2026年AI算力緊缺將如何向產業鏈上游擴散？

2026年，隨著AI從訓練階段全面轉向推理階段，算力緊缺已從單一的GPU環節向產業鏈上游多個維度擴散，形成全面的“算力通脹”局面。

首先，在光互連領域，隨著大模型推理并發量暴增，數據中心內部互聯帶寬需求急劇提升。800G和1.6T光模塊在2026年迎來快速放量，市場規模有望達到146億美元。同時，NPO（無源光引擎）和CPO（共封裝光學）技術打開Scale up全新增量，CW光源因高端InP襯底和MOCVD設備短缺而呈現明顯漲價和緊缺態勢，EML芯片同樣被海外巨頭壟斷且供給緊張。

其次，存儲環節面臨結構性緊缺。HBM產能被AI客戶全額鎖定，缺口達50%-60%，盡管三大原廠已將70%新增產能傾斜至HBM，但仍無法滿足需求。在AI推理時代，KV Cache爆發導致NAND SSD成為二級/三級容量底座，其需求CAGR高達56%，遠超訓練需求的11%，且擴產周期長導致供給錯配。

再次，CPU從輔助調度轉變為執行核心。Agent流程的復雜性使得CPU核數需求激增，英特爾表示CPU與GPU比例已從1:8調整為1:4。由于高端晶圓廠產能優先保障高毛利的GPU，CPU產能被擠壓，2026年全球服務器CPU供需缺口接近50%，高端AI專用CPU交付周期拉長至6個月以上。

最后，PCB、液冷及上游新材料也隨算力集群規模擴大而需求旺盛。整體來看，2026年下半年算力及相關材料的供不應求將是行業主旋律，上游各環節均受益于算力基礎設施的擴張。