GPU 到底都拿去做什麼了？AI 吃掉最貴的產能，遊戲玩家真的只拿到剩下的嗎？

如果只看近兩年的半導體新聞，很容易產生一種奇怪的感覺：

全世界的 GPU 好像突然都跑去 AI 了。

新聞裡是 Blackwell、GB300、Rubin、HBM4、CoWoS、AI Factory、液冷機櫃；資料中心瘋狂蓋，台積電先進封裝瘋狂擴，記憶體廠又把資本支出朝 HBM 傾斜。

另一邊，玩家看著 RTX 顯卡的價格、VRAM 容量與供貨狀況，難免會冒出一個問題：

所以我們現在買到的 GeForce，是不是 NVIDIA 把 AI 做完以後剩下來的產能？

答案是：

不是，但也不能說完全沒有被 AI 擠壓。

真正的情況比「AI 搶走玩家 GPU」複雜很多，因為一張 GPU 從設計到出現在你電腦裡，至少會經過：

晶圓製造 → 晶片切割 → 封裝 → 記憶體 → 基板 → PCB → 供電 → 散熱 → 系統整合。

而 AI GPU 與 Gaming GPU 只在其中一部分競爭同樣的資源。

要回答玩家到底排在哪裡，首先得把「GPU 產量」這個詞拆開。

第一個陷阱：最多的 GPU，不一定是最重要的 GPU

如果用純粹的顆數計算，PC GPU 今天仍然是一個巨大的市場。

Jon Peddie Research 的最新資料顯示，2026 年第二季全球 PC GPU 出貨量約 7,550 萬顆。這裡包含 Intel、AMD、NVIDIA，以及整合式與獨立式 GPU。

如果只看玩家比較熟悉的桌上型 Add-In Board，也就是獨立顯示卡，2026 年第二季全球仍然出貨約 1,250 萬張，比第一季約 1,180 萬張還增加約 10%。

所以有一件事情可以先確定：

遊戲顯卡沒有停止大量生產。

一年四季如果維持類似規模，全球 AIB 市場依然是一個數千萬張等級的市場。

如果有人直接說：

「NVIDIA 現在全部都去做 AI，已經不生產 Gaming GPU 了。」

這明顯與實際出貨數據不符。

但有趣的地方從這裡才開始。

因為半導體公司的產品優先級，不是按照『一年賣幾顆』排列，而是按照另一個更現實的東西：

每一片稀缺晶圓、每一個封裝位置、每一顆記憶體，最後可以創造多少價值。

而從這個角度看，AI GPU 幾乎是另一種生物。

NVIDIA 現在真正大量推的是什麼？

TrendForce 在 2026 年 4 月估計，NVIDIA 高階 AI GPU 的年度出貨組成中：

Blackwell：約 71%

Rubin：約 22%

Hopper：約 7%

其中 Blackwell 又主要由 B300 / GB300 系列推動。

也就是說，即使 Vera Rubin 已經在 2026 年進入量產，成熟度更高、供應鏈已經展開的 Blackwell Ultra 依然是今年 AI GPU 真正的產量主力。

NVIDIA 在 2026 年 8 月公布的 FY2027 Q2 財報也確認，Blackwell Ultra infrastructure ramp 是其 Compute & Networking 業務成長的重要來源，同時 NVIDIA 表示 Vera Rubin 已進入 full production。

換句話說，2026 年現在大致處於一個非常有趣的交接期：

Hopper → 退場中

Blackwell / Blackwell Ultra → 大量生產主力

Rubin → 開始正式拉升

這還只是高階 AI GPU。

NVIDIA 同時還在推 RTX PRO、edge AI、AI workstation、LPU 與其他 inference 產品。

所以 NVIDIA 今天需要調度的，不再只是一條『GeForce vs Tesla』產品線，而是一整片從幾百美元 GPU 到數百萬美元 AI rack 的產品森林。

真正誇張的不是 AI GPU 數量，而是它的價值密度

看 NVIDIA 最新財報就非常清楚。

截至 2026 年 7 月 26 日的季度，NVIDIA 總營收約 962 億美元。

其中 Data Center 單季營收達到：

890 億美元。

公司新的報告方式把業務分成兩個主要 segment：

Compute & Networking：882.99 億美元

Graphics：79.22 億美元

Graphics 裡面包括 GeForce Gaming，也包含 NVIDIA RTX / Quadro workstation，因此這 79 億美元甚至不能全部視為遊戲顯卡收入。

換句話說，Compute & Networking 的季度營收已經是 Graphics 的約 11 倍。

這是理解現在 GPU 生產優先順序最重要的一個數字。

不是因為 Gaming 完全沒市場，而是 AI 的經濟規模已經變得太巨大。

對 NVIDIA 來說，如果同樣需要工程資源、晶圓採購、供應鏈談判與產品驗證：

一邊是 GeForce。

另一邊是能被塞進數百萬美元級 rack-scale system 的 GPU。

公司自然會把最多管理資源與供應鏈保護放在哪一邊，答案並不難猜。

但這還不代表 NVIDIA 可以簡單地把『原本要做 RTX 5090 的晶圓』直接拿去做 GB300。

因為 AI GPU 後面還有另一堵巨大的牆。

AI GPU 真正可怕的是：它不只吃晶圓

一張典型 Gaming 顯示卡的核心供應鏈大致可以想成：

**GPU die

• GDDR
• package
• PCB
• VRM
• cooler**

而高階 AI accelerator 則可能需要：

**先進 GPU die

• HBM
• 2.5D advanced packaging
• silicon interposer / bridge
• advanced substrate
• high-end PCB
• high-speed networking
• power delivery
• liquid cooling
• rack integration**

到了 GB300 NVL72 或 Rubin NVL72，甚至已經不能再把它視為『一張很大的顯示卡』。

它實際上是一套 rack-scale computer。

這也是為什麼 AI 對半導體供應鏈造成的壓力遠高於單純 GPU die 數量所透露的資訊。

TrendForce 在 2026 年 4 月甚至直接把這場競爭稱為 Supply Chain Arms Race。

研究指出，NVIDIA 為了確保 AI 產品供應，提前鎖定了大量：

4nm / 3nm wafer capacity

CoWoS advanced packaging

T-glass

substrates

PCB

HBM

SSD

這就是 AI 真正改寫 Gaming GPU 命運的地方。

它不一定把 GeForce 的每一條生產線直接搶走。

它是在更上游，把整個公司的供應鏈談判重心改變了。

CoWoS：玩家其實沒有被 AI 搶走這個東西

講 GPU 缺貨時，很多討論會把 CoWoS 一起算進去，但這裡其實需要修正一個常見誤解。

GeForce 並不需要使用和 B300、GB300 相同等級的 CoWoS + HBM 封裝。

高階 AI GPU 之所以需要 CoWoS，是因為 GPU 必須和多顆 HBM stack 放在超大的 2.5D 封裝中，以極寬的介面連接。

Gaming GPU 則主要搭配外部 GDDR 記憶體，記憶體晶片直接分布在 PCB 上。

所以：

RTX 5080 不會因為少拿到一個 CoWoS slot 就無法生產。

這兩者不是直接的一比一競爭。

但 CoWoS 還是告訴我們 NVIDIA 的資源配置方向。

台積電這幾年持續大幅擴充先進封裝，最大原因之一就是 NVIDIA、AMD 與 hyperscaler AI accelerator 的需求。

也就是說，整個半導體產業新增的大量封裝投資，主要不是為了下一代 GeForce。

它們是為 AI 建的。

這個差異非常重要。

Gaming 不是被逐出原本的工廠，而是新增的高速公路幾乎全部往 AI 園區蓋。

HBM 才是真正會把整個 DRAM 生態拉歪的東西

另一個比 CoWoS 更直接影響消費市場的資源，就是記憶體。

Gaming GPU 使用 GDDR。

AI GPU 使用 HBM。

產品本身不同，所以不能簡單說：

『少一顆 HBM，就能多做一顆 GDDR7。』

實際製造沒有這麼簡單。

但是 HBM 與一般 DRAM 背後會競爭記憶體廠的：

wafer starts、fab space、先進 DRAM process、工程資源與資本支出。

TrendForce 預估，Samsung、SK hynix、Micron 三大供應商投入 HBM 的 wafer input 占總 DRAM wafer input 比例，將從：

2025：約 18%

增加到

2026：約 22%

再到

2027：約 30%。

三年內接近翻倍。

這個數字比『HBM 很熱門』更能說明問題。

因為它代表記憶體產業正在把愈來愈大比例的晶圓投入 AI memory。

而且 HBM 的 die size 大、製造複雜、stacking 與驗證成本又高，因此對前段 DRAM wafer capacity 的消耗並不低。

到 2027 年，如果三成 DRAM wafer input 都與 HBM 有關，consumer memory、server DRAM、GDDR、LPDDR 就必須在剩下的產能中重新分配。

這就是為什麼 AI 不需要直接『搶走 GDDR7』，仍然可以讓 Gaming 顯卡感受到記憶體壓力。

荒謬到什麼程度？連 NVIDIA 自己的 AI GPU 都開始搶不到足夠記憶體

2026 年下半年已經出現一個很有代表性的現象。

TrendForce 指出，NVIDIA 原本替 Rubin Ultra 規劃的 HBM4e 配置正在重新評估。

公司考慮的選項包括：

12-Hi HBM4e

8-Hi HBM4e

12-Hi HBM4

8-Hi HBM4

理由並不是 AI 需求變弱。

恰恰相反，是因為 HBM 與整體 DRAM 供應太緊。

TrendForce 預估 2027 年 HBM bit shipment 即使再增加 50% 至 60%，仍可能追不上需求增長。

更誇張的是 Vera CPU 使用的 SOCAMM。

TrendForce 根據 Samsung、SK hynix、Micron 初步 allocation plan 推估，NVIDIA 2027 年可能只能取得約 60% 所需 LPDRAM。

NVIDIA 因此選擇降低單一模組容量，以換取更多可出貨模組數量。

也就是：

AI 已經不是把玩家的記憶體搶光。

而是 AI 自己內部都已經開始互搶記憶體。

HBM、RDIMM、LPDDR、SOCAMM、GDDR 全部處在同一個 DRAM 資本配置大棋盤裡。

那玩家最在意的問題來了：為什麼顯卡 VRAM 還是常常這麼摳？

這就不能只怪 NVIDIA。

但 AI 的確改變了經濟誘因。

如果一家公司面前有兩種 memory investment：

一種是供應 consumer GPU 的 GDDR。

另一種是可以賣進 AI accelerator、價格與需求都更強的 HBM。

記憶體供應商自然會優先評估哪一種產品能創造更高 wafer value。

而 NVIDIA 本身在設計 GeForce BOM 時，也會面對 GDDR 價格與供應的不確定性。

所以 Gaming VRAM 配置並不是『工廠技術上塞不進去』這麼簡單。

它涉及：

GPU segmentation

memory bus width

memory density availability

BOM cost

產品定位

供應商 allocation

以及公司刻意保留的產品階級。

因此不能把每一張 VRAM 看起來偏少的顯卡都歸咎於 AI。

但 AI 造成的 DRAM 緊張，確實讓『多塞一些記憶體反正很便宜』這種產品策略變得更不容易。

晶圓本身又是另一場戰爭

接著回到 GPU die。

這部分 Gaming 與 AI 的競爭就更直接一些。

TrendForce 指出，AI 熱潮正在讓 3nm 到 2nm advanced process capacity 變成極度稀缺資源。

而 NVIDIA 已提前鎖定大量 4nm / 3nm wafer capacity。

問題是台積電先進製程的客戶並不只有 NVIDIA。

同一個產能池旁邊還站著：

Apple

AMD

Broadcom

Qualcomm

MediaTek

Google TPU

Amazon Trainium

以及其他大型 AI ASIC。

所以 NVIDIA 自己也要決定：

有限的先進 wafer allocation 要分給哪些產品？

這時候 Data Center 的巨大營收自然會形成很強的商業誘因。

但還是要再次強調：

這不等於一片原本預定生產 GeForce 的 wafer，可以在最後一刻改成 B300。

不同 GPU 是不同 mask set、不同 die design、不同封裝與測試流程。

真正的 allocation 是在更早以前就完成：

Tape-out / forecast → wafer agreement → foundry capacity reservation → packaging allocation → memory contract → product production plan

所以玩家真正輸掉的不是某一片已經進機台的晶圓。

玩家可能輸掉的是：

公司在一年前決定明年要預約多少晶圓給哪一類產品。

大 die 還有一個物理問題：良率

AI GPU 通常非常巨大。

而 semiconductor die 越大，理論上碰到 wafer defect 的機率就越高。

如果一片晶圓上的 defect density 不變：

小晶片可能切出很多顆完整 die。

超大 AI die 則可能因為任意一個關鍵區域缺陷而失去完整功能。

因此廠商會依靠 redundancy、binning、chiplet、multi-die packaging 等方式提高經濟性。

這裡也產生另一個常見都市傳說：

『AI 挑剩的壞晶片就拿來做 GeForce。』

通常不能這樣理解。

B300 與 GeForce 使用的 GPU die 並不是同一顆晶片直接降級。

真正存在的是同一個 GPU family 內部的 binning，例如同一顆 gaming die 因為部分 SM、cache 或時脈能力不同，被分到不同 GeForce SKU。

但 AI GPU die 和 GeForce die 本身就是不同設計。

所以：

RTX 5070 並不是一顆做壞的 B300。

這個畫面很有喜感，但晶圓廠不是這樣工作的。

那 RTX 5090 和 B300 到底有沒有競爭？

有，但競爭發生在更上游。

可以把整個供應鏈想成幾個池子。

Pool 1：TSMC 先進晶圓

會競爭。

NVIDIA 必須決定長期 allocation 與產品量。

Pool 2：CoWoS

主要是 AI。

GeForce 不直接需要同等級 CoWoS，因此競爭很弱。

Pool 3：HBM

主要是 AI。

GeForce 不使用 HBM。

Pool 4：DRAM wafer capacity

間接競爭。

HBM 吞噬更多 DRAM wafer input，可能壓縮一般 DRAM、GDDR 等其他產品的彈性。

Pool 5：PCB、substrate、power component

部分競爭。

但 AI rack 使用的規格、數量與複雜度不同。

Pool 6：NVIDIA 自己的工程與資本配置

這裡競爭最直接。

驗證團隊、供應鏈團隊、軟體資源、管理層注意力與長期 roadmap 都有限。

而 Data Center 現在帶來的收入遠大於 Graphics。

所以如果問：

RTX 5090 是不是直接拿 B300 做剩的東西？

答案是：不是。

但如果問：

NVIDIA 今天做年度資源配置時，B300 / GB300 / Rubin 的順位是不是高於 GeForce？

從供應鏈鎖產能、產品 ramp 與財務結構判斷，答案非常明顯地偏向 AI。

AMD 其實也正在走完全相同的方向

這個現象並不是 NVIDIA 特有。

AMD 同樣同時經營：

Ryzen

Radeon

EPYC

Instinct

而 AI accelerator 的成長正在提高 Instinct 在 AMD roadmap 中的重要性。

MI350、MI400 等 Instinct 系列同樣需要先進製程、HBM 與 advanced packaging。

如果 AMD 能在 AI accelerator 市場取得更大的訂單，同樣會面臨：

有限先進節點 capacity 到底應該給 Instinct 還是 Radeon？

在產品價值差距巨大時，答案不難想像。

這也是為什麼整個 GPU 產業正在發生結構改變，而不是單純 NVIDIA 突然不愛玩家。

更準確的說法：玩家不是排最後，而是從核心成長引擎變成成熟市場

這可能是整篇文章最重要的結論。

Gaming GPU 今天依然：

出貨量巨大。

擁有龐大 installed base。

能帶來數十億美元季度收入。

對 CUDA、RTX、DLSS、生態系與品牌影響非常重要。

因此 NVIDIA 沒有理由放棄 Gaming。

而且 2026 Q2 全球 AIB 出貨甚至季增約 10%，達到 1,250 萬張。

這不是一個正在消失的市場。

但是它的身份改變了。

十年前 NVIDIA 很大程度上是一家：

做 GPU 給玩家與專業圖形市場的公司。

今天 NVIDIA 自己在最新財報文件中的描述已經變成：

data center-scale AI infrastructure company。

當公司核心身份改變，產品優先順序自然跟著改變。

Gaming 沒有掉到產業最尾端。

它只是從公司的主要成長引擎，變成一個成熟、龐大、依然重要，但已不再主導資本配置的市場。

所以玩家真正應該擔心什麼？

不是『以後沒有 GPU 可以買』。

更值得注意的是另外四件事。

第一，先進節點成本會更高。

AI、手機與高效能運算同時爭奪 3nm、2nm，新的 GPU 世代很難再享受過去那種便宜製程縮放。

第二，記憶體不一定會回到超便宜年代。

HBM 持續侵蝕 DRAM wafer allocation，GDDR 與消費 DRAM 都會受到整體 memory cycle 影響。

第三，高階 Gaming GPU 的定價錨點可能被專業與 AI 市場往上拉。

一顆大 GPU die 如果可以放進更高 ASP 的 workstation 或 inference 產品，消費市場就更難要求廠商用極低價格出售最大的 die。

第四，Gaming 的技術進步可能愈來愈依靠 AI 本身。

DLSS、neural rendering、frame generation、ray reconstruction 與未來更多 AI-assisted graphics，正在讓 NVIDIA 把資料中心建立起來的 AI 技術反向灌回 GeForce。

這是一個非常諷刺的結果：

AI 一方面搶走 Gaming 的供應鏈優先級，另一方面又可能成為 Gaming GPU 未來最大的性能來源。

玩家不是拿剩飯，而是坐到經濟艙了

所以如果一定要把 2026 年 GPU 市場畫成一架飛機，大概會是這樣：

頭等艙坐著：

GB300 / B300 / Vera Rubin / hyperscaler AI accelerators。

商務艙坐著：

RTX PRO、enterprise inference、workstation、edge AI。

後面依然坐滿大量旅客的是：

GeForce、Radeon 與整個 PC Gaming 市場。

玩家沒有被趕下飛機。

甚至從出貨量看，Gaming 那個機艙還非常大。

但航空公司現在最關心、最願意花錢擴建貴賓室、買新飛機、增加廚房與重新設計航線的客人，已經換人了。

所以『AI 把所有 GPU 搶走』並不準確。

真正發生的是：

AI 把最稀缺、最昂貴、未來新增最多的半導體資源變成自己的優先供應鏈。

而遊戲玩家得到的不是 AI 用剩下的晶片。

玩家得到的是一條仍然大量運作、仍然重要，但在公司投資順位上已退居第二線的獨立產品鏈。

當你下一次看到 RTX 顯卡漲價、VRAM 配置保守，或 NVIDIA 又花數十億美元鎖 HBM 與 CoWoS 時，真正值得問的就不再是：

『NVIDIA 還在乎玩家嗎？』

而應該是：

『在一片晶圓可以被變成價值遠高於過去的 AI 基礎設施之後，消費 GPU 還需要用什麼條件，才能和資料中心競爭同一間公司的資源？』

這才是 2026 年 Gaming GPU 面對的真正問題。