隨著 AI 應用從雲端高速運算擴張到各類實際情境，全球科技產業正步入一個以「供給瓶頸」為主軸的新時代，野村投信指出，AI 需求已不再是線性成長，而是呈現階梯式跳升，每一次模型演進與資本支出的推進，都可能將產業鏈推向新的缺口，2026 年市場關鍵字正快速收斂成一個「缺」字。
野村投信分析，受到政策不確定、關稅波動干擾，AI 長期需求並未受到動搖，成本最終仍多半由雲端服務商與終端應用吸收，產業基本面反而更加集中 AI 供應瓶頸，包括記憶體在 HBM 供需失衡、光互連技術因銅線傳輸達物理極限而加速成為主流、先進晶片測試時間倍增則推動設備需求上修。
野村高科技基金及野村 e 科技基金經理人謝文雄表示，政策與關稅的不確定性確實會造成短期情緒衝擊，但若 AI 長期需求不變，成本往往會沿著供應鏈向下游轉嫁，最終由終端客戶與大型雲端服務商吸收，代表短期利空可能帶來估值修正，但未必動搖產業長期價值。
供需失衡推升記憶體報價
多條 AI 供應鏈中，謝文雄最強調的「黑馬」是記憶體，因為過去兩年產業處於去庫存階段，多數業者擴產保守，但 AI 伺服器需求快速放大，且高頻寬記憶體（HBM）因毛利更高而優先取得產能配置，連帶排擠一般 DRAM 與 NAND 的供給，形成更全面的供需失衡。
謝文雄形容，記憶體報價正處於「主升段」的核心原因，新產能開出需要時間，建廠與良率爬升通常以年為單位計算，短期內供給彈性有限，而 AI 不僅是「處理資料」，更是「生成資料」，使儲存需求不再只靠手機、PC 更新週期驅動，而是轉向由 AI 產業本身推動的長期結構性成長。
謝文雄觀察，市場對記憶體的評價方式正在轉變，過去記憶體常被視為景氣循環股，估值偏向以淨值比等指標衡量，但在 AI 帶動的需求更可見、更長期之下，投資人開始提高對其獲利延續性的定價權重，估值框架逐漸往獲利成長導向靠攏。
光通訊與 CPO 接棒
謝文雄認為，下一個被市場重新定價的是光通訊與共同封裝光學（CPO），因 AI 算力上升帶來的挑戰，不僅是 GPU 更快，而是整個資料中心在「傳輸」與「能耗」遭遇物理限制，當算力密度提高，傳統銅線傳輸的損耗與功耗會逐步逼近天花板，導致資料在叢集內的移動成本攀升，拖累整體效率。
謝文雄提到，部分雲端巨頭已透過光學電路交換（OCS）等方案提升叢集效能與資源調度效率，一旦大型雲端服務商率先驗證光學架構可行性，其他陣營便會面臨「不跟進就落後」的競爭壓力，進一步帶動光源、光連結、封裝與相關材料需求。
「晶片再快，如果傳輸跟不上，算力也會被迫閒置。」謝文雄強調，而這正是光互連成為下一波投資焦點的原因。
測試設備需求上修
硬體供應鏈的另一端，謝文雄看好測試設備與測試介面產業，隨著晶片功能複雜度提高、面積變大、封裝形式更先進，測試程序與測試時間往往呈倍數成長，一旦單顆晶片測試時間從一倍拉長到兩到三倍，若出貨目標不變，設備需求就必須同步擴張，測試產能因此成為新的供給瓶頸。
謝文雄將目前產業狀態總結為「聯通管效應」，AI 供應鏈由多個環節串接，只要任何一個零組件或環節卡關，無論是記憶體、電力、散熱、材料、封裝或測試，最終整體出貨就會被限制，價格與毛利因此更容易形成上行黏著度，而這也是為何在需求仍強的階段，零組件報價往往「易漲難跌」。
宏觀衰退訊號才是真正警報
風險提醒方面，謝文雄認為需要格外關注的不是單一題材波動，而是宏觀層級的需求反轉訊號，尤其是就業市場，若美國失業率明顯上升、影響消費與企業投資信心，政策可能快速轉向寬鬆，股市短期或許受激勵，但背後代表的經濟降溫風險不容忽視。
謝文雄補充，AI 並非短期炒作題材，更接近一次生產力革命；市場中途的修正，往往是估值與預期的再平衡，而非趨勢終結。真正需要警惕的，反而是當 AI 滲透率高度飽和、資本支出邊際效益下降、終端需求不再成長時，才可能出現結構性轉折。
整體而言，謝文雄對 AI 產業的核心判斷是，「AI 上半場拚算力」、「AI 下半場拚效率」與「供給鏈韌性」。當市場焦點從「誰的模型更強」轉向「誰能更快」、「更省電」、「更穩定」地把算力「變現」，AI 供應鏈的瓶頸位置就會決定下一輪超額報酬落點，而「記憶體供需缺口」、「光學互連架構轉移」、以及「測試產能擴張需求」，正是2026 年最關注的三條主線。
（首圖來源：Pixabay）
科技新報粉絲團
加入好友
訂閱免費電子報
