AI 基礎建設的電力問題,正在把德州儀器(Texas Instruments,TXN)從一家被低估的類比晶片廠,推向 AI 時代最關鍵的底層供應商之一。 2026 年第一季,TI 資料中心營收年增 90%,整體營收達 48.3 億美元,較前一年成長 19%,大幅超越分析師預期的 45.3 億美元。這些數字背後的邏輯,跟 GPU 一點關係都沒有。


AI 的瓶頸從來不只是算力

每個人都在盯著 GPU。H100、B200、GB200,話題圍著運算能力打轉,卻很少人停下來想一個更基本的問題:這些晶片用的電從哪裡來?怎麼轉換?怎麼控制?

AI 資料中心的電力密度正在以幾何級數攀升。TI 與 NVIDIA 合作發布的白皮書指出,IT 機架的用電量預計在未來兩到三年內突破 1 MW。這不是壓縮一下就能解決的問題——現有的 48V 電源架構根本撐不住這個量。散熱跟不上、機櫃塞不下、轉換效率拖住整體效能,這些才是資料中心營運商現在最頭痛的地方。

TI 在 2026 年 3 月 16 日的 NVIDIA GTC 大會上亮出具體答案:一套完整的 800 VDC 電源架構,對應 NVIDIA 的 800V 直流參考設計。技術路徑是兩階段轉換——先從 800V 轉成 6V 隔離匯流排,再從 6V 降到 GPU 核心所需的次 1V 多相電源。TI 高壓電源副總裁 Kannan Soundarapandian 在發布會上說:「AI 運算的指數級成長,要求我們從根本上重新思考資料中心的供電方式。」

這不是宣傳話術。從 48V 切換到 800V,意味著整條電源路徑的轉換損耗大幅下降,在機架層級就能輸出更高功率,同時占用更少的實體空間。TI 的類比晶片正好負責這整條路徑上最難處理的那幾個節點。


30 年積累的護城河:300mm 類比晶圓廠

TI 的競爭優勢不在於最先進的製程節點,而在於製造成本。它的 300mm 類比晶圓廠比對手使用的 200mm 舊廠,成本低大約 40%。這個差距,在毛利率上直接看得出來:TI 2024 年第四季毛利率 58.14%,意法半導體(STMicroelectronics)同期是 37.7%,英飛凌(Infineon)是 39.2%。

2025 年 12 月 17 日,TI 在德州謝爾曼(Sherman)正式啟用第一座大型 300mm 類比晶圓廠,代號「SM1」。這是一個長期計畫的第一步:TI 已宣布在猶他州複合廠區投入 110 億美元(約 NTD 3,520 億),目標是到 2030 年將類比產能提升三倍。美國《晶片與科學法案》提供了 16 億美元聯邦補助和 60 至 80 億美元的稅收抵減,讓這個計畫的財務風險大幅降低。

SM1 廠目前生產的主力產品,包括用於 800 VDC 資料中心架構的多相控制器(如 CSD965203B),以及 Sitara AM6x 和 C2000 系列嵌入式處理器——這些是邊緣 AI 應用的即時控制核心。


三個戰場,一套能力

TI 的佈局不止在資料中心機房。觀察它目前的三條主要戰線:

應用場景 TI 的技術定位 代表產品/合作
AI 資料中心 800 VDC 電源管理、多相轉換 CSD965203B、與 NVIDIA 800V 架構合作
人形機器人/工業自動化 毫米波雷達感測、即時馬達控制 IWR6243 + NVIDIA Jetson Thor(mmWave 感測融合)
智慧車輛/ADAS LiDAR 雷射驅動、mmWave 雷達 LMH13000(業界首款整合高速 LiDAR 驅動器)、AWR2944P

2026 年 3 月 5 日,TI 與 NVIDIA 宣布合作加速人形機器人的量產部署,核心是把 TI 的毫米波雷達(IWR6243)透過 NVIDIA Holoscan Sensor Bridge 接入 NVIDIA Jetson Thor 平台,建立低延遲 3D 感知系統。TI 工業自動化與機器人業務總經理 Giovanni Campanella 說,目標是讓機器人在「低光、強眩光、室內外霧塵」等複雜環境中依舊能準確判斷。

汽車端,TI 在 2025 年推出 LMH13000,是業界第一顆整合高速 LiDAR 雷射驅動器,搭配 AWR2944P 毫米波雷達。後者內建支援 AI 演算法的硬體加速器,佔用車輛偵測精度達 98%、停車後偵測車內兒童準確率超過 90%,直接對應 2025 年歐洲新車評鑑(Euro NCAP)的設計要求。

這三個場景,用的是同一套核心能力:感測、控制、供電。這就是 TI 在現在這個市場時機點上的特殊位置。


TI 的邊緣 AI 棋局

資料中心以外,TI 同樣在布邊緣 AI 的棋。2026 年 3 月,TI 推出 MSPM0G5187 和 AM13Ex 兩款微控制器,整合自家 TinyEngine 神經處理單元(NPU)。TI 公布的內部測試數字:每次推論延遲降低最多 90 倍、能耗降低超過 120 倍。這兩款晶片單價低於 1 美元,目標就是讓 AI 推論能進入每一個嵌入式系統,包括工廠感測器、家電和工業設備。

TI 嵌入式處理技術副總裁 Amichai Ron 在 2026 年 4 月的訪談中說,邊緣 AI 的滲透範圍遠超機器人,幾乎所有長壽命電子產品都會受到影響,「全球市場需要為連網、感測化和晶片需求的大規模增加做好準備」。

這個論點有財務數據支撐。TI 服務超過 10 萬家客戶,型號超過 8 萬個,沒有任何單一客戶佔收入超過一成。這種分散的客戶結構,讓 TI 成為觀察整體半導體需求趨勢的「晴雨表」。


財務結構:低調但極具防禦性

TI 2025 年全年營收 177 億美元,年增 13%,每股盈利 5.45 美元,年增 4.8%;現金流 29 億美元,年增 96%。

指標 2025 全年 / Q1 2026
全年營收 177 億美元(約 NTD 5,664 億)
Q1 2026 營收 48.3 億美元,YoY +19%
Q1 2026 資料中心 YoY 成長 +90%
FY2025 資料中心 YoY 成長 +70%
毛利率(Q4 2024) 58.14%(同業 STMicro 37.7%、英飛凌 39.2%)
現金及短期投資(2025 Q2) 54 億美元

TI 目前還有一個待完成的重要動作:以 76 億美元(約 NTD 2,432 億)收購 Silicon Labs(SLAB),進一步強化嵌入式處理產品線。若交易完成,TI 的邊緣嵌入式覆蓋範圍會明顯擴大。


AI 產業鏈的擴散效應

從純 GPU 到整條技術棧,AI 的投資邏輯正在擴散。Analog Devices(ADI)2026 年迄今漲幅超過 55%,比 TI 更早受到市場重新定價。TI 今年漲幅已超過 47%(截至 2026 年 5 月 28 日),超越 NVIDIA 同期表現,引發市場對「類比晶片週期復甦」的討論。

但這不只是週期問題。TI 的基本面是:AI 算力每一瓦的增加,都需要更精確的電源管理、更多的感測節點、更快的即時控制。這三件事,TI 已經做了近百年。

Goldman Sachs 和 Morgan Stanley 的分析師都提到 SM1 廠帶來的資本支出壓力,這是值得關注的風險。同時,來自中國類比晶片廠商的低價競爭,以及 ADI、NXP 等全球同業在電源管理領域的追趕,會持續壓縮 TI 的訂價空間。

TI 本身給的回應是漲價:部分類比晶片將從 2026 年 4 月起調漲,漲幅最高達 85%,理由是 AI 伺服器、電動車和工業設備的需求強勁。能夠在景氣回升時漲價,是護城河的直接體現。


FAQ

德州儀器(TI)的類比晶片和 GPU 有什麼不同?

GPU 做的是大規模矩陣運算,是「思考」;TI 的類比晶片做的是真實世界的訊號轉換——電壓轉換、溫度感測、馬達控制,是 AI 系統能實際「動起來」的底層。兩者不競爭,反而形成互補。

為什麼 AI 資料中心開始大量需要類比晶片?

AI 運算的功耗密度快速攀升,IT 機架用電量正朝 1 MW 逼近。傳統 48V 電源架構轉換損耗過高,必須切換到 800 VDC 架構才能在有限的實體空間輸出足夠功率。電壓轉換、監控、保護這些環節,都需要高精度類比晶片來完成。

TI 的 300mm 類比晶圓廠為何重要?

300mm 晶圓比舊式 200mm 晶圓的製造成本低約 40%。TI 在美國境內自有這些產能,加上 CHIPS 法案的補貼,使它在供應鏈穩定性和成本結構上都優於依賴外部代工的競爭對手。

TI 與 NVIDIA 在機器人領域的合作有什麼實質內容?

這次合作於 2026 年 3 月 5 日宣布,核心是將 TI 的毫米波雷達(IWR6243)透過 NVIDIA Holoscan Sensor Bridge 接入 NVIDIA Jetson Thor AI 運算平台,提供人形機器人低延遲 3D 感知和安全判斷能力,目的是讓機器人從模擬環境加速進入真實部署。

普通投資人應該怎麼看 TXN 目前的股價?

TXN 在 2026 年迄今已上漲超過 47%,市場重新對 AI 全棧投資邏輯定價。風險在於:新廠資本支出的壓力、汽車市場的週期性波動,以及來自中國供應商的競爭加劇。TI 的高毛利率和龐大的客戶基礎提供了一定緩衝,但現在的本益比已不算便宜。


高 DA 引用來源


Author Insight

TI 做的事很少出現在科技媒體頭版,但它服務的 10 萬個客戶和 8 萬多個型號,是全球電子產品裡幾乎無所不在的底層存在。

Share this post
Harris Chang

Harris是資深金融市場分析師,專精於美股科技股投資研究與技術分析。他對科技產業發展趨勢具有深入洞察,認為當前市場波動反映了投資者對人工智慧革命的期待與現實業績表現之間的平衡過程。在他看來,優質科技股的長期投資價值依然值得關注,但需要更精準的進場時機選擇和風險管理策略。

Loading...