2026 OCP APAC Summit | Microsoft | Gohar Waqar、Sushant Gupta | From Silicon to Systems

8月14日
讀畢需時 6 分鐘

微軟在 OCP APEC 的這場 keynote，表面在秀自研矽（Maia 200、Cobalt、Azure Boost DPU），真正的訊息卻是一次公開的「瓶頸換位宣告」——AI 基建的限制因素，已經從加速器本身，移到了電力輸送、散熱與網路。對台灣供應鏈來說，微軟親口說「雲端硬體約 70% 零件來自台灣與亞太生態系」聽起來很風光，但這句話的真正意思是：70% 供貨只是入場券，錢正在往「系統級協同設計」那一層流，卡不進去的，只能繼續做被抽毛利的零件。

1. 為何現在：需求曲線已經跑到技術追不上的地方

微軟開場丟的不是願景，是三組數字，而且每一組都在講同一件事——需求的成長速度，已經超過技術能跟上的速度。

第一組：資料中心的電力需求，會從 2026 年約 100 GW，長到 2030 年超過 400 GW，四年四倍。

第二組：AI 相關投資從 2022 年的約 710 億美元，膨脹到 2027 年的一兆美元。

第三組更關鍵——當工作負載從大型語言模型往 agentic（代理式）系統走，規模在近年成長了約 6000 倍，遠遠甩開運算、記憶體與儲存能跟上的幅度。

這三個數字擺在一起，微軟要說的重點很清楚：問題已經不是「再做一顆更快的加速器」，而是整個基礎設施的經濟學撐不撐得住這個擴張速度。 當部署從 megawatt 級跳到 gigawatt 級，難的不是把硬體塞進資料中心，而是讓這件事在經濟與能源上「可持續地規模化」。這是整場演講的定調，後面所有東西都掛在這句話下面。

2. Silicon-to-Systems：微軟把自研矽變成一整個系統，而不是一顆晶片

微軟給的答案叫 silicon-to-systems——不是單押一顆更好的晶片、一張更快的網路、或一座更省電的資料中心，而是把矽、平台、網路、資料中心、加上安全與永續當成一個整體去共同設計（co-design）。

自研矽是這套邏輯的起點，微軟這次攤了三顆：

Maia 200：微軟強調它從一開始就不是獨立晶片，而是連同模型、網路、軟體、資料中心一起設計的完整 AI 系統的一部分。帳面數字是比上一代好 30% 的 tokens-per-dollar、以及 1.4 倍的每瓦效能；而且微軟特別點名——這些數字來自 GPT-5.5 的真實工作負載驗證，不是合成 benchmark，目前已經在跑 Microsoft 365 Copilot。

第二顆自研 CPU（逐字稿聽寫為「Core 200」，對應微軟 Cobalt CPU 世代）：定位是「agent-native CPU」，專門吃 agentic 工作負載帶來的新需求——代理互動、任務編排、資料檢索、記憶體管理、服務呼叫這些要又快又省地跑。這是「圍繞新興工作負載去設計硬體」的又一個例子。

Azure Boost DPU：把儲存的資料壓縮、網路交易、安全功能這些原本吃 CPU 的活，卸載到專用平台上，號稱最高 4 倍效能、而且更省電，順帶換來更高的儲存密度與硬體信任根（hardware-rooted trust）。

三顆合起來，微軟想證明的是一個立場：在 AI 這種尺度上，晶片的價值不在單體規格，而在它是不是被放進一個從頭協同設計過的系統裡。

3. 真正的訊號：瓶頸從晶片移到了電與熱

如果只看自研矽，會錯過這場 keynote 最重要的一句話：「隨著 AI 規模化，瓶頸正在移出運算本身。」微軟講得很直白——越往後，限制因素是電力輸送、散熱能力、與資料中心效率。

在電力這一側，微軟說它正在把供電從電網一路重構到機櫃（grid-to-rack），端出來的技術名詞包括高溫超導、固態變壓器，以及一套叫 Mount Diablo 的分散式離網（off-grid）供電系統。在散熱這一側，投的是微流道（microfluidics）與下一代熱交換單元。

這對做慣了「零件」的台廠是一記提醒：AI 基建的下一波資本支出，有一大塊要流進電力與熱管理，而不是只在加速器裡打轉。 散熱從氣冷走向液冷、再走向晶片級微流道，這條路的每一個節點——冷板、快接頭、CDU、熱交換——都是新的卡位點。這一關的技術與成本張力，我們在 51.2T NPO 交換器散熱：835W ASIC 加 16 顆光引擎，氣冷還是液冷？有把數字攤開拆過。

4. 網路變成新的定義者：從 scale-up 到 scale-across，而且全走 OCP 開放路線

微軟給網路的定位很高：AI 基建「越來越是被網路定義的」。當模型要靠成百上千顆加速器高效通訊，成敗就取決於頻寬、延遲、可靠度與功耗。

它把網路拆成兩層來講。第一層是 scale-up——機櫃內、加速器之間的高密度互連，這裡頻寬、延遲、可靠度、功耗直接決定系統效能。第二層是 scale-across——把多個 AI 叢集連起來，當成「單一台 AI 超級電腦」來運作。而微軟反覆強調：這兩層都要靠 OCP 等開放組織、用開放架構去推，不是關起門來自己幹。

這正好對上光通訊供應鏈最近半年的主旋律。scale-up 這一關為什麼銅纜撐不住、最後只能交給光，光互連又有哪幾條技術路線在互撞，我們整理過銅纜撐不住 AI 之後：scale-up 光互連的七條路；而 scale-up、scale-out、scale-across 三張網各自的能效戰場與 pJ/bit 天花板，OIF 也畫過一張官方地圖，見 OIF 替 AI 互連畫了張官方地圖：三張網、一個 pJ/bit 戰場。微軟這場 keynote，等於是把這張地圖從標準組織的文件，升級成一家超大規模業者的採購路線圖。

「開放」不是口號，它是採購訊號。誰能在 OCP 的房間裡參與定標準，誰就先拿到 design-in——這個邏輯 AMD 在 Advancing AI 上把「開放乙太網」寫進機櫃骨幹時就演過一次，脈絡可參考 AMD 把「開放乙太網」寫進機櫃骨幹。

5. 反面論點：這不是「微軟要甩開 NVIDIA」的故事

自研矽的數字很漂亮，但別過度解讀。微軟自己在同一段就講了「customer optionality（客戶選擇權）」——沒有單一架構能高效服務所有 AI 工作負載，所以 Azure 同時提供「業界領先的夥伴方案」與自家 1P 矽，讓客戶按訓練、推論、成本目標自己挑。翻成白話：Maia 是拿來補位、壓成本、給微軟談判籌碼的，不是拿來取代 GPU 的。

最誠實的證據是議程本身——這場 silicon-to-systems 講完，微軟下一個動作是「歡迎 NVIDIA 執行長上台」。一家把自研矽講得頭頭是道的公司，緊接著把舞台交給 GPU 龍頭，這個安排本身就說明了 1P 矽在整體出貨量裡的真實位置：重要，但還是配角。

對供應鏈的意義因此要反過來想：與其去賭 Maia 能不能贏 GPU，不如認清錢的流向——真正確定會放大的，是不管誰家的晶片都要用到的那些系統層：電、熱、網路、光互連、機櫃。 加速器誰勝誰負是變數，系統層的規模化是常數。

總結：台灣的 70% 供貨，只是入場券

微軟說得很清楚：自 2020 年以來，它在亞太的投入成長了約八倍；今天雲端硬體約 70% 的零件，來自台灣與亞太生態系；而且特別點名台灣是半導體創新與先進製造的全球樞紐、是微軟最重要的策略夥伴之一。

漂亮話該收下，但要看懂它的另一面。70% 是入場券，不是護城河。 這場 keynote 從頭到尾在說的，是價值正在從「零件」往「系統級協同設計」那一層移動——電力（固態變壓器、超導）、散熱（微流道、液冷、熱交換）、網路與光互連（scale-up／scale-across）、機櫃系統整合。微軟反覆用的字是 co-design 與 collaboration，而且全部掛在 OCP 這個開放框架下。

所以台灣供應鏈的判斷題只有一個：你是被微軟當成「做 70% 零件的代工池」，還是被點名進 OCP 房間、一起定標準、一起 co-design 的系統夥伴？ 前者的毛利會被規模與比價一路輾薄，後者才吃得到這波從加速器外溢到電、熱、光的資本支出。能從「供零件」爬到「共同設計系統」的公司——不管是做 CDU 與液冷的、做固態變壓器與電源的、做 scale-up 光引擎與 CPO 的、還是做機櫃整合的 EMS——才是這場 silicon-to-systems 敘事裡真正的贏家。剩下的，繼續數那 70%。

本文僅供技術與產業趨勢分析，不構成任何投資建議。