AI點燃被動元件？MLCC、鉭質電容與TLVR電感是甚麼？這次不一樣？-深入分析第45期：被動元件
寫在前面：關於這篇文章與它的限制
這個題目來自付費訂閱者的提名和投票。被動元件不是最主流的產業，大多數投資人連電容、電感、電阻都分不清楚，更別說 MLCC 為什麼有分高低階。
能收到這樣的題目我很開心，它逼我去鑽研一個平常絕對不會主動碰的領域，先謝謝提名和投票的朋友。
但也因為這個產業不是最主流，我必須先把這篇文章的定位講清楚，避免讀者期望錯位。
這是一篇純產業分析，而非個股推薦。我不會提供目標價，也不會討論任何個股的合理本益比。
原因很單純：除了村田這種規模的巨頭，被動元件圈內的多數玩家，都是相對利基（niche）的標的，賣方覆蓋有限、流動性與資訊透明度都比不上半導體大廠。
對這類公司做精細估值，意義不大也風險不小，這不是我擅長、也不是我願意給訂閱者的東西。
我更願意做的事，是幫你建立一張產業地圖。
讓你在打開任何一份被動元件公司的財報、看到任何一則「MLCC 漲價」的新聞時，能立刻知道它落在地圖的哪個位置、屬於哪一層的故事、應該用什麼框架去解讀。
這篇文章將帶你走過四段旅程：
第一段（第 1-2 章）——認識被動元件這個產業，以及它過去三次週期教給我們的事。
第二段（第 3-4 章）——AI 伺服器為什麼讓這個產業「變得不一樣」，以及高階 MLCC 的護城河。
第三段（第 5-6 章）——鉭質電容的壟斷暴利，和 TLVR 電感的混戰。這是兩個性格完全相反的故事。
第四段（第 7-8 章）——主要受惠者地圖，以及這個多頭故事可能在哪裡出錯。
第一章：什麼是被動元件？——你每天都在用，但從來沒注意過的東西
1.1 主動 vs 被動：電子世界的「引擎」與「煞車」
要理解被動元件，最快的方式是先認識它的反面：「主動元件」。
CPU、GPU、記憶體等晶片是主動元件，負責運算與處理資訊。相對地，被動元件「不自己產生能量」，只負責消耗、儲存或釋放能量。
如果把 AI 伺服器比喻成一台超跑，GPU就是那顆核心引擎。但如果沒有避震器、煞車和機油濾網，車子也會在第一個彎道失控。
被動元件，就是電子世界裡的煞車與避震器。
它們無所不在，你的手機裡有上千顆，但在 AI 狂潮爆發前，因為體積太小、太便宜，幾乎沒人注意過它們。
從投資角度來看，被動元件分為三大家族，但它們的地位截然不同：電容器（佔據 40-60% 市場，絕對主力） > 電感器 > 電阻器。
1.2 三大家族：誰才是 AI 時代的主角？
我不在這裡講述太多技術上的東西，簡單地了解一下被動元件中的三大主角就好。
電阻器（Resistor）——控制水流的閥門
負責抵抗電流、分攤電壓。它就像水閥，轉緊水流就變小。在 AI 伺服器中，電流感測電阻對監控龐大功耗至關重要。但整體而言，電阻技術成熟、易被替代，屬於毛利較低的「防禦型」投資標的。
電感器（Inductor）——平穩水流的水車輪
負責穩定電流。想像湍急水流中的沉重水車輪，水流暴衝時它能產生阻力，水流減弱時它能順勢推動。隨著 AI 伺服器與電動車（EV）對高功率轉換的需求暴增，電感器成為成長極快的黑馬。
電容器（Capacitor）——電力的蓄水池
負責把電存起來，需要時釋放，用來穩定電壓。AI 晶片運算時耗電量會在毫秒間劇烈震盪，如果沒有電容器隨時「補水」，GPU就會降速甚至當機。電容器是整個被動元件中規模最大、利潤最豐厚的板塊。
1.3 為什麼「被動」不代表「不重要」
一顆 NVIDIA GB300 GPU 的價值可能高達數萬美元。
但如果它旁邊的電容器品質不夠好，或是數量給得不夠，GPU 接收到的電壓就會在每一次高速運算切換時劇烈波動。
在傳統的電子產品裡，這不是太大的問題，因為耗電量溫和，波動都在可控範圍內。但 AI 伺服器的功耗是傳統伺服器的 5 到 20 倍。
更重要的是，AI 正在催生出一個明確的「雙速市場」：高端的 MLCC 因為 AI 商業化而需求急劇攀升，但中低端的 MLCC 卻因為一般消費性電子（如手機、PC）買氣低迷而陷入困境。
不同類型的被動元件，在面對 AI 需求衝擊時，會產生完全不同的供需結構。
第二章：一段被動元件的歷史——從「大宗商品」到「戰略物資」的三次週期
這個產業每隔幾年就會上演一齣完全相同的劇本：缺貨、漲價、瘋狂擴產、然後崩盤。它像潮汐一樣可預測，但每一次漲潮的時候，所有人都會告訴你「這次不一樣」。
2.1 第一次大缺貨（2017-2018）：當世界突然發現「電容不夠用」
2017 年的缺貨風暴，源自一次致命的供需錯置。
當時，智慧型手機規格升級、電動車與挖礦機需求同時爆發。但真正的導火線，是日本兩大龍頭（村田、TDK）認定傳統 MLCC 利潤太低，決定停產並將產能轉向車用與高階市場。
當最大的供應商抽走「基本款」產能，市場瞬間陷入恐慌。交期一度拉長到誇張的 50 週，現貨價格狂飆 30 倍。台灣的國巨成為最大贏家，2018 年淨利潤年增 583%。被動元件從無人問津的「五金雜貨」，一躍成為股市最耀眼的明星。
但歷史證明，這種因恐慌造成的瘋狂漲價，通常撐不過一年。
2.2 崩潰與漫長的去庫存（2019-2024）：長鞭效應的慘痛代價
經歷了「缺一顆電容導致整條產線停擺」的惡夢後，下游代工廠與品牌商嚇壞了，開始不計代價地重複下單（Overbooking）、瘋狂囤貨。這吹出了一個巨大的「虛假需求」泡沫。
2019 年，泡沫破裂。大家發現倉庫裡的零件根本用不完，需求瞬間急凍。國巨的營收在短短一年內蒸發近 40%，股價腰斬。
從 2019 到 2024 年，整個產業都在痛苦地「消化庫存」。這段漫長的寒冬教會了製造商一個教訓：絕對不要再因為短期的市場狂熱，盲目擴充產能。
2.3 2025 Q4 — 2026：AI 點燃第三次週期，為什麼這次可能不一樣？
時間來到 2025 年底至 2026 年，被動元件再度迎來 5% 到 30% 的漲價潮。
推手換成了 AI 伺服器。隨著微軟、Google 等巨頭砸下逾 3,000 億美元建置 AI 基礎設施，日韓大廠的高階產能利用率已突破 90%，高階 MLCC 交期再度拉長至 24-32 週，部分鉭質電容料號甚至排到 40 週之後。
聽起來像極了 2018 年的劇本？但這次有三個決定性的差異：
是「質的跳升」： 2018 年是所有標準品一起缺貨；2026 年則是「雙速市場」。AI 需要的是能承受極端高溫、高壓且低阻抗（Low ESR）的高階 MLCC 與聚合物鉭質電容。目前市場上是「高階品一貨難求，中低階通用品依然乏人問津」。這是一場技術門檻極高的結構性缺貨。
買方變了，需求「黏性」更強： 2018 年搶貨的是手機與 PC 廠，需求隨景氣波動，砍單極快；現在的買方是雲端巨頭（CSPs），他們是依照 2 到 3 年的 AI 基礎設施藍圖在採購，並簽署長期供應協議。這股需求是真實且具備長尾效應的，而非恐慌性的虛假訂單。
賣方學乖了，擴產紀律嚴明： 被 2019 年的崩盤嚇怕後，供應商現在對蓋新工廠極度保守，寧可透過「去瓶頸」來微調產能，也不願輕易砸錢大規模擴產。由於高階 MLCC 產線從投資到量產需要 18 至 24 個月，這意味著在 2026 年底之前，高階被動元件的供給缺口幾乎不可能被填補。
第三章：大軍未動，糧草先行——AI 算力背後的「電力闖關」與 K 型復甦
你現在已經知道，2026年的 AI 狂潮正在推動被動元件的新一輪漲價。但要真正看懂這個故事能演多久，你必須先搞清楚 AI伺服器到底有多「吃電」。
3.1 電力鏈條：伺服器裡的高壓水壩與嬌貴小草
要理解 AI 伺服器的供電網路（PDN），你可以想像一個畫面：GPU晶片就像一株極度嬌貴卻又極度口渴的小草。
它工作時只能承受 0.8V到1V的微弱電壓，但當它全速運算時，會在十億分之一秒內突然要求極大量的瞬間電流。
為什麼會這麼極端？因為這株小草是由數百億個脆弱的微小電晶體組成，電壓超過 1V就會燒毀。
根據基礎物理公式功率（P）= 電壓（V）× 電流（I），既然電壓被限制得很低，就只能靠拉高電流來補足龐大的能量。
然而，機櫃送進來的是 54V或48V的高壓電，就像水壓極高的高壓水壩。從 54V一路降壓到 1V，中間只要水壓稍微不穩，價值百萬的 GPU就會燒毀。
在這趟降壓過程中把關的，就是大大小小的電容器（負責吸收水壓與瞬間補水）、電感器（確保水流平順）以及電阻器（精準監測水流量）。
3.2 產業現況：什麼是 K 型復甦？為什麼普通品沒人要，AI 規格卻大缺貨？
了解電力闖關的難度後，我們來看看電容在 AI 時代的用量。一台傳統伺服器大約只需 2000-3000 顆 MLCC，但一整個 NVIDIA NVL72機櫃總用量高達驚人的 44萬顆。
這正是 2026年市場最大的特徵：「K型復甦」。
普通手機用的標準型元件還在殺價競爭，但 AI專用的高階 MLCC交期卻拉得非常長。因為高階產線擴產極慢且良率難控，這種稀缺性在未來兩年內是被物理條件死死鎖住的。
那麼，從產業庫存的角度看，現在到底處於這場 AI週期 的哪一個階段？
我們可以用兩個關鍵數據來看：首先是 「稼動率」 （代表工廠機器運轉的忙碌程度）。 iM Securities 估計 2026 年第一季 三星電機 的稼動率為 92% ， 村田 更高達 95% ；這意味著工廠的機器幾乎是接近滿載運轉，已經沒有多餘的力氣生產更多貨了。
其次是 「庫存天數」 （代表手上的現貨夠賣幾天）。三星電機的庫存天數降到約 30天 ，遠低於業界認為 40天 的 「健康水位」 。
但根據市場的調研，目前連「重複下單」 （也就是客戶怕買不到，同時跟好幾家廠商多訂好幾倍的貨）的爭議都還沒出現。
這意味著現在的買氣還算「理智」， MLCC廠商的獲利預期還有上修空間 。換句話說，對比 2018 年那次「交期 50 週、現貨價飆 30 倍」的瘋狂，現在這場 缺貨潮 其實還沒進入 「恐慌性搶貨」 的階段。
真正的關鍵將落在 2026年第三季，這會是 Vera Rubin平台 量產加速、加上 IT旺季 雙重需求疊加的時點，當大家都意識到米缸真的沒米時，最有可能引爆那場推升股價狂飆的 「恐慌性下單」 。
一場真正的超級週期 ，通常都是從這種「怕買不到」的集體焦慮開始的。
3.3 拆解 NVIDIA GPU 的供電網路
在 2026年3月，NVIDIA正式發表了全新的 Vera Rubin平台（預計下半年出貨），這將 AI 伺服器的電力焦慮推向了前所未有的高峰。
上一代的 Blackwell GPU功耗大約在 1.2 到 1.4 kW，但 Rubin GPU的熱設計功耗（TDP）直接提高到 1.8至2.3 kW。
為了應付這種瞬間電流，NVIDIA在 Rubin機櫃中導入了高達 6倍的能量儲存設計（每顆 GPU分配到 400 焦耳），用來實現「智慧平滑供電」。
這意味著工程師必須在主機板上部署更龐大、更精密的「三道黃金防線」。
首先是第一道防線：MLCC（積層陶瓷電容）。它們被大量部署在最靠近 GPU的位置，負責處理最快的高頻突波。在 Rubin世代，為了分攤風險並應付更高的功率密度，NVIDIA刻意增加了超高容值MLCC的使用量。
緊接著是第二道防線：聚合物鋁固態電容。它們是吸收巨大能量的主力，負責大容量中頻濾波。然而，在最新的 Rubin設計中，NVIDIA為了避免單一供應商斷鏈的風險，開始微調這道防線的比例，將部分重擔轉移給了其他兩種電容。
最後是第三道防線：鉭質電容。在 GPU板上空間最擁擠、高溫高壓的關鍵供電區，鉭質電容在高溫高壓下不會縮水，是極限空間裡的最後保險。
3.4 為什麼沒有一家公司能「贏者全拿」？——跨不過去的材料科學壁壘
既然 AI伺服器同時需要這三種電容，為什麼沒有企業能把它們全包下來？
因為它們的製造基因完全不同。做 MLCC考驗的是精密陶瓷工藝；做聚合物鋁電容考驗的是電化學表面處理與高分子合成；而做鉭質電容則涉及危險的化學冶金與稀有金屬提煉。
一個精通陶瓷烘焙的師傅，不可能一夜之間變成冶金專家。這也是為什麼國巨必須豪擲千金買下美國基美（KEMET），因為在被動元件的世界裡，併購是跨越材料科學壁壘唯一的捷徑。
第四章：「高階 MLCC」的護城河
在 AI伺服器中，GPU滿載運作時周邊溫度輕易突破 100°C。低階 MLCC在高溫下電容值會崩潰甚至破裂，而高階 MLCC必須具備極佳的耐高溫特性。
此外，AI 晶片周邊寸土寸金，工程師必須在比芝麻還小的體積內塞入極高的電容值。這要求高階 MLCC必須在極小體積、極大容量、極耐高溫這三個互相矛盾的物理條件下達到完美平衡。
特別是在 Vera Rubin世代，NVIDIA為了供應鏈韌性，更加依賴這些能提供超高容值的頂規 MLCC。
Keep reading with a 7-day free trial
Subscribe to FOMO研究院電子報 to keep reading this post and get 7 days of free access to the full post archives.