新聞內容
保留原始重點，已自動清理來源污染字串
（中央社阿姆斯特丹28日綜合外電報導）臺積電高層主管今天指出，人工智慧（AI）帶動的用電需求激增，已使能源效率而非運算能力，成為未來電腦晶片發展的主要限制因素。
路透社報導，臺積電全球業務資深副總經理張曉強表示，從智慧手機到AI資料中心等領域，客戶如今愈來愈重視「在不增加耗電下提升效能」，因為營運商正面臨電力成本與供電可得性的壓力。
張曉強在荷蘭阿姆斯特丹（Amsterdam）一場會議中對媒體表示：「客戶目前最希望改善的是在能源效率方面。無論是邊緣運算、智慧手機、行動裝置、物聯網應用，還是高效能 AI資料中心都是如此。」
這項轉變也象徵半導體產業正來到重要轉折點。過去單純在晶片上塞入更多電晶體來提升效能的方式，已不足以支撐耗能驚人的AI工作量需求。
全球晶圓代工龍頭臺積電替輝達（Nvidia）與超微（AMD）生產AI晶片，也為谷歌（Google）、亞馬遜（Amazon）、微軟（Microsoft）及Meta等大型雲端公司代工客製化AI處理器。
張曉強表示，提高電晶體密度仍是臺積電技術藍圖核心，但先進封裝、晶片堆疊以及光子技術等其他方案正變得愈來愈重要，以提升效率。
他指出，臺積電預估，從目前2奈米製程到預計2028年左右推出的A14製程世代，晶片耗電量可降低最多達30%，同時運算效能提升20%以上。
張曉強這番談話之際，臺積電競爭對手也正積極探索其他提升晶片效能的方法。
中國競爭對手華為本週公佈「Tau Scaling Law（韜（τ）定律」計畫，希望透過加快晶片內部資料移動速度來提升效能。
對此，張曉強表示：「這個概念在業界其實已存在相當長的時間。」
他認為，這大多仍仰賴更緊密整合元件，例如透過3D堆疊技術。
華為的做法反映出中國企業目前面臨的限制。由於美國主導的出口管制，中國企業無法取得荷蘭艾司摩爾（ASML）製造的極紫外光（EUV）微影設備，這類設備是製造更小電路的重要工具。
臺積電是艾司摩爾極紫外光設備的大客戶，今年4月表示將延後數年導入下一代極紫外光技術。這也凸顯，相較於單純追求更微小電路設計，提升能源效率的設計對次世代AI晶片而言更加迫切。（編譯： 徐睿承 ）1150529
迎接Vera Rubin 黃仁勳：在臺AI超級電腦產能倍增 2026/05/29 19:17
林百里：AI市場一直成長缺貨 廣達很多機會增加業績 2026/05/29 10:37
AI資料中心擴建需求增 戴爾上修財測盤後勁揚39% 2026/05/29 09:44
AI耗電激增 臺積電：能源效率成晶片發展關鍵 2026/05/29 08:50
德議員訪臺談去中依賴 稱臺灣AI供應鏈關鍵夥伴 2026/05/28 22:10
看好具身智慧前景 河南開發機器人首重實用 2026/05/28 18:14
選擇與事實站在一起，您的每一份贊助，都是守護新聞自由的力量
下載中央社「一手新聞」APP，即時掌握最新消息
本網站之文字、圖片及影音，非經授權，不得轉載、公開播送或公開傳輸及利用。
本站原創加值：本頁不是單純轉載原文，而是將公開新聞整理為可快速閱讀的事件重點，並在下方補充 AI 智能整理、AI 深度評論、來源查證入口與相關專題連結，協助讀者判斷新聞脈絡與後續影響。
內容會檢查繁體中文品質、摘要完整度、評論深度與圖片標示；重要資訊仍建議點選「查看原文」回到來源交叉確認。更多說明可見 內容方法與品質標準。
AI成像（由 AI 生成：僅供參考）
圖片為 AI 生成示意，輔助理解新聞情境，點擊可開新視窗放大
AI耗電激增 臺積電：能源效率成晶片發展關鍵 | 科技 | 中央社 CNA
說明事件的人事時地物與核心背景
# AI耗電激增 臺積電：能源效率成晶片發展關鍵
## 【核心事實】
全球晶圓代工龍頭臺積電於荷蘭阿姆斯特丹舉行的產業會議中，釋出影響深遠的戰略宣言。臺積電全球業務資深副總經理張曉強公開表示，人工智慧（AI）所帶動的用電需求急劇攀升，已使能源效率取代傳統運算能力，成為未來電腦晶片發展的核心限制因素。這項宣示不僅代表一家代工巨頭的技術方向調整，更是整個半導體產業在AI時代必須集體面對的根本性轉向。
張曉強在會議中明確指出，來自智慧手機、邊緣運算、物聯網應用乃至高效能AI資料中心等多元領域的客戶，目前最為關切的改善方向已從「效能至上」轉變為「能源效率優先」。他以相當直白的語言描述這項趨勢：「客戶目前最希望改善的是在能源效率方面。無論是邊緣運算、智慧手機、行動裝置、物聯網應用，還是高效能AI資料中心都是如此。」這番談話揭示了一個至關重要的產業訊號：在電力成本持續攀升與供電可得性日益嚴峻的雙重壓力下，能源效率已從晶片設計中的「加分題」正式晉升為「必答題」。
值得注意的是，這項產業範式的轉移，正值半導體先進製程逼近物理極限之際。張曉強表示，從目前的2奈米製程到預計2028年左右的A14製程世代，臺積電有信心達成晶片耗電量降低最多達30%、同時運算效能提升20%以上的技術目標。這組數據看似保守，卻恰如其分地反映出一項事實：在摩爾定律逐漸逼近經濟與物理雙重極限的當下，節能幅度的優先順序已開始凌駕於效能增幅之上。
與此同時，臺積電的戰略對手華為也在同一時間框架內公佈了名為「Tau Scaling Law（韜定律）」的技術發展計畫，希望透過加速晶片內部資料移動速度來突破效能瓶頸。然而這項計畫的曝光，恰好映照出中國半導體產業在美國出口管制重壓下的無奈現實——華為的技術路徑選擇，某種程度上正是無法取得關鍵設備後的替代選項。
---
## 【背景脈絡】
要理解這則新聞的深層意涵，必須將其置入更宏觀的科技發展脈絡中加以審視。過去數十年間，半導體產業的發展邏輯可以濃縮為一個簡單公式：將更多電晶體塞入同一面積的晶片上，效能便能隨之提升。這種「密度換效能」的策略，在摩爾定律的指引下持續奏效，推動了個人電腦、智慧手機與網際網路服務的相繼興起，也讓全球科技產業習慣了「效能永遠可以繼續提升」的線性思維。
然而，AI應用的崛起徹底改變了這一切。與傳統軟體應用截然不同，AI，特別是深度學習與大型語言模型，對於運算資源的需求呈現指數級成長。訓練一個具備數千億參數的大型語言模型，所消耗的電力可能相當於數千戶家庭一整年的用電量；而這類模型的推論過程，同樣需要密集的運算資源支撐。當AI從實驗室走向商業應用，從雲端擴散至邊緣裝置時，這種能耗需求便從單一資料中心擴散至整個科技生態系。
全球AI資料中心的數量與規模正在以前所未有的速度擴張，這種擴張直接對各地電網的供電能力構成挑戰。電力基礎設施的建設週期與AI產業的擴張速度之間，存在根本性的時間落差。一座大型火力發電廠或核能電廠從規劃到商轉，可能需要十年以上的時間；即便是相對快速部署的再生能源電廠，從選址到併網也往往需要三到五年。反觀AI資料中心的建置週期，在模組化設計與預製化施工的助攻下，已可壓縮至一年以內。這種時間差的累積效應，正在全球多個地區引發資料中心選址困難、供電協議談判曠日持久、電力成本持續攀升等連鎖反應。
在半導體供應鏈的地緣政治層面，同樣存在深刻的張力。荷蘭半導體設備巨頭艾司摩爾（ASML）所製造的極紫外光（EUV）微影設備，是當今先進晶片製造的關鍵工具，而臺積電正是這類設備的最大客戶之一。然而，美國主導的出口管制，使中國企業無法取得EUV設備，這直接限制了華為等中國晶片設計商邁向更先進製程的路徑。臺積電本身也在今年4月宣佈延後數年導入下一代EUV技術的計畫，這項決定除反映技術因素外，也隱含對市場需求與政策環境變化的戰略性考量。
---
## 【各方觀點】
**臺積電**：張曉強的發言清晰勾勒出臺積電對於未來技術發展的核心判斷。他強調，客戶端的需求已經出現結構性轉變，「在不增加耗電下提升效能」已成為跨領域的共同訴求。這種判斷直接影響臺積電的技術藍圖：提高電晶體密度仍是發展核心，但在此之外，先進封裝、晶片堆疊以及光子技術等多元方案正變得愈來愈重要。臺積電預估的30%節能幅度與20%以上效能提升，代表該公司試圖在能源效率與運算效能之間建立新的平衡點。這種平衡若能如期達成，將為全球AI產業的永續發展提供關鍵的硬體基礎。
**華為**：華為公佈「韜定律」計畫，代表中國在半導體受限條件下的自強路徑探索。張曉強對此的回應低調而值得玩味：「這個概念在業界其實已存在相當長的時間。」他認為，華為的做法主要仰賴更緊密整合元件，例如透過3D堆疊技術來提升效率。這番評論既肯定了技術路徑的合理性，又暗指這並非突破性的創新，而是受限環境下的務實選擇。華為的處境，恰恰反映出美國出口管制措施在技術遏制上的顯著效果。
**AI資料中心營運商**：谷歌、亞馬遜、微軟、Meta等雲端巨頭正面臨電力成本與供電可得性的雙重壓力。這些企業是臺積電先進製程晶片的主要買家，他們對於能源效率的重視，直接傳導至晶片設計與代工選擇的決策之中。張曉強所描述的「客戶目前最希望改善的是在能源效率方面」，正是這些科技巨頭集體意志的反映。他們不僅要求效能提升，更要求效能提升不能附帶額外的電力成本，這種苛刻要求的背後，是資料中心散熱瓶頸、電網容量限制與碳排放壓力的綜合體現。
**半導體設備產業**：臺積電延後導入下一代EUV技術的決定，對艾司摩爾等設備供應商而言是重要的市場訊號。這種延遲不僅影響設備出貨時程，也可能預示著半導體製造技術的發展將在未來數年進入相對保守的階段。相較於追求更微小的電路設計，提高能源效率的設計思路，可能成為下一階段的主流方向，這將對設備製造商的技術研發優先順序產生深遠影響。
---
## 【影響分析】
這則新聞對於不同層面將產生差異化的影響。從技術發展方向觀察，半導體產業的創新重心將出現明顯位移。過去數十年的發展軸線是以「更小」為目標——更小的電晶體、更窄的線寬、更高的密度。然而，當能源效率成為主要限制因素後，「更小」不再是唯一的終極目標，甚至可能不再是優先目標。「更節能」、「更整合」、「更聰明」的設計思路將逐漸嶄露頭角，與傳統的微縮路徑形成競合關係。
在半導體供應鏈格局方面，臺積電的技術宣言進一步鞏固了其作為全球AI晶片製造樞紐的地位。該公司為輝達、超微等AI晶片設計商代工，同時也為主要雲端服務商生產客製化AI處理器，這種多元化的客戶組成使臺積電得以敏銳掌握市場需求的變化趨勢。張曉強的發言某種程度上也是對這些客戶關切的正式回應，確認了臺積電將以能源效率作為下一代技術發展的核心指導原則。
從能源基礎設施的角度觀察，這則新聞揭示的AI用電需求激增現象，將對各國的能源政策產生深遠影響。當AI資料中心的用電量成為電網規劃的重要變數時，政府部門必須將此因素納入中長期能源供需評估之中。加速電網現代化、推動綠電採購、開發新型散熱技術，都將成為政策工具選項中的優先項目。部分地區已出現資料中心與當地社區因為用電競爭而產生衝突的案例，這種張力若不及時化解，可能演變為AI產業發展的社會阻力。
地緣政治維度的影響同樣不容忽視。華為「韜定律」的出現，表面上是一項技術宣言，實際上也是中國在半導體受限條件下的戰略宣示。透過強調不同的技術路徑，華為試圖傳達「即便無法取得最先進設備，仍有突破之道」的訊號。這種訊號對於中國國內的半導體自主發展具有鼓舞作用，但也可能加劇中美科技競爭的複雜性。臺積電在這個格局中的角色日益微妙——它既是全球AI供應鏈的關鍵節點，也是地緣政治張力下的關注焦點。
---
## 【關鍵數據】
根據臺積電於阿姆斯特丹會議中公佈的技術預測，以下數據構成評估未來半導體發展趨勢的關鍵基準：
**製程節能幅度**：從現有2奈米製程到預計2028年推出的A14製程，臺積電預估晶片耗電量可降低最多達30%。這項數據的重要性在於，它代表在半導體製程持續微縮的同時，能源效率改善的幅度仍可維持在顯著水準。然而，若與二十年前從180奈米推進至90奈米時動輒50%以上的節能幅度相較，進步速度的放緩趨勢已相當明顯。這種「邊際遞減」的現象，正是張曉強所言「能源效率成為主要限制因素」的量化證據。
**效能提升幅度**：同一區間內的運算效能預估將提升20%以上。這個數字表面上低於傳統摩爾定律時代的效能提升速率，但若將能源約束納入考量，20%以上的效能提升搭配30%的耗電降低，實際上代表了一種新的交換比。在能源受限的應用場景中，這種「節能優先於效能」的配置，可能比單純追求更高效能更具商業價值。
**AI資料中心的規模擴張速度**：全球AI資料中心的數量與規模正在快速成長，這直接推動了用電需求的激增。雖然新聞原文未提供具體的用電數據，但張曉強提及「客戶正面臨電力成本與供電可得性的壓力」，已足以說明問題的嚴重程度。訓練大型語言模型所需的電力可能相當於數千戶家庭一年的用電量，這種能耗密度的急速攀升，對電網基礎設施構成前所未有的挑戰。
**技術時間軸**：臺積電A14製程預計於2028年左右推出，這項時間表揭示了半導體製程演進的預期節奏。結合該公司延後導入下一代EUV技術數年的決策，可推斷在未來數年內，先進製程的發展將呈現「穩健推進」而非「急遽跳躍」的態勢。這種節奏的調整，對整個AI供應鏈的產能規劃與技術佈局都具有重要參考價值。
---
## 【延伸觀察】
臺積電這次在阿姆斯特丹的公開宣示，為整個AI與半導體產業提供了一個重要的戰略視角：能源效率已成為決定產業能否持續成長的關鍵變數。在未來數年內，有幾個觀察重點值得持續追蹤。
首先是臺積電能否如期達成從2奈米到A14的技術目標。A14製程預計於2028年推出，這個時間軸存在相當的不確定性。先進製程的開發過程中，技術障礙、良率問題、設備供應等因素都可能造成延誤。倘若節能幅度最終低於預期的30%，整個AI產業的能源供需平衡將受到相應衝擊。更值得關注的是，隨著製程逼近原子尺度的物理極限，漏電流、量子穿隧效應等物理現象將對晶片設計構成新的挑戰，這些挑戰可能在未來數年逐漸顯現。
其次是華為與中國半導體產業的自強路徑能否取得實質突破。美國出口管製造成的EUV設備缺口，迫使中國在半導體發展上必須探索替代路徑。「韜定律」強調加快晶片內部資料移動速度，與臺積電的封裝與堆疊策略有部分重疊。然而，在缺乏EUV設備的情況下，中國晶片製造商能否將這種替代路徑發展為具競爭力的技術，仍有待觀察。中國在半導體設備、材料的自主化進展，將是影響全球產業格局的關鍵變數。
第三是全球AI資料中心的電力供應能否跟上需求成長的腳步。這將是決定AI產業能否維持高速成長的關鍵瓶頸。各國政府能否加速電網現代化、能否提供足夠的再生能源供應、能否建立有效的資料中心選址機制，都將影響AI產業的發展上限。部分地區已出現AI企業因供電不足而被迫延後資料中心建設計畫的案例，這種現象若持續蔓延，將對AI應用的普及速度產生實質抑制作用。
第四是地緣政治因素對半導體供應鏈的長期影響。臺積電延後導入下一代EUV技術的決定，除技術因素外，是否也反映了對市場與政策環境變化的戰略性回應？在美中科技競爭持續膠著的情況下，半導體供應鏈的區域化趨勢日益明顯，這種趨勢將對全球科技產業的成本結構與創新速度產生深遠影響。
AI時代的電力問題不是單一企業或單一產業能夠獨力解決的課題。它需要半導體製造商的技術創新、資料中心營運商的基礎設施投資、各國政府的政策支持，以及國際社會的協力合作。在追求更快、更強的AI能力的同時，整個數位文明也必須正視支撐這個時代運轉的電力基礎是否足夠穩固、是否足夠永續。張曉強在阿姆斯特丹的這番談話，僅僅是一個起點；如何將能源效率的戰略宣言轉化為可執行、可衡量、可持續的技術與政策行動，將是未來數年產官學界必須共同面對的時代命題。
想追同一條產業線？看高收益新聞專題
本站把半導體、台股、關稅、房市交通與補助政策整理成可連續閱讀的專題頁，方便快速追蹤脈絡。
如果這則新聞影響你的產業，把它變成每週情報
我們把每日新聞整理成半導體、台股政策、房市交通、補助保險等產業訊號，提供企業試閱報告與合作洽詢。
AI耗電激增 臺積電：能源效率成晶片發展關鍵 | 科技 | 中央社 CNA
分析影響、風險與後續觀察方向
# AI耗電激增：臺積電的能源效率戰略與臺灣科技產業的永續挑戰
## 【評論導言】
人工智慧技術的蓬勃發展，正以前所未有的速度重塑全球科技產業版圖。然而，當輝達（Nvidia）與超微（AMD）的AI加速器席捲雲端資料中心，當大型語言模型參數規模屢創新高，一個攸關產業能否持續成長的根本問題已浮上檯面——電力供應與能源效率。臺積電作為全球先進半導體製造的龍頭，其高層主管近日於阿姆斯特丹公開表示，能源效率已取代運算能力，成為未來晶片發展的主要限制因素。這一宣示不僅是技術演進的轉向訊號，更是臺灣在半導體供應鏈中必須嚴肅面對的戰略課題。
臺積電全球業務資深副總經理張曉強明確指出，無論是邊緣運算、智慧手機、物聯網裝置，還是高效能AI資料中心，客戶的核心需求已從「效能提升」轉向「節能增效」。這意味著，半導體產業歷經數十年以摩爾定律為核心的微型化競賽，正進入一個以能源效率為新衡量標準的後摩爾時代。對於臺灣而言，這既是鞏固半導體競爭優勢的契機，也是必須正視的系統性風險。本文將從技術、產業、地緣政治與政策等多元視角，深度剖析此一趨勢對臺灣科技產業的深遠影響。
## 【深度分析】
**從摩爾定律到能源效率：技術範式轉移的深層意義**
回顧半導體產業發展史，摩爾定律（Moore's Law）長期以來一直是產業成長的核心驅動邏輯——每18至24個月，晶片上的電晶體數量便會倍增，效能隨之提升，成本則持續下降。然而，隨著製程節點邁入2奈米乃至即將到來的A14世代，傳統以縮小電晶體尺寸來提升效能的做法已逼近物理極限。更關鍵的是，縮小製程所帶來的功耗改善幅度正在遞減，而AI工作負載的耗能成長卻呈指數級爆發。
張曉強所言「從2奈米到A14，耗電降低30%、效能提升20%」的技術藍圖，揭示了半導體製造業應對此挑戰的核心策略方向。這30%的功耗降低，主要並非來自更精細的線寬設計，而是來自先進封裝技術、3D晶片堆疊以及光子通訊技術的整合應用。這些技術路徑的共同特點是：透過元件間的更緊密整合，減少資料傳輸距離與能耗，同時在晶片級別實現更高的計算密度。臺積電CoWoS（基板上晶圓晶片封裝）與SoIC（系統整合晶片）技術的快速商業化，正是這一轉型策略的具體體現。
**AI資料中心：用電需求與供應瓶頸的結構性矛盾**
AI資料中心的電力需求增速，已遠遠超出多數電網基礎設施的規劃承受範圍。根據國際能源署（IEA）的數據，2023年全球資料中心用電量約為460太瓦時（TWh），佔全球總發電量約1.5%。然而，隨著生成式AI應用的大規模部署，相關機構預估至2026年，這一比例可能攀升至3%以上。光是訓練一個大型語言模型所需的電力，就相當於數千戶家庭年度用電量的總和。
在此背景下，「能源效率」成為雲端服務商與晶片設計公司的首要優化目標，並非偶然。谷歌、亞馬遜、微軟與Meta等大型雲端業者之所以積極投入自研AI處理器（即所謂的客製化ASIC），核心考量之一便是針對特定AI工作負載打造更具能源效率的運算架構。臺積電作為這些自研晶片的代工夥伴，其角色已從單純的先進製程提供者，轉型為協助客戶在系統層級優化能源效率的策略夥伴。這一角色轉變，將深刻影響臺積電未來與客戶的互動模式與技術服務內涵。
**華為「韜定律」的虛實：中國半導體突圍的限制與選項**
值得注意的是，臺積電的公開評論中特別回應了華為近期提出的「韜定律」（Tau Scaling Law）。華為主張，透過加速晶片內部資料移動速度，可在不使用更先進EUV設備的情況下突破效能瓶頸。張曉強對此低調回應「概念存在相當長時間」，但也指出其核心仍依賴3D堆疊等整合技術。
從技術角度分析，華為的路徑並非完全缺乏邏輯。在摩爾定律傳統路徑受阻的情況下，透過三維堆疊與小晶片（Chiplet）架構確實能繞開對極紫外光微影設備的依賴。然而，這種替代方案面臨良率控制、異質整合技術成熟度以及封裝成本的多重挑戰。更根本的問題在於，由於美國出口管制，華為無法取得荷蘭ASML製造的EUV微影設備，這直接限制了其在最先進邏輯製程上的發展空間。這一現實使中國在半導體製程上的追趕面臨難以跨越的技術鴻溝，也使臺積電在先進製程領域的領導地位更加穩固。
**臺灣在半導體供應鏈中的戰略位置**
臺積電目前握有全球約60%以上的先進邏輯晶片代工市場份額，且在AI加速器供應鏈中的核心地位短期內難以撼動。這賦予臺灣在AI時代不可替代的戰略分量。然而，戰略價值的提升也伴隨著責任與風險的加劇。當全球AI產業對臺積電先進製程的依賴度持續上升，任何供應鏈中斷或地緣政治緊張升級，都將對整個產業生態造成毀滅性衝擊。這意味著臺灣在半導體產業的成功，既是經濟發展的支柱，也可能成為國際博弈中的焦點。
## 【問題診斷】
臺灣在半導體與AI產業交匯點上面臨的挑戰，可從以下幾個層面進行系統性診斷：
**電力供應的結構性瓶頸**：臺灣整體發電量約為2800億度，工業用電佔比已超過35%。臺積電單一家企業的用電量便佔全臺灣總發電量約5%至7%之間，且隨著3奈米、2奈米製程陸續量產，這一比例仍持續攀升。在非核家園政策框架下與再生能源建置速度落後的雙重約束下，電力供應的充裕性與穩定性已成為臺灣半導體產業能否持續擴張的核心制約因素。
**地緣政治風險的持續升級**：臺灣海峽的軍事緊張態勢與中美科技競爭的加劇，使臺灣半導體供應鏈面臨前所未有的地緣政治不確定性。美國對中國的半導體出口管制雖在短期內保護了臺灣的關鍵客戶關係，但長期而言也可能促使中國加速發展自主半導體供應鏈，從而在某些特定應用場域對臺積電形成替代競爭。
**人才供需失衡加劇**：先進製程與先進封裝技術的開發需要大量頂尖工程人才。臺灣半導體產業快速擴張，已導致人才短缺問題日益嚴峻。根據業界估算，臺積電每年的人才需求佔臺灣電子電機相關系所畢業生的顯著比例。人才不足將直接限制產能擴張速度與技術研發深度。
**能源成本競爭力的下降**：臺灣電價相對低廉一直是半導體製造業的成本優勢之一。然而，在全球能源價格波動與臺灣內部電價調整壓力下，這一優勢正在削弱。能源效率因此成為臺積電維持競爭力的必答題，而非選擇題。
## 【風險評估】
**短中期風險（1至3年）**
供電緊張風險：臺灣電力供需在夏季尖峯時期本已偏緊。臺積電持續擴張先進製程產能，加上AI資料中心對電力的龐大需求，將對全臺電網構成顯著壓力。若出現供電不足或頻繁限電，不僅直接衝擊臺積電的生產良率與交貨時程，更可能動搖國際客戶對臺灣供應鏈可靠性的信任。這是當前最為迫切且現實的風險。
客戶分散供應鏈的壓力：谷歌、亞馬遜與微軟等客戶雖高度依賴臺積電的先進製程，但在地緣政治風險考量下，這些企業正在積極推動供應鏈分散策略。英特爾（Intel Foundry Services）與三星（Samsung Foundry）的代工業務雖然落後臺積電，但仍試圖在AI晶片市場中搶奪份額。若臺積電未能有效提升能源效率，可能加速客戶尋找替代代工夥伴的進程。
碳排放與ESG壓力：全球投資人與監管機構對企業碳排放的關注度持續升高。臺積電作為臺灣最大民營用電戶，其碳排放量與用電成長軌跡已成為ESG評級機構與國際機構投資人的高度關注焦點。若臺積電的能源效率提升速度落後於市場期待，可能面臨融資成本上升與國際形象受損的雙重壓力。
**長期風險（3至10年）**
製程技術撞牆風險：儘管臺積電技術藍圖顯示2028年A14製程可降低30%功耗，但晶片製造的物理極限終究會到來。若業界未能找到突破性的新材料（如二維材料、碳化矽GaN）或新運算架構（如類比計算、量子計算），半導體產業的基礎成長邏輯將面臨根本性挑戰。
替代技術路線的顛覆風險：光子計算、神經形態晶片（Neuromorphic Chips）與量子計算等替代技術若取得突破，可能對現有以CMOS為基礎的半導體技術路線形成顛覆性威脅。臺積電雖已佈局這些前沿技術，但能否在新技術週期中維持領先仍是未知數。
區域政治格局重塑風險：若臺海局勢出現重大變化，全球科技供應鏈將被迫進行根本性重構。美國、歐洲與日本可能加速建立本土半導體製造產能，臺灣在全球供應鏈中的核心地位將受到根本性挑戰。這一風險雖難以精確量化，但其潛在影響卻可能是所有風險中最為深遠的。
## 【應對建議】
**政府政策層面**
優先確保電力供應的充裕與穩定：經濟部與臺電應加速推動電網基礎設施升級，並在兼顧環境永續的前提下，重新審視能源配比政策。可參考南韓與新加坡的做法，在特定條件下保留核能作為基載電力選項，以確保半導體產業發展不受電力不足制約。同時，應積極加速離岸風電與太陽能等再生能源建置速度，並推動儲能基礎設施的完善。
建立半導體人才培育的國家戰略：政府應與半導體產業攜手，擴大在半導體相關科系的教育投資，並建立國際人才吸引機制。可考慮設立專門的半導體研究獎學金與實習計畫，吸引全球優秀工程人才赴臺灣深耕。
強化供應鏈韌性與分散佈局：協助臺積電在海外（美國、日本與歐洲）的建廠計畫順利推進，不僅是回應盟友期待的策略性舉措，更是分散地緣政治風險的必要手段。政府應提供相關行政支援與政策配套，確保海外建廠的效率與進度。
**臺積電與產業層面**
加速推動綠能採購與能源轉型：臺積電應擴大對再生能源的採購規模，並積極參與電網需求側管理（Demand Response）機制。提升能源效率不僅是技術課題，更需要從組織文化與營運流程上進行全面性變革。臺積電已承諾在2050年前達到100%再生能源使用，此目標的實踐路徑需要更具體的里程碑與時程規劃。
深化與客戶的節能協作：臺積電應將「能源效率共同優化」列為與AI晶片設計客戶合作的核心理念。這意味著從晶片設計初期階段便與客戶協作，針對特定應用場景優化晶片架構與功耗特性，而非僅提供標準化的製程服務。這種深度協作模式可望成為臺積電新的競爭護城河。
加大對替代技術路線的研發投入：臺積電應在半導體新材料、光子積體電路與新型記憶體架構等前沿領域建立實質性的研發能量，以確保在未來可能出現的技術典範轉移中保持領先地位。
**社會與制度層面**
建立AI用電的公共對話機制：AI資料中心的快速擴張已引發社會對電力分配正義的關注。政府和產業界應建立透明、開放的資訊揭露機制，向社會大眾說明AI產業發展與電力供需之間的權衡關係，避免資訊不對稱導致社會誤解與反彈。
推動跨產業能源效率標準化：政府可偕同相關公會與國際標準組織，推動AI硬體與資料中心的能源效率標準化。這不僅有助於提升整體產業的能源使用效率，也可為臺灣企業在國際永續採購要求日益嚴格的環境中建立競爭優勢。
## 【後續觀察】
臺積電高層明確將能源效率定調為未來晶片發展的核心限制因素，這一宣言將在未來數年間持續引導產業技術走向。投資人與分析師應持續關注以下關鍵指標的發展態勢。
在技術層面，2025年至2028年間臺積電2奈米與A14製程的量產進度、先進封裝技術（特別是SoIC與Foveros）的產能擴張情況，以及光子技術從實驗室到量產的轉化進程，將是判斷臺積電能否達成其技術藍圖的關鍵觀察點。同時，輝達下一代AI晶片（如 Rubin系列）採用臺積電製程後的能源效率實測數據，也將成為市場驗證臺積電技術實力的重要參照。
在產業動態方面，全球主要雲端服務商對臺積電製程的依賴度是否出現實質性變化，以及三星與英特爾在AI晶片代工市場的進展幅度，都是值得追蹤的競爭態勢指標。特別值得關注的是，輝達等大客戶是否會因能源效率考量而對臺積電施壓，要求更大幅度的功耗改善幅度。
在政策與地緣政治層面，美國政府對中國半導體管制的後續走向、荷蘭ASML對中、先進半導體設備出口政策的演變，以及臺灣政府在半導體供應鏈韌性與能源政策上的實際作為，都將深刻影響臺灣半導體產業的中長期發展軌跡。
在半導體的世界裡，「電」從來不只是成本帳目上的數字，而是決定摩爾定律能否延續、決定AI革命能走多遠的根本力量。臺積電已清楚地發出了這個訊號。臺灣社會與政策制定者必須正視這一新現實，在能源政策、人才培育與國際合作上做出更具前瞻性的佈局，方能確保臺灣在半導體產業的核心地位不受動搖，同時為AI時代的永續發展奠定堅實基礎。