台積電稱霸 AI 晶片：護國神山如何擊敗三星、英特爾，主導全球半導體版圖

TL;DR

台積電控制全球 90% 以上的 7nm 以下先進製程產能，AI 加速器需求讓其 2025 年市值突破 2 兆美元，股價一年漲逾 103%。台灣加權指數中台積電佔比超過 40%，讓台股幾乎成為台積電的晴雨表。技術上，3nm 和 2nm 製程幾乎所有 AI 晶片都跑在台積電的線上——Nvidia H100、H200、B200、Apple M4、AMD MI300 全部如此。

發生了什麼

2025 年，台積電（NYSE: TSM）的股價從年初的約 $196 一路漲到年底超過 $390，全年漲幅超過 100%。市值突破 2 兆美元，成為全球市值前五大企業之一，也是台灣有史以來第一家市值達到這個規模的本土公司。

這波漲勢的直接原因是 AI 資料中心需求爆炸。Nvidia 的 GPU（B200、H200）、Google 的 TPU、Amazon 的 Trainium、Microsoft 的 Maia——這些驅動 ChatGPT、Gemini、Claude 等大型語言模型的 AI 晶片全部依賴台積電製造。台積電 2025 年四月的月營收同比成長 17.5%，達到 133 億美元（約 4,236 億新台幣）。

2025 全年，高效能運算（HPC，主要就是 AI 晶片）貢獻台積電 58% 的營收，智慧型手機貢獻 29%——AI 已取代手機成為台積電最重要的成長動能。

為什麼這件事值得關注

台積電的技術護城河

台積電能維持如此高的市場佔有率，核心在於製程技術的領先優勢難以追趕：

三星的困境：三星的 GAA（Gate-All-Around）3nm 製程（SF3）推進比台積電更激進，但良率問題讓主要客戶裹足不前。高通的 Snapdragon X Elite 最終選擇台積電，部分就是對三星良率的疑慮。

英特爾的轉型困境：英特爾晶圓代工（Intel Foundry）雄心勃勃，計劃在美國和歐洲建廠吸引客戶，但 18A 製程（約等同 2nm）的量產時程一再推遲，早期客戶訂單有限。Intel 自己的處理器也面臨效能和功耗的問題。

台積電的差異化：

CoWoS（Chip on Wafer on Substrate）先進封裝：Nvidia H100 和 H200 的 HBM 高頻寬記憶體就是靠 CoWoS 整合進晶片。台積電的封裝產能是 AI 晶片供應瓶頸中最關鍵的一環
SoIC（System on Integrated Chip）3D 堆疊技術，正在推進中
2nm（N2）製程 2025 年底開始量產，AI 晶片客戶已排隊

張忠謀與魏哲家的策略遺產

張忠謀創辦台積電的核心策略——「純粹晶圓代工」（pure-play foundry）——在 AI 時代被徹底驗證。1987 年他提出這個模式時，半導體業界的主流是 IDM（整合元件製造商，自己設計自己製造）。台積電選擇只做製造，不做設計，不與客戶競爭，這個模式讓 Nvidia、AMD、Apple 等無廠半導體公司能專注設計，製造外包給台積電。

魏哲家接任後持續強化這個護城河，同時積極推進全球佈局：亞利桑那廠（2nm，預計 2026 年量產）、日本熊本廠（28nm，2024 年已開幕）、德國德勒斯登廠（12nm，預計 2027 年）。地理分散是應對地緣政治風險的主動防禦。

技術角度怎麼看

為什麼 AI 晶片特別需要先進製程

AI 加速器（如 Nvidia GPU、Google TPU）的核心是大量的矩陣乘法單元。在 3nm 製程下，可以在同樣面積塞進更多運算單元，或在同等效能下大幅降低功耗。資料中心的電力成本在 AI 時代已成為主要營運成本，所以每瓦特的運算效率直接影響 ROI。

另一個關鍵是記憶體頻寬。LLM 推論的瓶頸很多時候不是算力，而是從 HBM 讀取權重的頻寬。台積電的 CoWoS 封裝技術讓 GPU 和 HBM 可以緊密整合，這是目前突破記憶體頻寬瓶頸最實際的方案。

台積電對 AI 供應鏈的意義

AI 應用（ChatGPT、Claude 等）
    ↓
AI 模型訓練/推論（Nvidia GPU / Google TPU）
    ↓
晶片設計（Nvidia、AMD、Google、Microsoft、Amazon）
    ↓
晶圓代工（台積電，90%+ 先進製程市占）
    ↓
先進封裝（台積電 CoWoS / SoIC）
    ↓
資料中心基礎設施