需求愈旺、記憶體規格反而下修？ AI伺服器面臨長短料難題

AI伺服器需求持續強勁，卻陷入「長短料」困境。除了CoWoS與HBM缺貨，瓶頸已延伸至CPU與ABF載板。為了不讓少數高階機種占用產能、維持整體出貨量，供應鏈不得不採取「記憶體規格下修」的策略應對。

半導體8月營收年增61%，AI需求持續向外擴散

台灣半導體產業8月營收達1.163兆元，較去年同期成長61%、較上月增加8%。從晶圓代工、IC設計到封裝測試，多數次產業都維持雙位數年增，顯示AI需求仍在半導體供應鏈持續擴散。

其中，晶圓代工8月營收年增52%、月增10%；IC設計與封裝測試營收均年增約42%。成長速度更快的則是ASIC設計服務，8月營收年增162%，反映雲端服務業者的客製化晶片專案陸續進入量產階段。

測試介面營收年增90%，半導體設備營收也年增74%，說明高效能運算需求已由晶片製造延伸至封裝、測試及設備環節。AI晶片愈複雜，需要的先進製程、封裝密度與測試難度也同步提高，供應鏈動能因此逐步向上下游擴大。

從一個缺口變成多重瓶頸，長短料問題浮現

AI供應鏈早期的缺口主要集中在CoWoS先進封裝與HBM高頻寬記憶體，之後逐步擴散至DRAM、NAND、CPU、ABF載板、PCB、被動元件及晶圓產能，供應鏈由單一零組件短缺，走向多重瓶頸同時存在。

這種情況也稱為「長短料」：部分零組件已準備充足，另一項關鍵零件卻供應不足，導致整套系統無法完成組裝出貨。對AI伺服器而言，記憶體供應增加並不代表出貨量就能同步提高，還必須搭配足夠的CPU、GPU、ASIC、載板及先進封裝產能。

預估CoWoS月產能將由2026年的12萬片，擴增至2027年的18.5萬至19萬片，年增約56%；相對應的GPU與ASIC晶片出貨量，將由1,776萬顆增加至2,575萬顆，年增約45%，搭載的HBM總顆數則預估由1.29億顆增至1.96億顆，年增52.7%。

當各類晶片出貨速度不同、零組件擴產幅度也不一致，供應鏈的問題便不再只是「產能夠不夠」，而是各項零組件能否在相同時間備齊。

記憶體降規，是供應受限下的必要調整

AI伺服器對記憶體容量的需求持續增加，但實際產品規格卻可能向下調整。這項反差的關鍵不在需求降溫，而是有限產能必須優先支應更多系統出貨。

以SOCAMM為例，新一代CPU原先規畫768GB與1,536GB兩種規格，後續改以768GB版本為主。綜合CPU出貨組合與單機容量，SOCAMM平均搭載容量預估將由2026年的651GB，提高至2027年的762GB，年增17%，仍低於原本可望達到的規格上限。

RDIMM也面臨類似情況。2026年平均容量約為86.7GB，到了2027年，高容量產品成長速度可能放慢，32GB產品比重反而提高，使整體平均容量僅增加1.1%至87.7GB。

規格下修的目的，是在記憶體供給有限的情況下，避免少數高容量系統占用過多產能。降低單機搭載量後，同樣的記憶體供給可以支應更多伺服器出貨，緩解記憶體與其他零組件之間的長短料問題。

HBM搶產能，消費性記憶體供給遭到排擠

為了支應GPU與ASIC晶片出貨，HBM占整體DRAM投片量的比重，預估將由2026年的19%提高至2027年的24%。產能持續向HBM、RDIMM與SOCAMM集中，也會排擠PC、手機、消費電子及繪圖記憶體使用的傳統DRAM供給。

2027年整體DRAM位元供給量預估年增22%至4,666億Gb，但不同應用的分配差異相當明顯。其中，HBM供給預估年增47%、RDIMM增加35%、SOCAMM增加74%；PC與手機記憶體供給則均減少4%，消費電子與繪圖記憶體也各減少5%。

即使將更多產能轉向伺服器，供給增幅仍未完全追上需求。2027年RDIMM需求預估年增40%至50%，高於35%的供給增幅；SOCAMM需求可能增加94%，也高於74%的供給增幅。記憶體供應商即使壓縮其他應用的產能，仍只能勉強支應AI相關晶片的出貨。

因此，目前觀察到的伺服器記憶體需求，可能是供應限制下的實際出貨量，而非市場真正想要的數量。部分無法在2027年滿足的需求，仍可能延後至2028年。

CPU與載板成為下一環出貨限制

當記憶體規格下修、產能配置逐漸調整後，CPU與載板可能接棒成為下一層瓶頸。CPU供給不足會直接限制伺服器數量，進一步壓低RDIMM與SOCAMM的實際需求；載板短缺則會影響GPU與ASIC封裝，使HBM即使完成擴產，也可能因晶片出貨受限而無法充分使用。

這也是長短料最棘手的地方：每解決一項缺口，下一個供應不足的零組件就可能成為新的出貨上限。若CPU與載板缺口未能收斂，增加DRAM供給未必能帶動整機出貨，反而可能使部分記憶體產能暫時找不到相對應的晶片需求。

反過來看，若記憶體、CPU、載板與先進封裝產能逐步靠攏，過去受壓抑的AI伺服器需求才有機會轉化為實際出貨。供應鏈接下來的關鍵，已從單一零組件擴產，轉為不同環節的產能能否同步。

AI名詞解釋