關鍵數字：根據研究機構 Bernstein 的最新分析，Elon Musk 雄心勃勃的 TeraFab 晶圓廠計畫，欲打造年產 1 太瓦（1TW）的 AI 算力，其整體投資規模可能高達驚人的 5 兆美元。然而，馬斯克目前投入的 200 億美元，僅約當一座 7 奈米晶圓廠的成本，這使得 TeraFab 計畫面臨高達數兆美元的龐大資金缺口，其規模之巨，遠超乎初期想像。
📊 數據總覽
數據顯示，要達到 TeraFab 規劃的 1 太瓦（1TW）AI 算力產能，這相當於目前全球 AI 晶片年總算力的約 50 倍，其背後的硬體需求量極為龐大。Bernstein 指出，每年需處理的晶圓數量與所需晶圓廠數量如下：
- Rubin Ultra GPU 晶圓：約 2,240 萬片
- Vera CPU 晶圓：約 271 萬片
- HBM4E 記憶體晶圓：約 1,582 萬片
- 所需晶圓廠總數：約 142 至 358 座
這些數據凸顯了 TeraFab 欲實現其願景，所需基礎設施與產能的巨大規模，遠非現有投資可比擬。
💰 資金缺口解析：從 7 奈米到 5 兆美元的鴻溝
其實，馬斯克目前投入的 200 億美元，根據 Tom’s Hardware 報導，僅能大致建造一座 7 奈米製程的晶圓廠。這與 Bernstein 估算的 5 兆美元總投資規模相比，兩者之間存在著一道巨大的鴻溝。有趣的是，相較之下，台積電光是 2026 年的資本支出預估就高達 520 億至 560 億美元，已是全球半導體業的頂尖水準。
若要進一步涵蓋設備導入、產線建置與人力配置等複雜成本，TeraFab 現有資金與實際需求之間的差距恐將進一步擴大。尤其未來若需支援 Optimus 機器人等更先進的應用，可能還得導入 2 奈米等最尖端製程，無疑將大幅推升整體成本，讓這筆資金缺口顯得更加棘手。
🛠️ 挑戰重重：先進製程與供應鏈瓶頸
要實現如此大規模的 AI 算力產能，光有資金還不夠。數據顯示，除晶圓廠建設外，還需大量導入極紫外光（EUV）與深紫外光（DUV）光刻設備，以及先進封裝與測試產線。這些關鍵設備的投資金額龐大，且其供應鏈高度集中於少數廠商，交期又長，自然會成為擴產過程中難以迴避的關鍵限制因素。
此外，當前 AI 晶片對高頻寬記憶體（HBM）的依賴程度持續提升。不過，目前 HBM 產能主要集中於少數記憶體大廠，短期內難以快速擴張，這也可能限制了整個 TeraFab 系統規模的放量速度，成為另一項嚴峻的挑戰。
📈 趨勢預測：未來發展與潛在創新
話說回來，Bernstein 強調，上述數據是基於功耗與晶片尺寸推導的「粗略估算」，實際產能需求仍可能因製程、良率與系統架構差異而有所變動。這意味著在技術進步或效率提升的情況下，實際所需資源或許能有所調整。
值得關注的是，馬斯克過去曾提出在無塵室內吃漢堡、抽雪茄的獨特構想。如果相關設計得以實現，理論上在維持製程要求的前提下，有機會降低部分營運與管理成本，這或許是他在應對龐大成本壓力下的一種創新思維，但實際可行性仍有待觀察。
數據告訴我們什麼？
從數據來看，馬斯克的 TeraFab 計畫展現了對未來 AI 算力需求的驚人預判與雄心。然而，目前投入的 200 億美元與實現 1 太瓦（1TW）AI 算力目標所需的 5 兆美元之間，存在著一道極其巨大的資金缺口。這不單是資金問題，更牽涉到全球半導體供應鏈的極限、先進製程的複雜性，以及 HBM 等關鍵零組件的產能瓶頸。
這項計畫的成功與否，不僅將考驗馬斯克的籌資能力與執行效率，更將對全球半導體產業的未來發展，特別是先進晶圓廠與 AI 晶片生產模式，帶來深遠的影響與啟示。這場豪賭，無疑將是未來數年半導體界最受矚目的焦點之一。