【投資專欄-跟楓走043】不要忽略在「晶片製造本身」大舞台一眾綠葉角色

【投資專欄-跟楓走043】晶圓製造真正決定產能與先進程度的是曝光、蝕刻、沉積、量測、先進封裝等製程與設備，CPU不會像光刻機或CoWoS那樣直接卡住產能。但在「AI 能不能交付、資料中心能不能上線」的層面，綠葉之一的CPU 是不可替代的必交零件。

其中原因之一，AI 層面普遍出現「現在必須交付」的必然技術邏輯。

意思是在現實交付層面，一台真正能上線運作的 AI 伺服器，並不是只有 GPU。標準結構通常包含兩顆伺服器級 CPU、四至八顆 AI GPU，搭配大量 DDR5 RDIMM 記憶體，以及主板、電源、高速網路與儲存系統。GPU 負責模型訓練與推論算力，但 CPU 承擔的，卻是整個系統能否「動得起來」的關鍵角色。

價值不在於算力峰值，而在於資料前處理、GPU 任務排程、記憶體與儲存管理，以及網路通訊、虛擬化與叢集協調等底層工作。這些功能無法被 GPU 取代，只要 AI 伺服器出貨量持續以年增 20% 以上的速度擴張，CPU 就會被動地、等比例地被消耗掉。這也是為什麼，AI 並不是把 CPU 用得更「猛」，而是把 CPU 用得更「多」。

更關鍵的是，記憶體短缺進一步放大了 CPU 的結構性卡關。當前 HBM 幾乎被 AI GPU 全面鎖走，標準 DRAM 產能則快速轉向高容量伺服器模組，導致 2025 至 2026 年 DDR5 RDIMM 價格出現 50% 至 100% 的上漲。在這種情況下，只要記憶體不到位，整機就無法出貨；若整機無法出貨，CPU 並非沒有需求，而是交付被迫延後。結果是 CPU 訂單在系統廠與 OEM 端排隊、積壓，交期不斷拉長。市場表面上看到的是「CPU 好像沒有那麼熱」，實際發生的卻是 CPU 被整機交付節奏卡死。

從供應端來看，Intel （INTC ) 一方面同時推進 Intel 3 與 18A 製程爬坡，另一方面又必須優先滿足 AI 與雲端高毛利客戶，使得一般伺服器與消費級產品交期被動拉長。AMD 的 EPYC 9005 持續承接轉單，在高核心數與高記憶體通道的伺服器市場快速滲透，但同時也要面對 AI 與傳統伺服器雙重需求，產能同樣無法隨拉隨有。真正的重點不在於市佔率，而在於每一台 AI 伺服器都一定需要 CPU。

AI PC 的換機潮，則進一步擾亂了供應鏈節奏。Copilot+ PC 把最低記憶體規格推到 16GB，主流甚至來到 32GB，使得 CPU 與記憶體需求同時上升，終端價格也因此壓抑了部分消費需求。

第二個重要綠葉角色，就是HBM 。現時是完全缺貨的核心瓶頸，包括 HBM 與先進封裝（如 CoWoS 與 2.5D），沒有這兩項，GPU 根本無法出貨。另外則是直接鎖死整機交付的關鍵，包括高容量 DDR5 RDIMM 與伺服器級 CPU，例如 Xeon 6 與 EPYC 9005，沒有 CPU，AI 伺服器這個產品本身就不存在。最後則是配套但不可或缺的零組件，包括主板、電源、高速網路與儲存，這些雖然不是最稀缺，但缺一樣，系統同樣無法交付。

例如美光（MU )同時身處 HBM 與 DDR5 RDIMM 的雙重短缺核心，價格彈性最大，沒有記憶體，CPU 與 GPU 全部無法交付，等同於整條 AI 基建缺貨循環的放大器。Intel 的 Xeon 6 已成為 AI 伺服器的標配產品，即使市佔率承壓，只要 AI 伺服器持續擴建，總需求仍然高度吃緊。AMD 則透過 EPYC 9005 在高規格伺服器市場提升滲透率，不但承接轉單，還與 AI GPU 平台形成綁定效應。

而在 AI 基礎建設的討論中，市場長期把焦點放在 GPU 世代更替之上，從 Blackwell 到 Rubin，算力、HBM 容量與 NVLink 頻寬的躍進看似正在把一切推向「純 GPU 化」。然而，當我們真正拆解 Blackwell NVL72 與 Rubin NVL72 的系統架構，會發現一個被嚴重低估的事實。

就是GPU 再強，CPU 不但沒有退場，反而被鎖定在更關鍵、不可替代的位置。這也是為什麼 Nvidia 在 Rubin 世代，並沒有減少 CPU 的配置數量，而是選擇以 Vera CPU 與 Rubin GPU 並行，延續每個 NVL72 機櫃 72 顆 GPU、36 顆 CPU 的設計。

Rubin 架構的一個關鍵轉變，在於它強調「機櫃作為單一可信運算域」。無論是機櫃層級的安全隔離、身分驗證、記憶體一致性，還是多租戶與雲端環境下的資源調度，核心控制權仍然掌握在 CPU 平台之中。換言之，GPU 專注於極致算力與資料平行處理，而 CPU 則上移成為整個 AI 系統的中樞神經。這也解釋了為何 Rubin 世代不是削弱 CPU，而是淘汰低階 CPU，只保留具備高記憶體通道、高 I/O 與平台能力的高階型號。

從產業影響來看，這種設計確實會讓 NVIDIA 自家的 CPU（如 Grace、Vera）在超大規模、全 NVIDIA 鎖定的系統中扮演更重要角色，但並不意味著 x86 CPU 需求的消失。相反，在絕大多數非 NVL72 的 AI 伺服器、推理叢集與企業私有雲環境中，高階 x86 CPU 仍是標準配置。Intel 的 Xeon 6 與 AMD 的 EPYC 9005，反而因為 GPU 價值提高而被迫升級規格，CPU 的單顆等級與單價持續上移。

更重要的是，Rubin 世代帶來的 HBM4 爆量與記憶體頻寬提升，讓整個系統對記憶體管理與資料搬運的要求更高。這不僅放大了 CPU 在平台層的角色，也直接推升了高階記憶體與相關供應鏈的重要性，包括美光在內的記憶體廠商，成為這條「必須交付」鏈條中的關鍵一環。

總結來說，Blackwell 到 Rubin 的演進，並不是一條「GPU 吃掉 CPU」的路線，而是一條「GPU 極致化、CPU 平台化」的路線。CPU 不再是算力補充品，而是 AI 基礎建設中負責協調、控制與交付的核心。Rubin 真正改變的不是 CPU 需求的多寡，未來 AI 世界不需要更多低階 CPU，只需要少量但不可替代的高階 CPU，來支撐整個機櫃與資料中心的運作。

(編按：本文觀點不代表加拿大星島立場，投資市場有賺有蝕，文章僅供讀者參考。)

作者：Ricky Lau ，人稱「莊主」。資產管理投資策略師、家族辦公室顧問、股評人、財經書籍《最佳位置》及《AI選美》作者。