華寶股價一個半月跌一半
華寶股價一個半月跌一半
2006.07.15 | 創業

如果哪位有眼光的投資人,有幸在去年七月一日買進華寶(八○七八)股票,而且很有毅力地持有到今年四月中旬,那麼恭喜他,這檔股票讓他獲利翻兩翻,也就是為他帶來二○○%的豐厚投資報酬。但如果四月中旬高點來不及跑,現在還硬撐,對不起,他可能已經吐掉一半的獲利。
這就是這一個半月來手機族群的心情寫照,從兩個月前仍被外資法人捧在手掌心處處呵護,到近一個月如過街老鼠,人人喊打。
手機熱潮是外資法人推波助瀾的結果,主要幫摩托羅拉(Motorola)代工的華寶更是指標代表。但「水能載舟,亦能覆舟」,最後讓手機族群跌得鼻青臉腫的,竟也是外資法人的調降評等報告。

華寶下跌原因——摩托低價手機減單

華寶既是這波手機族群受傷最重者,問題想必出在左右華寶股價的摩托羅拉身上。
仔細回溯外資分析師對華寶的報告,當市場一傳出摩托羅拉第三季低階手機訂單可能減少的消息時,包括美商高盛與港商里昂證券等持多頭論調的分析師還跳出來力挺,原因很簡單,摩托羅拉都沒說話,市場有什麼好緊張的?
但等到摩托羅拉減單成為事實後,確實也嚇到這些分析師。高盛證券科技產業分析師鄭昭義只能解釋說,在台灣看手機跟看PC不一樣,台灣可以從主機板出貨看系統業者的概況,但在台灣看手機,代工的華寶與華冠(八一○一)加上明基(二三五二),市場比重總共也不過占百分之十幾,從零組件廠商來看系統全貌,只反應非常枝微末節的訊息。
這次華寶股價的大跌,完全出乎鄭昭義與里昂證券科技產業分析師鄭勝榮的意料之外。當初華寶股價能站上二百元,說穿了就是這兩位老兄喊上去的,如今華寶股價光環盡失,也逼得這兩位名噪一時的分析師調降投資評等,還一度以為華寶股價是受到員工分紅費用化的影響。
摩根大通證券科技產業分析師張凱偉就表示:「有沒有發現,真正需求出問題的都是摩托羅拉較低階的手機,反觀跟摩托羅拉中高階(初步定位為有照相功能)手機相關的公司,如大立光(三○○八)、美光、美商豪威科技(Omnivision)、可成(二四七四)、德儀等,第二季業績不都嚇嚇叫?」
張凱偉認為,摩托羅拉對中高階手機的需求預期與市場相同;但對低階手機的需求,原本就高出市場很多,最後實際需求連低標都達不到,結果就是華寶股價遭殃。
簡單說來,就是摩托羅拉對低階手機的需求「太高」了,張凱偉形容:「第一季比(去年)第四季好、第二季比第一季好、上下半年需求還要四比六!天底下哪有這麼好康的事?」 華寶過去七季的業績根本沒有淡旺季之分,每季出貨成長率幾乎都達成二五%以上的目標,「華寶當初給的營運展望目標就是第二季出貨比第一季成長二五至三○%,後來修正到二○%至二五%,最後結果只有一三%,那多出來的這七至一二%,第三季就當成庫存來消化啦!」張凱偉認為,說穿了,邏輯就是這麼簡單。

下半年手機市場——等待殺手級應用產品

只是從今年中國五一長假手機銷售狀況來看,月成長率還有二六%,甚至比過去五年的二○%平均值要高,張凱偉認為,問題應該不是出在中國市場,而是印度與俄羅斯這兩大市場,癥結點除了摩托羅拉自身所設定的期望過高外,還包括降價策略造成價差無差異化,導致最低階的手機銷售頓時停滯。
不過有趣的是,即便手機產業發生這麼大的變化,華爾街券商至今卻沒有任何一家調降今年全球手機出貨預估值。
摩根士丹利證券科技產業分析師呂智穎認為,摩托羅拉低階手機庫存問題只是短期現象,追蹤其原因應可歸納為下列四項:一、第二季快速建立庫存的結果,使得整個供應鏈出現裂解;二、手機大廠推出的平台與機款轉型時間點太近,造成訂單波動大;三、市場出現結構性改變,導致手機大廠市占率洗牌;四、整個手機供應鏈正在進行重整。
因應下半年潛在的手機需求變化,目前已有外資法人開始進行敏感性分析,如花旗環球證券科技產業分析師蓋欣山,針對低階與高階手機供需狀況進行評估:以低階手機為例,假定台灣前四大手機PCB廠商第三季與第四季出貨成長率分別達一○%與一五%,那麼今年全球手機PCB出貨將逾十億片,若下半年手機需求維持原先的預估值,全球手機需求為九億一千一百萬支,供需之間就出現一○%供過於求。
至於高階手機部分,蓋欣山認為最大變數為市場需求面,也就是消費者換機速度狀況,由於通膨問題,消費者在手機升級過程中,價格敏感度將扮演非常重要的角色。除非有殺手級應用產品推出,否則明年高階手機換機需求能否維持過去幾年般的高成長,倒是頗值得懷疑。

往下滑看下一篇文章
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?

走進蔬果加工廠,同樣是100公斤高麗菜,最後能做出多少成品?答案不見得相同。氣候、產地與品質影響原料條件,客戶要求的切法、重量與交期也各不相同。對曾任科技業研發主管十多年的宜展科技農業執行長林佑澤而言,這是與科技製造截然不同的世界。

「農業部分全部都不一致。」林佑澤以青江菜為例,即使機械手臂已經訓練好辨識特徵,面對形狀各異的蔬菜,仍難以判斷該從哪裡抓取。農產品的天然變數,卻得面對學校團膳、連鎖餐飲、航空空廚等企業客戶對品質與交期的要求。如何讓加工流程穩定運作,成為宜展投入數位轉型的起點。

從紙本、LINE到數據,先把現場經驗留下來

目前宜展一年處理數千噸蔬果、服務超過120家企業客戶,業務涵蓋採購、截切、清洗、包裝與配送。林佑澤觀察,農產加工的關鍵經驗往往掌握在資深員工手中:該買多少菜、原料損耗多少、訂單增加又該安排多少人力,都仰賴現場判斷。

「主要就是把人的經驗變成數據。」林佑澤說。過去客戶透過LINE或紙本下單,現場靠人工整理訂單、對照不同客戶的加工規格;如今宜展利用AI辨識訂單內容並匯入ERP,再依客戶、品項與規格進行標籤化派工。製程則透過QR Code記錄原料投入量與成品產出量,逐步掌握各環節的加工損耗。

接下來是整理現場的判斷依據。林佑澤透過與資深員工對談,了解採購、派工與品管的作業方式,再利用AI協助找出規則、建立SOP。AI整理出的流程仍須由現場人員逐項確認、修正,才能實際執行。

品質管理也在持續改善。傳統金屬檢測器難以辨識菜蟲、橡皮筋等非金屬異物,宜展正與技術夥伴規劃導入AI影像辨識,輔助產線末端檢查。林佑澤表示,每批農產品品質不同,比起單看良率,他更重視客訴是否減少。隨著訂單與製程資訊逐步累積,宜展也希望進一步建立需求預測、採購建議與生產排程模型,減少營運對資深員工個人經驗的依賴。

不只把菜切好,乾燥加工尋找第二成長曲線

除了改善截切本業,宜展也開始發展乾燥加工。學校團膳在寒暑假面臨需求波動,生鮮蔬果則有保存期限短、價格易受產季影響等限制。林佑澤希望藉由乾燥技術延長農產品保存期限,開拓附加價值更高的加工業務。

不過,乾燥同樣有依賴經驗的問題。傳統做法是太乾就降低溫度、縮短時間,不夠乾就反向調整。每批原料的水分與成熟度不同,反覆試做不僅增加成本,也難以維持品質一致。「品質目標沒有設定的話,前面的製程參數就不知道怎麼調整。」林佑澤將過去研發車用面板的思維帶進農產加工:先決定產品希望達到的口感、含水率與水活性,再回頭檢視原料成熟度、截切厚度及乾燥參數等條件。

團隊進一步結合不同乾燥技術、自行改造設備,並接洽桃園的設備業者合作。林佑澤曾比較其他地區的設備,最後選擇設備構造、乾燥均勻度與可靠度較符合需求的桃園業者。宜展也持續累積製程參數,希望未來透過AI找出適合不同原料的乾燥曲線,減少反覆試做。

「我們主要還是要做代工,想要做一個功能性的原料平台。」林佑澤說,果乾目前更像是展示技術能力的產品,未來希望將服務延伸至辛香料、中藥材、太空食品、超級蔬菜及寵物食品等領域。現階段宜展主要營收仍來自蔬果截切本業,乾燥事業尚未形成主要收入。未來若能建立穩定的乾燥製程與代工能力,宜展便有機會從既有蔬果供應鏈,切入附加價值更高的食品原料市場。

從彰化走向桃園,驗證營運方法能否跨區複製

隨著加工流程逐步數位化,宜展也開始思考,這套管理方法能否帶到彰化以外的場域。

參與桃園市政府青年事務局天際線加速器及Meet桃園+後,宜展擴大與桃園產業生態系的連結。林佑澤提到,天際線協助邀集不同局處了解團隊需求,並提供資源媒合機會。宜展也開始與桃園市農會及在地農民合作,增加北部原料來源。這項合作不只拓展了供應來源,更成為宜展因應極端天候、穩定供貨的重要助力。林佑澤回憶,先前中南部連日降雨,蔬菜供應受到影響,宜展便從北部調度蔬菜,以不同產區互相支援,降低天候對供貨的衝擊。此外,團隊也透過天際線資源,獲得參與日本國際伴手禮設計競賽的輔導,並成功榮獲金賞獎肯定,除了展現產品的創新與設計實力,也為宜展拓展海外市場、提升國際能見度創造更多機會。

下一步,宜展規劃以桃園大溪作為第二個驗證場域,將彰化累積的資料、SOP與加工管理經驗,轉化為可複製、可優化的營運管理模式,帶到不同產地、供應鏈及人員條件下驗證。林佑澤指出,未來若要跨區域擴張,不可能每到一個新地方,就把原有團隊整批搬過去。因此,宜展希望將資深員工的實務經驗,轉化為標準化流程與數據模型,結合AI進行生產排程、資源配置及營運決策,讓新場域能依據當地條件快速調整,降低對特定人員經驗的依賴。

從彰化到桃園,宜展接下來要驗證的,是這套從傳統農產加工現場整理出來的管理方法,是能夠跨區域複製、快速部署並持續優化的農產加工營運系統。 長期目標是降低新場域的建置成本與管理複雜度,提升擴張效率,讓傳統農產加工業具備規模化發展的能力。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓