在人工智慧基礎建設熱潮的大部分時間裡，有一個數字主導了討論：資本支出。
超大規模企業每增加一項計畫支出，都暗示對加速器、先進半導體、伺服器、網路設備、電力系統及資料中心容量的需求增加。這使得資本支出成為技術供應商重要的早期信號。
但隨著 AI 基礎建設支出增加，下一個問題正在改變。僅僅問最大科技公司願意投入多少已不夠。他們的盈餘開始顯示，建立在這些基礎建設基礎上的企業是否產生足夠的收入與現金，以支撐下一輪投資。
對台灣的半導體與人工智慧硬體生態系統而言，這種轉型至關重要。資本支出顯示意圖。營收、利潤率與現金流越來越能反映這些支出背後的經濟理由是否奏效。
MICROSOFT 展示了 AI 投資方程式的兩面
Microsoft 最新的業績展現了這種關係。截至 2026 年 9 月 30 日的季度，總營收達到 923 億美元，較去年同期成長 19%。Microsoft 雲端營收成長 30% 至 639 億美元，Azure 營收成長 48%。這些數據證明雲端與 AI 相關運算需求持續轉化為商業營收。
基礎建設費用也快速成長。Microsoft 本季錄得 394 億美元的物業與設備新增項目，較去年同期的 194 億美元大幅增加。公司產生了 580 億美元的營運現金流，扣除物業與設備新增後約剩 186 億美元。這比單靠資本支出更能成為有用的 AI 指標。
Microsoft 不僅僅是增加基礎建設支出。其最新財報顯示，雲端業務大幅成長，並同時產生可觀的營運現金流。這種組合正是讓大型投資週期財務永續的關鍵。
META 顯示為何僅靠資本支出是不完整的訊號
Meta第三季業績顯示，為何這段關係值得更深入關注。營收年增26%，達646億美元，顯示核心業務持續強勁。同時，資本支出，包括融資租賃本金，達到349.1億美元。營運現金流為327.9億美元，報告自由現金流為負21.2億美元。
Meta 也將 2026 年全年資本支出展望縮小至 1350 億美元至 1450 億美元，並表示預計 2026 年後將繼續積極投資核心業務及新興 AI 計畫。這並不代表該投資在經濟上失敗。
單一季度的負自由現金流無法回答這個問題。然而，這也說明了為何人工智慧週期的下一階段需要更嚴苛的考驗。營收成長必須與投入新計算能力的現金量做比較。如果基礎建設支出持續加速，基礎企業產生營運現金的能力將變得越來越重要。
AI 資本支出正逐漸成為盈餘問題
這改變了 AI 基礎設施週期的監控方式。在早期階段，較高的資本支出預測往往足以預示半導體與伺服器需求增加。這仍然有用。但隨著投資達到更高的絕對水準，四個問題變得更加重要：
AI 相關產能是否帶來額外收入？
隨著折舊和基礎建設成本上升，利潤率是否依然穩定？
營運現金流的擴張是否足夠快速，能幫助融資新產能？
管理層是否仍預見未來足夠需求，足以支持另一輪投資週期？
這些問題直接將財務報表與實體技術需求連結起來。持續創造強勁營收與現金的超大規模企業，能資助更多資料中心、GPU、網路硬體及內部支援基礎設施。若現金流減少而投資需求持續上升，額外容量的經濟效益將變得更為困難。
台灣位於該現金流決策的上游
這種連結對台灣尤為重要。實體 AI 技術棧最終流經半導體、先進封裝、伺服器組裝、網路元件及電力硬體——台灣在這些領域扮演核心角色。
台積電2026年第三季業績顯示，上游需求依然異常強勁。營收達467.2億美元，較去年同期增長41.2%。毛利率為66.4%，而7奈米及以下的先進製程技術佔晶圓收入的79%。台積電同時重申2026年資本預算為600億至640億美元。
管理層表示，AI 相關需求依然強勁，隨著對加速器、CPU 和網路晶片需求的代理性 AI 採用率提升。這意味著供給端的證據依然強而有力。現在更有趣的問題是，下游客戶經濟是否仍足夠強健，能在未來數個投資週期持續支持該需求。
這個區分在檢視更廣泛的 AI 供應鏈風險與機會時至關重要。[5]
供應鏈仍顯示實物需求
台灣更廣泛的訂單數據提供了另一項證據。2026年9月出口訂單達到1142億美元，較去年同期增長62.4%。
經濟部指出，出口訂單與台灣出貨不完全相同，因為部分台灣企業生產在海外進行。加上台積電的財報，數據顯示AI基礎建設週期仍在轉化為大量實體訂單。
這點很重要，因為金融市場對 AI 的熱情波動速度遠快於實際工廠、包裝產能或伺服器生產。因此，盈餘與訂單數據提供了不同形式的確認。超大規模企業的收益顯示資助 AI 基礎設施的公司是否有足夠的營收與現金流持續支出。
台灣的半導體與出口數據顯示這些支出是否持續流入實體供應鏈。
自由現金流可能成為新的人工智慧需求指標
這可能改變人工智慧週期的評估方式。資本支出計畫仍是重要的領先指標。但自由現金流可能成為越來越重要的第二項考驗。
若雲端與人工智慧營收能迅速成長，支持高額投資，且營運現金流保持強勁，超大規模企業可持續擴充產能，同時不對財務資源造成過度壓力。若資本支出持續加速，而現金產生停滯，投資人與管理團隊最終可能要求更充分的經濟回報證據。
這最終可能影響新基礎設施的訂購速度。對半導體供應商而言，這造成下游獲利與上游製造需求之間的延遲連結。晶片訂單並非從代工廠開始。而是從客戶決定在經濟上值得建造另一組計算能力開始。
從「他們花了多少錢？」到「這些支出產生了什麼？」
這是人工智慧故事中正在發生的更大轉變。第一階段主要是關於稀缺性。
當時缺乏足夠的先進加速器、封裝容量、高頻寬記憶體、網路元件或資料中心基礎設施來滿足預期需求。下一階段越來越著重於生產力與回報。
市場現在有更多證據可供檢視：雲端成長、AI 相關營收、營運利潤率、現金產生，以及產生這些成果所需的資本量。這並不代表資本支出的重要性降低。反而讓資本支出的解釋更加複雜。
對台灣科技供應鏈而言，最強烈的訊號可能來自同時讀取週期的兩端。台積電與台灣的出口訂單顯示實體AI需求是否已達製造業生態系。
Microsoft、Meta 及其他超大規模企業的盈餘顯示，資助這些需求的公司是否創造了足夠的經濟價值，以維持這個循環。因此，AI 基礎建設的故事已超越了單純的消費競賽。更難的問題是，這些支出是否能持續自我回本。
