鴻海 2317 與廣達 2382:電子代工兩條路徑的毛利分化

1. 公司速描

鴻海(2317)與廣達(2382)是台灣電子代工(EMS / ODM)兩大代表,也是長期被市場拿來相互對照的「兩條路徑」樣本。鴻海以集團化、垂直整合與跨領域布局見長,從 iPhone 組裝延伸到電動車(MIH)、雲端伺服器、半導體後段封測與顯示面板;廣達則長年聚焦在筆電與雲端伺服器代工,近兩年以 AI 伺服器 ODM 為主力成長引擎。

撰文時鴻海股價可至 Yahoo Finance 2317.TW 查詢,廣達股價可至 Yahoo Finance 2382.TW 查詢。財報結構與每股盈餘可進一步比對 公開資訊觀測站。本文不引用任何撰文時的具體數字水位,僅就結構性問題進行觀察記錄。

之所以此時值得寫,是因為市場長期把兩者放在同一個 EMS 籃子裡看,但 AI 伺服器循環推升下,兩家在毛利率、營收成長率、ROE 結構上,已逐漸走出截然不同的曲線——這個分化能否延續,牽涉電子代工這個產業的長期命題。

2. 觀察重點 1 — 業務組合差異是毛利分化的第一因

廣達近年毛利率改善,主要來自 AI 伺服器佔營收比快速攀升;鴻海毛利率則受集團多元化稀釋。

廣達的核心轉折點在於雲端伺服器,尤其是 AI GPU 伺服器代工。這類產品 ASP 顯著高於傳統筆電,毛利率區間也比筆電代工高出一個級距。當 AI 伺服器佔整體營收比重逐季拉高,即使筆電部分毛利穩定,整體加權毛利率也會被拉升。具體佔比與毛利率水位,可至 公開資訊觀測站 調閱廣達歷季合併財報附註的「主要產品營收結構」。

鴻海的情況較為複雜。集團涵蓋消費電子組裝、雲端伺服器、零組件、半導體、電動車試量產等多個業務群,當低毛利的智慧型手機與消費電子組裝仍佔大宗時,即使雲端伺服器與 AI 伺服器(透過子公司接單)貢獻拉升,集團合併毛利率的拉升幅度也會被「組合稀釋效應」吃掉一部分。鴻海歷季營收結構與獲利分項,亦可從 Yahoo Finance 2317.TW 與 公開資訊觀測站 交叉查驗。

這一條觀察重點的核心是:毛利率不只是效率問題,而是 product mix 的數學結果。

進一步看,AI 伺服器與一般雲端伺服器的毛利率,本身也存在差異。AI 伺服器因為導入 GPU 模組、高階電源管理、液冷整機設計,單台 ASP 顯著高於通用伺服器;同時,設計與整合難度也較高,代工方在價值鏈中可分配到的毛利空間相對較大。這意味著「雲端伺服器佔比上升」與「AI 伺服器佔雲端伺服器比上升」是兩個獨立的拉升因子,在拆解廣達毛利率變動時,兩條路徑必須分開檢視。

3. 觀察重點 2 — 垂直整合 vs. 聚焦代工:兩種策略的長期 trade-off

鴻海押注「縱向綑綁」,廣達押注「橫向放大」,兩者面對的風險截然不同。

鴻海的多元化是有方向的:從零組件、半導體後段、伺服器 L10、電動車三電到顯示面板,試圖在每一個垂直環節都吃下一塊。優點是在景氣高點時,客戶從你身上拿走的價值較難被取代;缺點是任何一個業務群表現不如預期,都會在合併報表上拖累整體毛利率與資本回報率。EV 業務即是典型案例,試量產初期固定費用攤銷壓力與良率學習曲線,都會持續壓縮短期毛利。

廣達則選擇橫向放大:把單一產品線(雲端伺服器、AI 伺服器)做深做大,並透過北美超大型雲端業者(hyperscaler)直接綁定。優點是當 AI 資本支出循環往上,廣達吃到的是訂單放大的純粹槓桿;缺點是客戶集中度風險高,且當 AI capex 出現任何降溫訊號,毛利率與成長率會同時受壓。

兩種策略沒有絕對優劣。重點在於:鴻海的毛利率是「多業務群加權」的結果,廣達的毛利率則是「單一強勢產品線比重」的結果——拆解時必須用不同的尺。

從現金流角度看,兩種策略對應的資本支出節奏也不同。鴻海的垂直整合需要長期、跨年度、跨業務群的固定資產投入,折舊壓力會影響營益率;廣達的橫向放大,則高度依賴客戶端擴產節奏與下游 GPU 供給,資本支出的彈性較大,但也意味著營益率對下游循環高度敏感。

4. 觀察重點 3 — 估值錨點不同,本益比不該硬比

EMS 集團與 AI 伺服器代工龍頭,在資本市場應對應不同的估值區間。

市場在 2024-2025 年明顯把廣達重新分類:從「筆電 ODM」往「AI 雲端基礎建設供應鏈」靠攏。對應的本益比區間隨之上修,理論上錨點是雲端資本支出循環與 AI GPU 出貨節奏。撰文時的本益比區間可從 Yahoo Finance 2382.TW 的 Statistics 頁取得,並交叉比對 公開資訊觀測站 的歷季 EPS。

鴻海則仍被市場部分視為「綜合 EMS 集團」。雖然郭家、劉家後續宣告的 AI 伺服器、半導體、電動車策略,理論上應該為集團注入新估值錨,但市場是否完全 price in,要看連續幾季的營收結構是否真的位移。鴻海撰文時本益比可至 Yahoo Finance 2317.TW 查詢。

把兩家的本益比直接相減做「便宜/貴」結論,是常見但結構性錯誤的做法:它們對應的不是同一條現金流曲線。

更精確的做法是分別觀察兩條軌跡:廣達的估值是否能在 AI capex 維持高檔的條件下,守住目前重新分類後的本益比區間;鴻海的估值,則要看市場是否願意對非組裝業務群開出獨立的估值溢價。後者牽涉的不只是基本面,還包括資訊揭露細節度(分部毛利率、非組裝業務 EPS 貢獻)是否足以讓賣方分析師建立 sum-of-the-parts 模型。歷季法說會逐字稿與分部資料,可從 公開資訊觀測站 的重大訊息與法說會專區查詢。

5. 觀察重點 4 — 反向訊號追蹤清單

以下 4 個事件,任何一個明確發生,都會讓上面三條觀察重點需要重寫。

1. AI 資本支出循環明確降溫:北美主要雲端業者連續兩季下修資本支出指引,且新世代 GPU 出貨節奏延後。觀察點包括公開資訊觀測站揭露的 廣達月營收 是否連續走弱,以及美國四大雲端業者法說會自我披露的 capex 指引。
2. 鴻海某個非組裝業務群獲利突破門檻:例如電動車或半導體業務在合併報表附註中成為「值得單列」的分部,且毛利率明顯高於集團平均。這會讓「組合稀釋」論點開始失效。
3. 廣達主要客戶集中度結構性下降:單一客戶營收佔比從歷史高位顯著回落,且新增 hyperscaler 客戶比重上升,代表客戶集中風險被分散。
4. 電子代工整體毛利率出現結構性反轉:無論是因為地緣政治推升製造成本、印度與東南亞產能爬坡造成過剩,或是模組化伺服器設計讓代工價值被壓縮,都會讓「AI 伺服器代工 = 高毛利」這個前提需要重新檢驗。工商時報長期追蹤 EMS 產業動態,也是這層觀察的補充來源。

6. 風險與本文局限

本文未引用任何撰文時的具體股價、毛利率百分比或本益比數字,讀者若需要硬數據,應自行至 Yahoo Finance 2317.TW、Yahoo Finance 2382.TW 與 公開資訊觀測站 取得最新季度數字並自行交叉查證。本文也未拆解兩家在中國大陸、東南亞、墨西哥等地產能配置的具體比例,以及匯率波動對合併毛利率的非線性影響。AI 伺服器這條主軸雖然是當前最強敘事,但本文未對 GPU 供給瓶頸、HBM 供應、液冷散熱滲透率等次級變數做進一步拆解,這些都是後續可以單獨成篇的題目。

本站為觀察研究,不作價格預測或個股薦股;上列所有數字以撰文時為準,後續發展請自行追蹤一手來源。

來源

• Yahoo Finance — 鴻海 2317.TW
• Yahoo Finance — 廣達 2382.TW
• 公開資訊觀測站(MOPS)