也持續推進,預計2028年量產。

此外,台積電持續將部分5奈米設備轉為支援台灣3奈米產能,並透過提升生產力及跨節點產能最佳化,強化N7、N5及N3之間的彈性產能支援。

魏哲家強調,台積電將透過多種方式盡快提高產能,全力支援客戶需求,「我們不打算把任何商機拱手讓給別人,希望盡可能掌握每一筆生意」。

CoWoS衝14倍光罩 後段產能仍缺

先進封裝方面,台積電目前已量產5倍光罩尺寸產品,且良率表現優異,下一步研發9倍光罩,並朝14倍光罩尺寸推進;同時布局面板級封裝CoPoS,但目前CoWoS仍是客戶首選。

魏哲家也坦言,台積電後段產能確實有一點短缺,因此與格羅方德(GlobalFoundries)簽署矽中介層合作協議,作為後段供應策略一環,增加產能支援客戶。

全球晶圓代工龍頭台積電。呂承哲攝
全球晶圓代工龍頭台積電。呂承哲攝

未來3年資本支出大增 海外廠稀釋毛利

台積電重申2026年資本支出600億至640億美元,2026年至2028年投資規模將較過去3年「顯著增加」,以支援客戶長期成長。

海外擴產則將對獲利形成壓力。台積電預估海外廠2026年對毛利率稀釋接近2個百分點,隨更多美國廠進入量產,未來數年稀釋幅度將擴大至3至4個百分點,但將透過規模擴大、生產效率及跨製程產能優化降低影響。

loading