2019年半導體景氣Q3觸底，僅台灣晶圓廠投資逆勢成長|數位時代 BusinessNext

2019年半導體景氣Q3觸底，僅台灣晶圓廠投資逆勢成長

中美貿易戰緊張，再加上挖礦熱潮退，導致記憶體銷售不佳，不只是瑞士銀行下修2019年整體半導體產業年成長率4.3%。連國際半導體協會也下修了半導體設備銷售、晶圓廠設備投資的預測，預計要到2019年底至2020年，半導體產業才能盼到春燕。

設備銷售預期差，2020靠5G、AI翻盤

半導體設備銷售狀況是觀察半導體業景氣的重要指標，SEMI在11日公布「年終整體設備預測報告」（Year-End Total Equipment Forecast），內容指出2019年半導體設備銷售金額，恐怕不增反減，將較今年下滑 4%，但2020年將成長20.7%，達到719億美元的歷史新高。

SEMI指出2019年銷售狀況下滑，主要受到全球經濟成長放緩、美中貿易戰導致美國限制半導體設備及零組件出口給部分企業、5G商轉前智慧手機需求放緩、記憶體價格下滑等四大變數影響。

而2018全年半導體設備銷售表現亮眼，成長達9.7%，以621億美元打破的去年566億美元紀錄，創歷史新高。

而在中國大力扶持半導體下，2019年採購半導體設備金額國家排名將正式擠下台灣，成為全球第二大市場，僅次於南韓，台灣退居第三。但在2019年普遍不景氣下，SEMI預測只有台灣、日本和北美三個地區呈現增長，台灣2018年全年銷售額預估101億美元，2019年將成長至118億美元。

另外在AI、5G啟動半導體另一波成長下，2020年預估全球半導體設備，將盼來春燕，成長力道達20.7%，直衝719億美元，再次寫下歷史新頁。

國際環境不穩，晶圓廠設備投資2019現衰退

除了設備銷售狀況趨於保守，2019年全球晶圓廠設備投資預估也跟著下調。SEMI在18日公布「全球晶圓廠預測報告」（World Fab Forecast Report），雙雙下修2018與2019年全球晶圓廠設備投資金額的預測，2018年的預測從原本的14%成長，下修至10%；而2019年則從7%成長，下修至8%衰退。

SEMI台灣區總裁曹世綸表示，「記憶體價格下跌與中美貿易戰之下導致公司投資計畫改變，是晶圓廠資本投資快速下滑兩大主因。」而先進記憶體製造商、中國晶圓廠、及28奈米或以上製程業者的資本支出縮減，影響全球市場最大。

其實在今年8月，SEMI收集分析全球400間晶圓廠主要投資計劃後，便預測2018下半年到2019上半年，晶圓廠投資金額將會減少，而基於目前的市場保守氛圍，下滑幅度可能比預期還來得劇烈。

以地區來看，中國及韓國為投資金額下滑幅度最大。因為中美貿易緊張，以及建廠計畫延宕，2019 年中國的晶圓廠設備投資金額從170億美元下修至120億美元，而三星減緩投資，韓國投資金額下修範圍與金額與中國相同。

然而台灣逆勢成長，投資金額從2018年的92億美元增加到2019年的114億美元，幅度達24.2%。

記憶體資本支出下滑19%，成熟製程市場未來被看好

挖礦熱潮退燒導致記憶體市況不盡理想，記憶體業者業減少資本支出，SEMI修正了記憶體資本支出將成長3%的預測，2019年整體記憶體資本支出將由正轉衰，下滑19%，其中DRAM的下滑最為劇烈，下滑幅度達23%，3D NAND也下滑13%。

雖然記憶體廠皆計劃減少資本投資，但美光卻是一反常態，2019 年將提高投資金額至105億美元，比去年多出28%。而這筆資金主要用於擴張及升級既有廠房設施。

雖然半導體市場瀰漫保守氛圍，但成熟製程未來市場依舊樂觀，記憶體以外如光電、晶圓代工、類比及混和訊號 IC、微控制及處理器等其他領域，資本投資力道將持續。

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。