輝達新平台每詞元成本大減，鴻海廣達緯創接單看到 2028 年

輝達新一代平台大幅降低每詞元的推論成本，而鴻海、廣達與緯創等台灣業者的訂單能見度已延伸至 2028 年。推論成本的下降，正是推動部署規模持續擴大的核心動力。

「每詞元成本」這個指標，是理解 AI 商業化的關鍵。它衡量的是產生一個 token 所需的實際成本——涵蓋硬體折舊、電力消耗與相關的營運支出。對於提供 AI 服務的業者而言，這個數字直接決定毛利率；而對於企業使用者，它決定了哪些應用在經濟上可行。

成本下降的效果具有放大特性。當單位成本降低一半，同樣的預算能支撐兩倍的使用量；而更關鍵的是，原本因成本過高而不可行的應用會跨過門檻。代理式應用尤其如此——一項任務可能需要數十乃至數百次的模型呼叫，其總成本是單次問答的數十倍，因此對單價極為敏感。成本減半，等同於讓代理能在相同預算下進行兩倍的嘗試。

這也解釋了為何硬體需求能持續成長。直覺上，效率提升應該減少所需的硬體數量；但實務上，成本下降帶動的使用量成長往往超過效率提升的幅度，導致總需求不減反增。這個現象在運算產業中反覆出現——當單位成本下降，新的應用場景便被開啟。

訂單能見度延伸至 2028 年，是這則消息中對供應鏈最實質的訊息。在硬體製造業中，能見度通常以季度計算；而超過兩年的可見度相當罕見，這意味著客戶已對長期的部署規模做出承諾。對業者而言，這提供了產能規畫、資本支出與人力配置的明確基礎。

不過，能見度與實際出貨之間仍有落差需要留意。長期訂單通常包含調整條款，客戶可依市況修改數量與時程；而 AI 基礎設施的建置高度依賴少數大型客戶的資本支出決策，任一客戶的計畫調整都會產生明顯影響。同時，融資成本上升與零組件價格上揚，也可能影響專案的推進節奏。

對台灣供應鏈的結構性意義，則在於角色的深化。從單純的伺服器代工，延伸到機櫃整合、電源與散熱系統，再到完整的部署與驗證服務；每往上游一層，附加價值與客戶轉換成本都隨之提高。這使得當前的訂單不只是量的累積，也是關係的鞏固。

風險則主要來自成本端。記憶體、矽晶圓與功率半導體全面漲價，而中游組裝業者的轉嫁能力有限；能否在營收成長的同時維持獲利率，是需要持續觀察的指標。

後續觀察重點包括：實際出貨進度與訂單調整情況、各業者的毛利率變化，以及每詞元成本的後續下降曲線。