產業分析

過去兩年的 AI 投資主線，先由 GPU、HBM、先進封裝、AI 伺服器、散熱與高速傳輸帶動。進入 2026 年後，算力投資仍在擴張，但市場開始面對另一個更現實的限制：AI 機櫃功率從百千瓦級往 200kW 以上推升，資料中心能不能把電安全、穩定又高效率地送進機櫃，開始直接決定 AI Factory 的建置速度。 這使投資主線從「買算力」延伸到「供算力用電」：高瓦數 PSU、Power Shelf

在 2026 年滑雪季，始祖鳥（Arc’teryx）推出要價逾新台幣 4.5 萬元的高階性能滑雪服，這不禁讓人好奇：一件雪服為什麼能賣得這麼貴，卻仍讓玩家願意買單？看完本文，你將了解滑雪市場的成長動能、萬元雪衣背後的技術，以及藏在國際滑雪品牌背後的台灣供應鏈與投資機會。 滑雪產業發展悠久，海外市場穩步增長且亞洲市場滲透率提升，滑雪服需求具成長空間。 滑雪服兼具機能、高單價與耗損汰換特性，市場成長不

前言：從 Google TPU 看 AI 運算晶片的第二條路 過去 AI 的算力大多由 NVIDIA 主導規格與提供，由於 GPU 的高度通用性，加上 NVIDIA 成熟的 CUDA 軟體生態，使其成為 AI 模型訓練與推論主要的運算平台，AI 算力需求的增加意味著需要採購更多的 GPU 與 NVIDIA 設計好的機櫃。 然而除了 NVIDIA GPU 以外，另一個被大規模部署的 AI 運算平台就

富果觀點： AI 機櫃功耗邁入 200 kW 以上，驅動供電架構轉向 800V 高壓直流：傳統 48V 架構在大電流下線路損耗過高，改採 800V DC 直供能減少銅材用量，並提高能源使用效率。 800V 直流電弧不易熄滅，迫使既有元件（Busway、保險絲）升級：加速導入固態變壓器（SST）與固態斷路器（SSCB）等全新半導體模組，兼具微秒級切斷與實體隔離。 單次電力系統故障造成的損失金額隨機櫃

過去 AI 終端主線多半集中在手機、PC、伺服器與模型應用。但進入 2026 年後，市場開始意識到另一個更貼近使用者的入口：AI 不只需要會回答問題，更需要能看見你所看、聽見你所聽，而且願意讓你戴一整天的終端。 AI 眼鏡的產業挑戰主要來自三件事： 第一，AI 互動入口從手機 App 走向第一人稱視角。 第二，產品世代從 Camera／Audio AI 眼鏡，升級到 Display AI 眼鏡，再

前言 在上篇〈從主動元件、類比 IC 到電源管理 IC，一次看懂電子系統如何穩定供電〉中，將電源 IC 理解成電子系統裡的電源調度中心，負責讓不同模組在正確的時間，取得正確且穩定的電，在 AI 時代這個角色的重要性進一步被放大。 AI 伺服器要穩定運作，不只是 GPU 本身算力要夠，背後還需要一整套更高效率、更高功率密度的供電網路，穩定支撐 GPU、CPU、HBM 等不同負載，這些元件各自需要不同

FPC 與軟硬結合板合約價大漲現狀 隨著全球高階電子硬體規格在 2026 年邁向新一輪技術世代，柔性印刷電路板（FPC）與軟硬結合板（Rigid-Flex PCB）產業正式迎來一輪顯著的漲價與缺貨潮。與以往因市場恐慌性囤貨驅動的短期波動不同，本輪價格調升具備極強的剛性與結構性支撐。 根據行業最新統計，2026 年第一季度全球 FPC 產品的整體合約價持續上漲了33% 至 38%。其中，高密度互連（

觀點 單一晶片在電晶體密度、訊號傳輸效率、功耗與散熱等三大瓶頸下，3D 垂直堆疊已成為晶片效能的唯一解方。AMD 已在伺服器晶片 MI300 率先採用此技術量產，NVIDIA 則於 Rubin Ultra/Feynman 世代跟進，以維持其 AI晶片霸主地位；蘋果則因邊緣算力需求提升，且降低裝置能耗與發熱下，旗下 M 系列晶片將採此技術。三間廠商將於 2026 年起陸續導入晶片，將支撐台積電 So

觀點 叢集互連取代單機算力為一重大趨勢：隨 LLM 規模增長，AI 伺服器由單機轉向大規模叢集，晶片間的訊號傳輸效率成為伺服器效能關鍵，帶動 NVLink、UALink（Scale Up 垂直擴充），及 Infiniband、UET、SUE（Scale Out 水平擴充）等高速傳輸協定的發展。 224G SerDes 與 CPO 為達成 1.6T 傳輸的關鍵：當頻寬邁向 1.6T，單通道 224G

觀點 隨 AI 晶片算力提升，透過水平排列的 CoWoS 會產生積熱與電力損耗，且 CoWoS 仍有光罩面積的限制，導致晶片無法無限水平擴張，在 AI 伺服器晶片功率持續提升下，熱與電功耗為首要解決的問題。SoIC 的 3D 堆疊能大幅縮短傳輸距離，在維持高性能的同時顯著降低功耗並改善散熱，故 SoIC 已成為 AI 伺服器追求性能與功耗下的必然選擇。 SoIC 負責打造摩天大樓，讓算力高的晶片直