AI 採用加速快於華爾街預期：Nvidia、Micron 與 TSMC 收益超越預估

近幾個月困擾市場情緒的「AI 疲勞」說法已果斷地被瓦解。在一次同步展示財務實力的表現中，半導體行業的三大巨頭——Nvidia、Micron Technology 和台灣積體電路製造公司（TSMC）——報告的收益不僅超過了市場共識預估，甚至打破了這些預期。這些行業風向標的集體表現證實了一個關鍵現實：人工智慧（AI）的採用並未進入高原期，而是正以華爾街模型未能預測的速度加速中。

對於那些擔心超大型雲端業者（Hyperscalers）會縮減 資本支出（Capital Expenditures）的分析師和投資者來說，最新的季度數據起到了強大的修正作用。數據顯示，支持下一代生成式 AI（Generative AI）模型所需的基礎設施建設遠未完成。相反，我們正在見證部署「第二階段」的開始，其特點是對記憶體頻寬、先進晶圓代工產能和下一代運算能力的巨大投資。

三重超越：同步激增

本財報季最引人注目的方面是 AI 硬體堆疊領域成功的統一性。與以往性能孤立的季度不同，本季度展示了水漲船高的趨勢，提升了供應鏈的所有關鍵組件——從代工廠 (TSMC) 到高頻寬記憶體（Micron），再到邏輯處理器本身（Nvidia）。

華爾街分析師原本已預期了「完美」的情景，然而這些公司甚至設法超越了那些被拉高的預期。以下細分說明了每家公司超越預期的幅度，突顯了分析師共識與實際報告數據之間的差異。

財務表現 vs. 華爾街預估

Nvidia：永不懈怠的運算引擎

Nvidia 持續挑戰大數法則。憑藉報告的 570 億美元 銷售額，該公司再次證明對其加速運算平台的需求正供不應求。考慮到 Nvidia 目前的運作規模，23 億美元的營收超越顯得尤為重要。

這一增長的驅動力仍然是數據中心（Data Center）部門，該部門已從硬體業務演變為全棧平台提供商。雖然市場預期銷售強勁，但超越的幅度表明，向主權 AI（Sovereign AI）雲端和企業特定大語言模型（LLM）的轉型發生得比預期更快。

Nvidia 本季度的關鍵驅動力：

• 主權 AI： 建立本國國內運算基礎設施的國家佔營收的高個位數百分比，這是一個在兩年前幾乎不存在的領域。
• 企業推論： 雖然訓練（Training）需求依然強勁，但 Nvidia 指出推論（Inference）相關營收大幅上升，這標誌著公司正在將 AI 模型從實驗室轉移到生產應用中。
• 軟體服務： Nvidia AI Enterprise 軟體的搭售率創下歷史新高，驗證了公司在其硬體壟斷地位之上對軟體層進行貨幣化的戰略。

Nvidia 執行長黃仁勳（Jensen Huang）強調，我們正處於運算架構根本性轉變的「早期階段」，從通用檢索轉向加速生成。報告的 1.30 美元每股盈餘（EPS）突顯了該公司即使在增加供應鏈複雜性以滿足需求的情況下，仍能保持高毛利率的能力。

Micron：記憶體超級週期

這三者中最令人震驚的結果或許來自 Micron Technology。這家記憶體製造商交出了分析師所謂的「貝比·魯斯（Babe Ruth）式全壘打」，其 4.78 美元的每股盈餘遠超 3.77 美元的共識預估。

多年來，記憶體被視為商品週期，容易出現繁榮與蕭條。然而，AI 從根本上改變了這一動態。對高頻寬記憶體（High Bandwidth Memory，HBM），特別是 HBM3E 的需求，創造了一個供應受限的環境，賦予了 Micron 前所未有的定價權。現代 AI 加速器如果沒有海量的快速記憶體就毫無用處，而 Micron 已成功地將自己定位為這一生態系統的關鍵促成者。

為何 Micron 表現優異：

1. HBM 定價權： 由於 HBM 產能在 2026 年底前已售罄，Micron 能夠獲得溢價，顯著提升了毛利率。
2. 數據中心 SSD： 除了 DRAM 之外，為 GPU 集群提供數據的高速存儲需求導致數據中心 SSD 類別的營收創下紀錄。
3. 庫存正常化： PC 和智慧型手機市場的遺留負擔已經出清，使得 AI 驅動的高端細分市場能夠直接推動獲利。

1.01 美元的 EPS 超越是一個明確的指標，表明「記憶體牆」——即處理器速度超過記憶體速度的瓶頸——是 AI 性能的新戰場，且客戶願意支付溢價來克服它。

TSMC：未來的晶圓代工廠

如果說 Nvidia 是引擎，Micron 是燃料，那麼 TSMC 就是建造機器的工廠。台灣積體電路製造公司的業績提供了基礎證明，即 AI 熱潮是結構性的，而非短暫的。

報告營收為 337 億美元，TSMC 超出預期主要歸功於其 3 奈米（3nm）技術節點的快速量產。然而，最看好的信號並非過去一季的收益，而是關於資本支出（Capex）的前瞻性指引。TSMC 宣布大幅增加其 2026 年的資本支出預算，目標範圍為 520 億至 560 億美元。

這個數字令人震驚。它代表了對來自 Apple、Nvidia 和 AMD 等主要客戶「已確認需求」的直接回應。TSMC 不會根據投機來建設產能；如此規模的資本支出上調意味著他們的客戶已提供了長期預測，需要比目前存在的多得多的晶圓產能。

TSMC 資本支出上調的意義：

• 2 奈米加速： 這筆支出中有很大一部分分配給了即將推出的 2 奈米（2nm）節點，該節點將採用全環繞閘極（GAA）電晶體架構，這對於下一次電力效率的飛躍至關重要。
• CoWoS 擴產： 先進封裝 產能（Chip-on-Wafer-on-Substrate）仍然是 AI 晶片供應的主要瓶頸。預算增加標誌著封裝設施的大規模擴張，以疏通這一供應限制。
• 全球足跡： 對亞利桑那州、日本及可能的歐洲進行持續投資，確保供應鏈變得更具韌性，儘管維護成本更高。

更廣泛的市場：4,000 億美元基礎設施支出

這三家公司同步的收益超越指向了一個更大的宏觀經濟趨勢：「超大型雲端業者」——Alphabet、Meta、Microsoft 和 Amazon——對 AI 基礎設施 的大規模資金注入。

目前的預測顯示，科技巨頭僅在 2026 年就有望在 AI 基礎設施上花費約 4,000 億美元。這筆支出不僅僅是為了維護，而是一場激進的運算霸權爭奪戰。Alphabet 和 Meta 都表示，與之前的週期相比，他們的資本支出將幾乎翻倍，這是由訓練更大模型（如 Llama 4 和 Gemini Ultra 的繼任者）以及向數十億用戶提供實時 AI 代理的需求驅動的。

基礎設施支出細分

這波 4,000 億美元的浪潮有助於解釋為什麼「AI 泡沫」的擔憂沒有反映在供應鏈數據中。需求得到了地球上規模最大、資金最雄厚的公司的保證，他們將 AI 霸權視為生存的必然，而非投機性的冒險。

結論：加速是真實的

2026 年 2 月的數據是明確的。Nvidia、Micron 和 TSMC 提供了實證，證明人工智慧的採用正在加速。華爾街保守的估計與這些公司爆發式的業績之間的差異，突顯了對生成式 AI 資源密集度的系統性低估。

隨著我們進入 2026 年，焦點可能會從單純的「訓練」需求轉向「推論」需求——即實際為終端用戶運行這些模型的運算成本。隨著 TSMC 為新晶圓廠澆築混凝土，Micron 鎖定 HBM 訂單，以及 Nvidia 擴大其軟體影響力，這一 AI 原生未來的硬體基礎正以創紀錄的速度固化。對於預期放緩的懷疑論者來說，來自半導體行業的信息很明確：我們才剛剛開始。