30 秒看重點
- 事件：AI伺服器需求爆發，推升資訊服務業營收創新高，台灣ODM廠如廣達、華碩訂單能見度已到2025年。
- 意義：AI伺服器成為科技業新藍海，帶動龐大硬體商機，也凸顯AI發展對能源與晶片設計的挑戰。
- 影響：台灣科技供應鏈直接受惠，但高耗能也逼使台積電等業者關注綠色晶片技術。
AI浪潮洶湧，不只軟體智慧，連硬體也要跟著「AI化」！各大廠爭相推出AI伺服器，台灣的伺服器代工龍頭廣達、筆記型電腦大廠華碩，都因為AI伺服器訂單接到手軟，業績亮到不行，預估將創下歷年同季新高，這波AI熱潮顯然才剛開始，而且還在缺貨中！
AI伺服器熱潮為何這麼夯？
簡單來說，AI伺服器就像是AI模型的「超級大腦」，它們負責處理和運算龐大複雜的資料，才能讓AI聽得懂人話、看得懂圖片、甚至能寫出文章。過去電腦主要是處理我們眼前的工作，但現在AI需要處理的是「未來」可能發生的事情，或是從海量資訊裡找出關鍵點，這都需要強大無比的運算能力。
台灣的電腦資訊服務業，也就是包含伺服器、電腦零組件、系統整合等相關產業，在這一波AI浪潮中扮演了關鍵的「幕後功臣」。像是大家熟知的廣達、緯創、仁寶等，都是全球頂尖的伺服器代工廠，他們負責打造這些AI的「超級大腦」。當越來越多的企業和研究機構投入AI發展，對AI伺服器的需求就像水庫缺水一樣，一直不斷湧現，導致這些台灣大廠的訂單早就排到明年，有些甚至更久。
華碩董事長施崇棠更提出了「Physical AI」的戰略佈局，強調AI不僅是虛擬的運算，更要與實體世界緊密結合，這也預示著AI的應用將更廣泛，從雲端數據中心到我們日常使用的各種裝置，都將被AI滲透，而伺服器正是這一切的基礎。連美國的科技巨頭戴爾（Dell），因為AI伺服器出貨量不如預期，財測被上修，股價就直接暴漲近4成，顯示出市場對AI硬體的極度渴望。
- 2024上半年：AI伺服器需求強勁，台灣ODM廠廣達、華碩等訂單能見度拉長至2025年，資訊服務業營收創歷史同期新高。
- 近期：戴爾（Dell）受惠AI伺服器銷售，調高財測，股價盤後大漲；AI晶片耗電問題浮現，台積電強調能源效率重要性。
台灣怎麼看這件事？
對於台灣科技業來說，這無疑是一劑強心針！不僅是伺服器代工廠的業績起飛，像是生產AI晶片的中介層（interposer）的日月光、或是負責生產AI晶片相關零組件的廠商，也都將直接受惠。更重要的是，這讓台灣在全球AI供應鏈中的地位更加鞏固，從過去的PC時代，到現在的AI時代，台灣廠商都能站在最前線。
然而，AI伺服器的高效能也伴隨著驚人的耗電量。台積電就曾強調，能源效率已成為晶片發展的關鍵。這對台灣來說，不僅是發展綠色能源的壓力，也是對我們半導體產業技術的考驗。如何在追求AI算力的同時，兼顧環保與永續發展，將是台灣科技產業接下來重要的課題，也考驗著像是聯發科這樣同時布局邊緣與雲端AI的晶片大廠。
編輯觀點
AI伺服器的熱潮，就像一場盛大的派對，台灣是不可或缺的「主辦方」之一。訂單滿載固然是好事，但我們也得思考，這份榮景能否長久？同時，AI發展的「副作用」，像是能源消耗，是我們不能忽視的。台灣在推動AI技術落地校園（如宜蘭大學、虎科大）的同時，也應將永續發展的概念融入其中，讓AI的進步，真正是為了讓我們的未來更美好，而非加劇地球的負擔。
常見問題
- 什麼是AI伺服器？
- AI伺服器就是專門為人工智慧（AI）應用打造的高效能電腦，能快速處理大量資料，是AI模型訓練和運行的關鍵硬體。
- 為什麼AI伺服器會缺貨？
- 因為AI發展太快，大家對AI運算的需求爆炸性成長，但高品質的AI伺服器生產需要時間，供不應求導致缺貨。
- 這跟一般電腦有什麼不一樣？
- AI伺服器擁有更強的CPU（中央處理器）、GPU（圖形處理器）和大量的記憶體，就像一般電腦的「頭腦」和「記憶體」被大大升級，可以同時處理更多、更複雜的任務。
- AI耗電量為何這麼大？
- AI需要極強大的運算能力來處理龐大數據，這些運算過程會消耗大量電力，尤其是在訓練大型AI模型時，耗電量相當可觀。
- 台灣在AI伺服器產業扮演什麼角色？
- 台灣是全球重要的AI伺服器代工廠（ODM）生產基地，像是廣達、緯創等，為全球科技巨頭製造伺服器硬體。
名詞小教室
- AI伺服器 (AI Server)
- 可以想像成是AI模型的「超級主機」，擁有比一般電腦更強大的運算和儲存能力，專門用來訓練和運行AI程式。
- ODM (Original Design Manufacturer)
- 原廠委託設計廠商，就像是一家專門幫別人「量身打造」產品的公司，客戶提供規格，ODM負責設計和製造，例如廣達、華碩都是知名的ODM廠。
- CPU (Central Processing Unit)
- 電腦的中央處理器，是電腦的「大腦」，負責執行所有指令和運算。
- GPU (Graphics Processing Unit)
- 圖形處理器，原本是處理影像繪圖的，但因為它擅長並行處理大量數據，現在成為AI運算的主力「小幫手」。
- 邊緣運算 (Edge Computing)
- 把運算處理能力移到離資料來源更近的地方，例如直接在手機或無人機上處理AI，減少傳輸延遲，就像直接在現場解決問題，不用把問題送回總公司。