EUV年產量有限 全球算力成長被掐住

半導體研究機構SemiAnalysis創辦人帕特爾（Dylan Patel）近日受訪時表示，人工智慧（AI）算力瓶頸不斷變動，到了2028年或2029年，可能是艾司摩爾（ASML）年產量有限的極紫外光微影機台（EUV），掐住全球AI算力成長。

過去幾年，限制因素先後出現在CoWoS先進封裝、電力供應與資料中心建設，但接下來壓力將再回到半導體供應鏈本身，尤其是邏輯晶片、記憶體、晶圓廠建設，及更上游的EUV設備。

帕特爾認為，目前AI算力長期核心瓶頸仍是晶片供應，而非電力。資料中心興建再快，若晶片、記憶體與設備無法同步擴產，算力終究無法落地。他指出，到了2028年或2029年前後，最終瓶頸恐是ASML的EUV。以輝達Rubin架構為例，若要支撐1百萬瓩（GW）容量的AI資料中心，約需5.5萬片3奈米晶圓、6,000片5奈米晶圓及17萬片DRAM晶圓，總計約需200萬次EUV曝光，相當約3.5台EUV機台的產能。換句話說，一座投資規模高達500億美元的AI資料中心，背後真正的侷限，恐落在幾台EUV。

在記憶體方面，他預估到2026年，全球科技巨擘資本支出中約三成將流向記憶體。原因在於AI推理與長上下文需求推高鍵值快取（KV Cache）消耗，帶動高頻寬記憶體（HBM）與DRAM需求暴增。

至於電力，帕特爾為它雖然是重要限制，但不會是最終天花板。資料中心可透過燃氣渦輪、飛機發動機改裝發電、船用引擎、燃料電池與太陽能加儲能等方式分散供電壓力，因此電力問題終究有工程解法。他也對太空資料中心持保留態度，認為至少在十年內，晶片故障率、維修困難與通訊成本都使其缺乏經濟效益。

談到台灣風險，他直言，若台海出現衝擊，即使把台積電工程師撤出，也無法立刻複製台灣多年累積的製造能力。更麻煩的是，EUV設備本身也使用不少台灣生產的半導體：若無台灣晶片，工具供應也會受影響；沒有這些工具，又無法快速重建先進產能。一旦台灣出事，全球新增算力能力恐幾乎歸零，原本預期未來每年新增數十甚至上百GW算力的情境，可能瞬間縮水到只剩英特爾與三星能勉強支撐的10至20GW。