鴻海搶基建、字節去 NVIDIA：AI 晶片短缺激發的供應鏈分流

事件概述

2026 年中、全球科技供應鏈發生了一個微妙但深遠的轉折。鴻海與施耐德電機宣布戰略合作開發次世代 AI 資料中心基礎設施；同時、字節跳動據報洽購 5 萬片國產 AI 晶片、加速去 NVIDIA 化的推論算力部署。這兩條新聞看似獨立、實則指向同一個經濟邏輯：供應鏈集中度過高、會反向激發下游的分流與替代。

表面現象

表面上、這些舉動看起來是「備選方案」或「地區化策略」：

• 鴻海聯手施耐德、是台灣製造想搭上 AI 基建浪潮
• 字節跳動採購國產晶片、是中國在美國出口管制下的自力更生

但如果只看到這層、就會錯過背後的結構性轉變。

深層原因：集中度陷阱

NVIDIA 在 AI 訓練晶片上的壟斷地位是無與倫比的。截至 2025 年、NVIDIA 掌控全球高端 GPU 市場 80% 以上的份額。這本應是 NVIDIA 的護城河、是競爭優勢。

但護城河太深、反而變成陷阱。當下游客戶發現：

1. 交期不確定：NVIDIA H100、H200 等旗艦晶片動輒等待 6-12 個月 2. 價格談判權喪失：沒有替代品、客戶只能被動接受 3. 技術方向被鎖定：必須圍繞 CUDA 生態構建、喪失架構靈活性 4. 地緣政治風險：美國出口管制隨時可能斷供

這些痛點累積到臨界點、客戶開始主動尋求替代方案。鴻海、字節跳動等大客戶的行動、就是這個臨界點的爆發。

核心原則：垂直整合的報復

經濟學有個古老的洞察：當中間環節的壟斷溢價過高、上下游會聯手繞過它、或向上游整合。

Historically、亨利·福特（Henry Ford）整合了鋼鐵、輪胎、玻璃等上游；蒂姆·庫克（Tim Cook）讓蘋果設計自己的晶片；特斯拉自製電池。每一次都是因為上游供應商的壟斷或不可控、迫使下游做出戰略調整。

現在 AI 生態正在重演這個模式：

• **鴻海 + 施耐德**：不只造伺服器、要造完整的資料中心解決方案（垂直整合）
• **字節跳動**：不只採購晶片、要合作開發國產替代品（向上游整合）
• **Google**：不只用 NVIDIA、要分散 TPU 供應鏈、投資多家晶片公司

這些都是「去單一供應商依賴」的垂直整合行動。

供應鏈分流的三個層次

### 層次 1：晶片設計多源化

過去 5 年、涌現了數十家 AI 晶片新創：安培算力（Ampere）、柘米科技（Cerebras）、天數智芯、英特爾 Gaudi、AMD 等。它們的性能雖然還追不上 NVIDIA、但對於推論算力（inference、而非訓練）已經夠用。

字節跳動的決策邏輯很清楚：推論成本佔運營成本 70-80%、但推論對精度的要求低於訓練。用國產晶片做推論、釋放 NVIDIA GPU 用於訓練。這是功能分層的策略、而非簡單替代。

### 層次 2：系統整合生態化

NVIDIA 過去賣的是晶片；現在客戶要的是「端到端解決方案」：伺服器 + 電源 + 散熱 + 網路 + 管理軟體。

鴻海與施耐德的合作、恰好補齊了電力與散熱這兩個短板。這形成了一個「非 NVIDIA 中心」的系統架構、打破了 NVIDIA 的全棧壟斷。

### 層次 3：地區供應鏈本土化

美國出口管制（如對華禁運 A100/H100 等）、迫使中國、歐洲等地加速開發本土替代品。這不是暫時的應急、而是長期的戰略調整。