被動元件產業結構：寡占、景氣循環與認證門檻
被動元件（電阻、電容、電感）是電子產品裡單價最低、用量最大的零件。一顆 MLCC（積層陶瓷電容）不到一分美元,但一台 AI 伺服器要用幾十萬顆。這個「單價極低、用量極大」的特性,決定了被動元件產業跟半導體或面板有截然不同的市場動態——價格波動更劇烈、缺貨來得更突然、而且缺貨時短期內換不了供應商。
這篇拆解被動元件產業的結構,從四個品類的寡占程度出發,解釋為什麼景氣循環特別劇烈、2018 年缺貨潮的驅動因素是什麼、AI 需求怎麼改變供需版圖。產業結構是讀懂國巨案例分析的前置脈絡——國巨的併購策略、毛利率波動、2018 事件都鑲嵌在這個產業結構裡。同時,被動元件缺貨潮是採購端配給機制和漲價應對策略的產業級實證。
四個品類、四種集中度
被動元件不是一個同質的產業。四個主要品類的市場集中度差距很大,集中度是缺貨時價格行為的主要驅動因素之一。
| 品類 | 前三大廠商與概估市佔 | 集中度 |
|---|---|---|
| MLCC | 村田 >40%、三星電機 18-24%、TDK ~12% | 高度集中 |
| 鉭質電容 | KEMET（國巨）~35%、AVX（京瓷）~15%、Panasonic ~11% | 中高度集中 |
| 電感 | 日系廠商合計佔產能 58%,單廠市佔 ~20% 以下 | 中度集中 |
| 晶片電阻 | 國巨 ~16%、華新科 ~16%、KOA ~5% | 分散 |
（來源:MLCC 為 TrendForce 2024 年數據;鉭質電容為 SNNTV 2023 年研究;電阻為 QYResearch 2023 年數據。三星電機的 18% vs 24% 差異來自出貨量與營收兩種口徑）
MLCC 是集中度最高的品類——村田一家就超過四成,前五大合計約七到八成。鉭質電容集中度次之,但進入門檻更高——鉭礦供應受限（主要產地為剛果與澳洲）,加上軍工與車用的長週期認證,新進者幾乎不存在。電感由日系主導但沒有單一壟斷者。晶片電阻最分散,國巨與華新科各佔約 16% 共享全球第一,前十大合計才約一半。
集中度影響的是缺貨時的價格彈性:MLCC 由少數幾家控制產能,供需一旦反轉,價格可以在幾個月內漲數倍;晶片電阻因為供應商多、替代性高,同一波缺貨潮裡價格漲幅相對溫和。2018 年的數據部分印證了這個關係——MLCC（最集中）現貨漲幅最劇烈（部分規格達合約價的 15 倍）,電阻（最分散）漲幅較小。但集中度只是必要條件,鉭質電容的集中度也高卻沒出現 MLCC 級的投機性暴漲,原因是鉭質電容的供應瓶頸在鉭礦（地質性稀缺,形成永久性的價格底部）,加上沒有像華強北那樣的大規模現貨投機市場。價格波動的劇烈程度由集中度、產品可替代性、以及投機管道的深度共同決定。
日系廠商的策略退出
2016-2018 年間,日系 MLCC 大廠系統性退出低階消費型產品,是理解 2018 缺貨潮的核心背景。
TDK 在 2016 年 10 月宣布停產 280 個 MLCC 料號（0402-3216 封裝與 FK14K 系列）,釋出約 7 億顆/月的產能缺口。2018 年 4 月再追加停產 440 個料號。村田在 2016 年 11 月停產 GRM 43 和 GRM 55 系列（1206/1210 封裝）,2018 年 3 月再停 GR/ZRA 系列。京瓷在 2018 年 2 月停產 0402 和 0603 封裝的特定規格。
退出的目的是把產能轉向高單價的車用與 AI 應用。村田 2018 年計畫投資約 1,000 億日圓擴增 MLCC 產能,但增加的全部是車用電動車產線,消費型缺口不補回。到 2026 年,村田的資料中心相關電容器營收預計年增 85-90%,ASP（Average Selling Price,平均單價）提升 5-10%——日系廠商的策略是退出價格競爭、往高毛利品類集中。
中國廠商（風華高科、三環集團）在填補低階缺口。中國 MLCC 廠商合計市佔從 2019 年的約 6% 升到 2024 年下半年的約 10%,但高容值產品的市佔仍低於 2%。擴產的主要是中低階消費型,高階車用與 AI 領域仍由日系主導。
景氣循環為什麼特別劇烈
被動元件的景氣循環比半導體更極端,結構原因有四個。
ASP 低加上產品同質性高,價格彈性極端。 標準型 MLCC 是大宗商品,低階品幾乎無差異化,單顆不到一分美元。小幅供需失衡就能引發價格暴漲或暴跌。日本官方數據顯示 2017-2018 年 MLCC 出口價累計年增近 94%;反轉後 2019 年 ASP 跌幅超過 50%。
產能擴建門檻低於半導體,反而造成過度投資。 新建 MLCC 產線從資本決策到投產約 12-18 個月,成本在 1-10 億美元等級;半導體先進製程需要 36-60 個月、晶圓廠 100 億美元以上。門檻較低讓多家廠商在景氣高峰同時擴產,隨後的供過於求更嚴重。
多層通路放大牛鞭效應。 被動元件的供應鏈層次多（原廠→授權代理→獨立通路→EMS/ODM→OEM）,每層獨立做庫存決策。缺貨時恐慌性重複下單、囤貨;市場反轉時每層同時去庫存,需求崩跌的幅度被逐層放大。2018 年 OEM/EMS 雙倍甚至三倍下單,直接導致 2019 年的需求斷崖。
差異化低,無法靠智慧財產穩價。 半導體可以靠製程領先（如台積電的 3nm）維持定價權,MLCC 沒有這種結構——同規格的村田與國巨產品在多數應用中可互換,價格競爭是常態。
跟半導體與面板的比較:
| 維度 | 被動元件 | 半導體 | 面板 |
|---|---|---|---|
| 循環長度 | 約 3-5 年 | 約 4-5 年 | 約 3-5 年 |
| 產能投資門檻 | 中等（12-18 月） | 極高（36-60 月） | 高（數十億美元級） |
| ASP 波動 | 極端（現貨可漲 10 倍） | 中等（記憶體波動大） | 大 |
| 牛鞭效應 | 高（多層通路囤貨） | 中高 | 中 |
| 產品差異化 | 低（標準品互換） | 高（製程/IP 差異大） | 中 |
2018 缺貨潮:七個驅動因素的疊加
2018 年被動元件缺貨潮的嚴重程度——MLCC 合約價漲 40-50%、部分現貨漲 10-15 倍、交期從正常 4-8 週延至 30 週以上——來自多個因素同時作用。
日系 EOL 與產能轉移是最核心的供給端因素。 TDK 和村田在 2016-2018 年間累計停產超過 700 個料號,釋出的產能缺口沒有被回補,而是被轉向車用和高階應用。
智慧型手機單機用量翻倍。 iPhone 從 6S 到 X 的 MLCC 用量從約 500 顆跳升到約 1,000 顆。智慧型手機佔全球 MLCC 需求超過 40%,單機用量翻倍等於整個需求端增加了兩成。
車用電子化超出預期。 傳統燃油車約 2,000 顆 MLCC,Tesla Model 3 約 9,200 顆。ADAS（Advanced Driver Assistance Systems,先進駕駛輔助系統）和電動化的速度超過產業的產能規劃假設。
產能投資紀律過嚴。 需求年增 25-35%,產能年增僅 10-25%,缺口逐年累積。村田當時投資 2,200 億日圓,但僅增加約 10% 年產能——日系廠商在歷經前幾次循環的過度投資後變得保守。
恐慌性重複下單與通路投機是放大因素。 OEM/EMS 雙倍甚至三倍下單來搶貨,通路層（尤其華強北現貨市場）出現投機性囤貨。這些行為把實際供需缺口放大到遠超真實水準,也讓隨後的反轉更劇烈。
產業併購收窄供應基礎。 2016 年電子業併購創紀錄,合併後的重疊產品線被整併、低利潤線被砍,獨立供應商數量減少。
中國環保限排。 昆山限污令影響部分電阻廠商產能,但量化影響有限,主要作用在電阻端。
這些因素在採購端的漲價應對框架裡,對應的是「市場趨緊型漲價」——漲幅跟成本指數對不上、交期同時拉長。而缺貨進入配給狀態後的供應商行為——按客戶關係與歷史承諾排序配貨、而非用價格清市——正是不可能三角與配給機制描述的非價格配給。2018 年的被動元件缺貨潮,是這些採購機制在真實產業裡的完整實證。
AI 需求:結構性位移而非景氣反彈
2024-2026 年的被動元件復甦跟前幾次景氣循環有一個結構性差異:AI 伺服器對被動元件的需求量是傳統伺服器的一個量級。
| 平台 | 每機櫃 MLCC 數量 | 每機櫃 MLCC 成本 |
|---|---|---|
| GB300 NVL72（Blackwell 架構） | 約 44 萬顆 | 約 1,500 美元 |
| VR200 NVL72（Vera Rubin 架構,預計 2026 H2） | 約 60 萬顆 | 約 4,300 美元 |
（來源:Morgan Stanley 拆解報告）
從 Blackwell 到 Vera Rubin,MLCC 數量增加超過 30%,MLCC 成本增加近兩倍。村田官方預測 AI 伺服器 MLCC 需求 2025-2030 年 CAGR 達 30%,2030 年需求量為 2025 年的 3.3 倍。
AI 需求拉動最大的品類是高容值 MLCC（47-100uF,用於 GPU 周圍的電源轉換與去耦）。這個品類的交期從正常 8 週延長到 20 週以上,價格上漲 15-35%,部分稀缺型號現貨翻倍。到 2028 年,高階 MLCC 預計將佔去 65% 以上的產能資源——連帶擠壓低階 MLCC 的可用產能,可能讓低階品出現 15-20% 的供需缺口。
鉭質電容也受到拉動。NVIDIA H100 單卡使用約 25 顆鉭質及鉭聚合物電容,GPU 功耗越高對大電流 power rail 的電容需求越大。鉭礦價格 2025 年至今精礦漲約 40%、歐洲鉭金屬漲約 60%。
AI 需求跟傳統景氣循環的差異在於需求端的結構性——資料中心的算力投資是多年期的基礎建設,不像消費電子那樣跟隨短期景氣波動。Goldman Sachs 預期本輪 AI 驅動的 MLCC 循環可延續至 2030 年。但有一個 caveat:AI 伺服器 MLCC 目前佔整體 MLCC 市場約 2-4%（2025 年）,絕對佔比仍低,是否足以帶動整個產業的結構性轉折還要看未來兩三年的實際拉貨量。
認證門檻 = 短期不可替代
被動元件的進入門檻在資本維度遠低於半導體（新建產線 1-10 億美元 vs 晶圓廠 100 億美元以上）,但在認證維度兩者接近——更換供應商的等待期是以年計的。
車用被動元件需要通過 AEC-Q200（車用被動元件可靠度認證標準）認證,含 PPAP（生產件核准程序）的完整供應商認證需要 6-18 個月。車用合格 MLCC 供應商全球僅約 8-12 家,設計凍結後更換元件觸發 late-stage substitution,車廠為避免這個風險會付出 30-50% 的溢價。
軍工與航太更嚴格——MIL-PRF（美國軍規性能規範）認證的初始導入需要 12-24 個月,製造商必須列入 QPL（Qualified Products List）,由美國國防後勤署集中管理,任何設計變更都要經過核准。
認證等待期的實務意義是:缺貨時來不及換供應商。這正是第二來源經濟學的核心論點——養第二家供應商的保費要在平時付,出事之後才投保來不及。被動元件的認證週期讓「等缺貨再找替代」在車用和軍工領域不成立。
跟其他文章的關係
本篇處理產業結構,是國巨案例分析的前置脈絡——國巨的併購策略（為什麼買 KEMET 而非擴產電阻）、毛利率波動（為什麼景氣谷底跌到 33.5%）、2018 事件（為什麼能漲價 4.9 倍）都鑲嵌在這個結構裡。同時連結採購模組的三篇：漲價應對（2018 是「市場趨緊型」的產業級實證）、配給機制（缺貨時的非價格配給）、第二來源經濟學（認證等待期讓臨時尋源不成立）。跟外部衝擊與產業轉型的關係是分析層次不同——那篇教的是外部衝擊的通用判讀框架,這篇是一個特定產業的結構拆解。