網路巨擘與資本市場將如何改變半導體產業?
網路巨擘與資本市場將如何改變半導體產業?

日前高通執行長莫蘭科夫(Steve Mollenkopf)釋出善意,希望與蘋果公司重新合作。蘋果與高通的爭端始自2017年,蘋果指高通收取不合理的專利授權費,高通則指控蘋果不法竊取商業機密,如今兩家公司若願意和解並攜手合作,對半導體業將帶來版圖重組的重大衝擊。

不過,我認為這則新聞背後,還有一個重要大趨勢值得關注,而且很可能是未來十年衝擊半導體業最大的一股力量。我相信,類似蘋果這種網路時代造就出來的巨大企業,未來十年將對半導體行業帶來巨大的破壞力,而且力量會愈來愈強,甚至扭轉整個產業的樣貌。

首先,高通與蘋果的爭端,如今和解是從高通執行長口中提出來,其實態勢已經很清楚,因為眼前這個戰爭繼續打下去,先受不了的一定是高通。蘋果不論經濟規模及產業實力都太強大,實在不是高通可以得罪得起的客戶。尤其過去居IC設計龍頭的高通,如今市值已明顯輸給輝達及博通,若未來蘋果訂單又拿不回來,市值恐怕只會再往下掉。

沒錯,觀察經濟規模及產業實力最重要的指標,就是公司的股票市值。

若以市值來排序美國的FAAMG及中國的BAT,這些網路大軍可以大致分成三個等級,第一級最具份量的是微軟、蘋果、亞馬遜及谷歌,市值在8500億至7700億美元之間,至於第二級的有阿里巴巴、臉書及騰訊,市值在4100億至3800億美元之間,至於網飛(Netflix)市值1200億美元,百度650億美元,只能列入規模小很多的輕量級。

誰是巨人,誰是小矮人?

這些網路大廠的市值,遙遙領先全世界所有產業,當然也明顯超越半導體公司。以目前全球市值最大的半導體企業來看,三星、英特爾、台積電可以算是第一梯隊,市值在2600億至2000億美元之間(不過,三星電子包括半導體及手機事業等,不是很純粹的半導體股),至於第二梯隊應該以輝達、博通、高通為代表,市值在1000億至700億美元之間。另外若對比台灣半導體代表隊,聯發科在130億美元,日月光不到100億美元,聯電低於50億美元,誰是巨人,誰是小矮人,很容易區別。

市值規模是企業實力的綜合指數,也是企業影響力的具體指標,會對產業發展產生巨大的改變力量。早年資訊(IT)產業還未崛起前,電信產業具備影響科技發展的重要力量,但1997年英特爾、微軟及思科等IT產業市值超越電信產業後,資訊產業開始決定科技產業發展方向,二千年中後期網路產業崛起,不僅搶奪資訊業的影響力,更讓電信業影響力式微,逐漸淪為替別人打工的「笨水管」。

市值規模的大小,會是大廠決定是否切入的因素。例如,重量級的谷歌、蘋果、微軟及亞馬遜等,可以很容易就挖角優秀的半導體人才,在內部成立IC設計團隊進行產品開發,或是在外部物色及投資優秀的IC公司,這對現金滿滿的大廠來說絕對不成問題。至於大陸的華為早在十多年前就投資晶片設計的海思,阿里巴巴今年則成立人工智慧晶片團隊平頭哥,還有騰訊、百度、小米甚至家電業的海爾都已開始投資IC事業,這些都是各行各業搶攻半導體的例證。

市值規模的懸殊差異,也是網路大廠決定出手併購的關鍵因素。

兩年前,IC設計業中的智財元件(IP)龍頭廠安謀(ARM)被軟銀以320億美元收購,就是一個指標案例。軟銀靠著目前近千億美元的市值,募集到第一個願景資金也高達一千億美元,而且資金來自中東與科技業,是國際資本力量最具體的集結,這個收購案其實已宣告網路大軍不僅大規模介入半導體,更要積極扭轉這個行業,透過掌控這家半導體設計最核心的智財元件廠,未來要進一步掌控全世界的物聯網產業。

半導體產業各環節,那個領域最容易被打破?

除了市值因素外,半導體產業已步入成熟,摩爾定律的發展已經慢下來,也是網路大廠切入發展的主因。半導體產業成熟的現象很明顯,例如高成長不再、激烈競爭導致利潤微薄等,這種產業環境也讓人才有機會釋出來,網路大廠可以很從容地找到人才,在內部開始各種IC產品設計,切入AI、物聯網、自駕車等最有前景的新題目。

如果大廠切入半導體業已成趨勢,那麼,半導體產業的各個環節中,那一個領域最容易被打破?

我認為依序為IC設計、封裝及晶圓代工,會如此判斷的原因,當然市值還是一個很重要的因素,例如台積電市值最高達2200億美元,就是一個相當具有競爭障礙的門檻,大廠若想切進來,沒有五至十倍的市值,恐怕都要再三考量。

不過,IC設計的市值也不低,例如輝達、博通、高通都在一千億至七百億美元間,不能說沒有進入門檻,但因為IC設計行業進入障礙相對還是比較低,而且都是輕資產的型態,除了前面幾家大廠外,更多的是規模很小的中小型企業,這些看在市值巨人的網路大廠眼中,根本就是蛋糕一片,很容易一口就吃掉。

事實上,IC設計這幾年最流行的就是併購,例如博通就是靠併購壯大的高手,其中與安華高(Avago)370億美元的合併案,讓博通併成一家市值達千億美元的大廠,因此,未來網路大廠收購IC設計的例子絕對會更多,而中小型IC設計公司除非掌握很利基的產品線,否則很難單獨營運存活。

至於在產業鏈中重要性在逐漸降低的封裝業,雖然市值不大,但因為能夠創造的價值綜效有限,不見得是大廠想要切入的市場,至少,投入IC設計可以做出替客戶創造更多價值的AI等產品,但投入封測業只能賺有限的加工錢,顯然沒有太多投資誘因。

倒是從市值角度來看,三年前日月光董事長張虔生提出合併矽品的計畫,當時引起產業一陣抗拒與騷動,但即使合併後變成全球封測業龍頭,市值仍不到百億美元,在全球資本場中只能算是小弟弟,台灣不要用自己狹隘的視野來看世界,在此又得到一次驗證。

每年到了年底,許多半導體界的朋友都認真做明年的計畫,顯然很多人覺得明年不會是一個好年,但是,看多了產業演變,我還是相信,再怎樣不景氣,仍然是強者恆強的局面,只是網路大軍會在未來幾年,成為產業改變調整的重要因素,台灣最好趕快做準備,免得大難來時一點心理準備都沒有。

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

關鍵字: #半導體
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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
台達電全解讀
© 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