九大雲端巨頭一年砸 8,300 億美元，記憶體為何成為隱形收費站？

8,300 億美元，買的不只是 GPU

財信證券引用 TrendForce 預估，Google、AWS、Meta、Microsoft、Oracle，加上字節跳動、騰訊、阿里巴巴與百度，2026 年資本支出合計約 8,300 億美元，年增 79%。Microsoft 指引約 1,900 億美元、AWS 超過 2,300 億美元，Google 與 Meta 也持續上修。

這些支出包含 GPU／ASIC、網路、儲存、電力、冷卻、建築與零組件價格上升，不等於全部流向晶片。但每一個大型模型訓練與推理叢集，都必須配置 HBM、系統 DRAM、本地 SSD 與共享儲存；運算規模愈大，資料搬運與保存愈不能省。

因此，記憶體像 AI 基礎設施的隱形收費站：它不一定是發表會主角，卻存在於每一層。尤其推理服務開始變現後，需求從少數大型訓練任務，轉向每天持續發生的 Copilot、Gemini、Agent 與搜尋流量。

AI 伺服器成長，通用伺服器也被一起拉動

報告預估 2026 年全球 AI 伺服器出貨量年增 28%以上，所有伺服器合計年增 12.8%。後者不只是 AI 機櫃增加，也包含 2019 至 2021 年雲端投資熱潮採購設備的汰換，以及推理前後端所需的通用伺服器。

AI 晶片結構也正在分化。2026 年 GPU AI 伺服器占比估計 69.7%，仍是主流；ASIC 與其他方案占 27.8%，因 Google、Meta 等自研晶片擴張而上升。無論採 GPU 或 ASIC，模型權重、KV Cache、資料檢索與日誌都要經過記憶體階層。

對記憶體供應鏈而言，最重要的不是押單一加速器贏家，而是確認每一種平台的記憶體配置是否提高、產品是否取得平台認證，以及出貨量何時真正發生。

如何避免把資本支出指引讀得太樂觀

首先要扣除通膨與零組件漲價。報告提到 Microsoft 的指引中約 250 億美元反映零組件價格上升；名義金額成長不完全等於實體設備增加。其次要看資料中心完工與上電節奏，買了設備不代表馬上產生推理收入。

最後要追蹤 CSP 的現金流與 AI 變現。若 AI 服務收入與使用量持續成長，資本支出才有再投資來源；若折舊快速增加、自由現金流承壓，雲端巨頭可能調整節奏。對記憶體而言，資本支出是領先指標，伺服器出貨與記憶體訂單是確認指標，合約價與供應商營收才是結果。

• 領先：CSP 資本支出指引與資料中心電力建設。
• 確認：AI／通用伺服器出貨、GPU／ASIC 平台配置。
• 結果：HBM、DRAM、企業級 SSD 訂單與合約價。

資本支出如何一層一層傳到記憶體訂單？

雲端業者宣布預算後，第一步通常是取得土地、電力、網路與冷卻條件，再決定伺服器平台和上線時程。記憶體供應商不會在新聞發布當天就認列收入，而是經過平台設計、容量配置、長約協商、送樣與整機驗證。從資本支出指引到晶片出貨，中間可能相隔數季。

第二步要區分訓練與推理。大型訓練叢集集中採購高階 GPU、HBM 與高速網路，單案金額大；推理則隨使用者與服務量逐步擴張，除了 HBM，也需要更多通用伺服器、系統 DRAM、上下文 SSD 與共享儲存。兩者都利多記憶體，但採購節奏與產品組合並不相同。

第三步是檢查容量而非只看台數。同樣一台伺服器，新平台每顆加速器的 HBM、CPU 記憶體與本地 SSD 可能大幅增加；反過來，若軟體效率改善或資源利用率提高，伺服器台數成長也不必等比例轉成硬體需求。台數、單機容量與實際稼動率要一起看。

最後才回到供應商。原廠有沒有通過平台認證、長約價格如何調整、封裝是否卡關，以及企業級 SSD 能否提供穩定 QoS，都會決定訂單分配。把 8,300 億美元直接視為記憶體市場規模會嚴重高估；把它當成需求總引擎，再逐層確認，才是可重複使用的研究方法。

此外，九家公司的支出不能只看合計值。美國 CSP、中國網路平台與 Oracle 的商業模式、融資能力、自研晶片和資料中心區域不同，支出上修的持續性也不同。逐家公司比較資本支出占營收、折舊、自由現金流與 AI 收入，才能看出總額是由多家共同擴張，還是少數公司集中拉動。