從個別公司來看,這一輪上修相當全面。Amazon 在年初就已指引 2026 年約 2,000 億美元資本支出,是四家中最高;Alphabet 在 Google Cloud 營收年增逾 6 成的支撐下,將指引上調至 1,800-1,900 億美元區間,並在後續財報再拉高上限;Microsoft 資本支出展望上修至約 1,900 億美元,其中約 250 億美元被明確歸因於零組件價格上漲;Meta 則將預估區間提高到 1,250-1,450 億美元,中位數年增接近 94%。

值得注意的是,不同研究機構對「CSP 資本支出總額」的定義範圍差異很大,導致市場上流傳的數字從 7,100 億到 8,300 億美元不等。DIGITIMES 研究採用的是「四大 CSP」口徑得出 7,450 億美元;TrendForce 若納入 8-9 家全球 CSP(包含阿里巴巴、騰訊、字節跳動等中系業者)則得出約 8,300 億美元,年增率從 61% 上修到 79%。閱讀這類數據時必須先確認統計範圍,否則容易誤判成長幅度。

推動這一輪上修的力量主要有三個。第一是 AI 推論需求爆發——不同於訓練需求集中在少數超大模型,推論需求隨著 AI 應用滲透率提升而持續擴張,且需要更貼近終端使用者的分散式部署。第二是 OpenAI 與 Anthropic 這類前沿實驗室正準備首次進行大規模自建算力,加上與雲端業者的長期承諾合約,讓 CSP 必須提前擴建。第三是零組件成本上漲,尤其是記憶體(HBM 與 DDR5)與先進封裝產能吃緊,直接推高每台 AI 伺服器的建置成本。

但 DIGITIMES 研究同時點出風險面:累積數年的龐大資本支出正在對財務結構形成壓力。GPU 折舊年限的爭議在 2025 年底就已浮上檔面,市場對「AI 晶片經濟壽命是 3 年還是 6 年」意見分歧;若實際壽命較短,則折舊費用會侵蝕未來數年獲利。此外,資料中心的電力供應、變電站建置與水資源取得也開始成為實質瓶頸,部分專案的建置時程已因基礎設施配套而延後。

對台灣供應鏈而言,7,450 億美元的資本支出規模仍是最直接的訂單能見度來源。AI 伺服器 ODM(鴻海、廣達、緯創、緯穎、英業達)、散熱(奇鋐、雙鴻)、電源(台達電、光寶)、機櫃與線材、交換器與網通設備都在這條供應鏈上。不過從 2026 年的觀察來看,AI 伺服器訂單「留下多少利潤」已成為關鍵分水嶺——同樣接到 AI 機櫃訂單,電子六哥的獲利結構出現明顯分化,代表整機組裝的毛利空間正被上游零組件漲價與品牌客戶議價能力雙面擠壓。

後續觀察重點有三:一是 2026 下半年財報季各家 CSP 是否再度上修或首度出現下修訊號,尤其 Microsoft 曾因下修資本支出而獲市場正面評價,顯示投資人態度已從「衝越多越好」轉向「要看到投報率」。二是 GPU 折舊政策是否調整,阿里巴巴近期在法說會表示 2018 年採購的 V100 與 2020 年的 A100 仍接近滿載運行,這種「實際壽命長過折舊週期」的說法會直接影響估值模型。三是零組件價格漲勢能否趨緩,若記憶體缺口持續在 50% 水準,CSP 的實際可建置機櫃數量會低於資本支出數字所暗示的規模。DIGITIMES 提醒,2026 下半年若出現記憶體與零組件供需同步緩解,則 AI 伺服器與資料中心建置速度將回升,反之若任何一項缺口惡化,則 CSP 的實際機櫃部署將落後於資本支出預算,並影響 2027 年 AI 供應鏈成長動能。