(圖/ 中華超傳媒 AI圖片)
Google在台北南港舉行的SEMICON Taiwan 2026開幕演說中，AI與基礎架構資深副總裁暨首席技術專家Amin Vahdat指出，全球AI算力需求仍將持續擴張，Google未來將進一步深化與台灣半導體、封裝、伺服器及能源相關供應鏈的合作。
AI算力越省越不夠 Google看到的是下一波需求爆發
AI算力需求正在從單純追求晶片性能，轉向整個資料中心與供應鏈的系統級競賽。Google AI與基礎架構資深副總裁暨首席技術專家Amin Vahdat 9月2日在台北舉行的SEMICON Taiwan 2026開幕主題演說中，將AI產業下一階段的挑戰，從「晶片夠不夠快」拉高到「整套基礎設施能不能同步跟上」。
Vahdat此次以「The Physics of Thought and the Architecture of Intelligence」為題發表演說，也是他首次在亞洲公開進行相關主題演講。SEMI公布的議程顯示，演講聚焦AI基礎設施所涉及的電力、專用晶片、高速互連及軟體協同等問題。
他的核心判斷相當明確：AI運算效率提升，未必會讓整體算力需求下降，反而可能因成本降低而催生更多過去無法實現的應用。當AI逐步進入代理式運算時代，運算模式也將從人與電腦互動，進一步延伸到AI代理彼此協作。
這意味著AI基礎建設的需求邏輯正在改變。過去企業可能以單一模型、單一晶片或單一資料中心評估運算能力，未來則必須同時處理晶片、記憶體、網路、散熱、電力與軟體之間的連動。
Google為何把台灣放在更重要的位置？
Google對台灣的布局並非只停留在晶片採購。Google官方在Vahdat演講後公布的文章指出，台灣已成為Google在美國之外最大的硬體工程研發基地，公司將進一步擴建位於台北士林的AI基礎建設研發中心，辦公空間預計增加60%。Google也強調，台灣的價值已經延伸至先進3D封裝、伺服器主機板、高效率供電與液冷等多個環節。
這個變化值得注意。AI伺服器的競爭已經不再只是處理器性能競賽。當單一系統內的晶片數量持續增加，資料如何在不同運算單元之間高速傳輸、如何降低電力損耗、如何將大量熱能迅速排出，以及如何讓整個系統維持穩定運轉，都可能成為影響AI基礎建設擴張速度的關鍵。
也因此，台灣完整的半導體與電子製造生態系，對Google而言具有「共同設計」的價值，而不只是代工或零組件供應。
從晶片到封裝 AI供應鏈開始追求「同步量產」
Vahdat所描繪的下一代AI供應鏈，有一個明顯特徵，就是速度。AI晶片完成設計後，從驗證、封裝、測試，到交付給軟體團隊進行模型與系統調校，整個流程必須大幅縮短。當軟體、晶片與資料中心架構彼此高度依賴時，任何一個環節延遲，都可能拖慢整體AI產品上市速度。
這也使台灣半導體產業原本強調的製造效率，進一步轉變成「系統協同效率」。換句話說，Google真正需要的並非單一供應商把自己的產品做到最好，而是晶圓製造、封裝測試、伺服器、電源、散熱、網路以及軟體開發能夠在同一套時程下同步推進。
SEMI對今年SEMICON Taiwan 2026的規劃，也反映相同產業趨勢。展會議題已從AI晶片延伸到記憶體、高速互連、電源管理、先進封裝與系統協同設計，顯示AI競爭正在由單一元件性能，逐步轉向整體系統工程。
Google與聯發科關係再受關注 Alphabet參與39億美元可轉債
此次Vahdat來台，另一個受到市場關注的訊號，則是Google母公司Alphabet參與聯發科海外可轉換公司債。聯發科8月31日完成總額39億美元海外可轉債訂價，這也是台灣資本市場金額相當大的海外可轉債交易之一；其中NVIDIA認購35億美元，Alphabet與其他國際投資人也參與認購。
Vahdat被問及Alphabet投資聯發科時表示，聯發科是重要且強大的合作夥伴，Google很榮幸能在多個領域與聯發科合作；他將此次投資視為參與優秀企業的機會。中央社也報導，Google與聯發科的合作涵蓋不同領域，而此次投資讓雙方關係受到更多市場關注。
這筆交易的意義並不只是資金。聯發科近年積極切入AI基礎設施與客製化晶片市場，而NVIDIA此次投資與NVLink Fusion合作，也進一步把聯發科放進全球客製化AI晶片生態系。
對Google而言，與台灣IC設計、晶圓製造及封裝測試業者建立更緊密的合作關係，也有助於支撐其客製化運算與AI資料中心架構持續擴張。
算力之外，下一個真正的限制可能是「電」
如果說晶片是AI基礎建設的核心，那麼電力可能成為下一個決定產業擴張速度的限制因素。Vahdat在演說中將能源供應視為AI資料中心必須正面面對的瓶頸，並提出未來應更重視「每瓦能創造多少運算與服務價值」。
這個問題對台灣尤其重要。AI伺服器與資料中心規模擴張，會同步增加供電、散熱與土地等基礎設施需求。當電力成本與供應穩定度開始直接影響AI運算效率，半導體產業的競爭條件也會從製程與資本支出，延伸到能源取得與能源效率。
SEMI近期針對SEMICON Taiwan 2026公布的產業觀察，同樣把能源供給與資料搬移成本列為AI效能擴張的重要限制，並指出產業正從單一晶片性能競賽轉向運算、記憶體與互連的整合。
因此，未來台灣要承接更多全球AI基礎建設需求，挑戰並不只在於能否持續擴充晶圓與封裝產能，也包括能否同步提供穩定、高效率且具規模的能源與資料中心基礎設施。
台灣供應鏈的下一場競爭 從「製造中心」走向「共同設計中心」
Google此次釋出的訊號，值得放在更大的AI產業變局中觀察。過去全球科技公司與台灣供應鏈的合作，多半容易被理解為晶片製造、組裝或零組件供應；但AI時代的系統複雜度快速提高，從Google自研晶片到資料中心，再到高速網路、電力與散熱，各個環節已經很難完全分開。
Google官方也明確表示，台灣合作夥伴參與的範圍已經涵蓋3D封裝、伺服器、供電與液冷等AI基礎設施核心環節。這代表台灣供應鏈的角色可能進一步從「生產者」轉向「共同設計者」。
對台灣半導體業者而言，這既是AI需求快速成長帶來的機會，也意味著更高的技術門檻。未來企業需要同時具備晶片設計、先進封裝、系統整合、能源效率與快速量產能力，才能真正參與全球AI基礎設施的下一階段競爭。
Google則已透過擴建士林AI基礎建設研發中心，釋出持續深化台灣布局的明確訊號。AI算力究竟能成長到什麼程度，目前仍沒有明確上限；但可以確認的是，算力競賽的戰場已經從單一晶片一路延伸到封裝、伺服器、網路、散熱與能源。對台灣而言，真正的下一場競爭，將不只是「能做多少晶片」，而是能否讓整條AI供應鏈以更快速度、更高效率同步運轉。
中華超傳媒
(文/ 記者 郭紋雅)
