費半指數為何又快速回升?快速變動中的半導體投資術
費半指數為何又快速回升?快速變動中的半導體投資術
2019.04.02 | 生活

3月21日,費城半導體指數再度來到高點,單日指數上漲3.5%,指數從年初至當日已飆升近25%。對照我在十月份專欄中提出看好四家指數成份股公司,也就是台積電、輝達、賽靈思及英特爾等四家,除了輝達較前波高點只小跌1%以內,其餘個股都明顯回升,其中賽靈思甚至比最低點還大漲一倍。

我不常在這個專欄中講半導體股的投資,但從去年十月至今年三月間,這半年來股市劇烈下跌又再回升,確實提供我們一個很好的教材與時機,讓大家可以再反思一下,半導體產業的投資時機與選股邏輯。

產業基本面有沒有大轉變?

首先,分享一段最近一位朋友與我的對話。一位投資股票三十多年的朋友找我,提到他最近的困擾,因為去年十月及今年二月,全球股市都大跌,幾乎快崩盤,好像世界末日來臨,但也不過才一、兩個月,為何股價還是快速回升,費半指數竟然又幾乎回到原來高點?

這位老朋友覺得股市變化實在太難捉摸,是他投資股票三十年來很少見的現象。他知道我一直關心產業變化,便問我,「到底產業基本面有沒有發生什麼大轉變?」

這是個好問題。我仔細想了一下,又回頭去查一些資料,如果要給一個合理的解釋,我覺得,市場資金泛濫,加上科技業太多新東西不斷湧現,產業創新與替換比以前加速了,當應用不斷推陳出新,產業成長機會當然跟著來。

當然,一定有人會質疑,全球經濟成長放緩已是事實,各種指標都以具體下滑的數字警告你,而且創新需要時間,但經濟衰退卻是現在進行式。這個說法我同意,但關鍵是創新會帶來汰弱留強,追趕不上的企業會很快被逐出市場,而好機會只有領先公司抓得住。

觀察當今許多科技趨勢,很明顯呈現 「贏者全拿」 的特色。例如,這兩、三年來不斷反覆討論的物聯網、人工智慧(AI)、5G等新科技,許多應用或許剛起步,還沒有很多人使用,但即使是初期採用,就讓許多領先企業出現大成長,例如居AI領先地位的輝達,過去兩年業績就快速增加,一旦AI進入大量發展期,輝達很可能會一飛沖天。

此外,許多新東西不斷推陳出新,就算實質訂單還沒看到,但很容易預測未來將花落誰家。例如日前Google推出新遊戲Stadia,不必遊戲主機就可以玩,對遊戲生態帶來革命性衝擊,也必然擴大遊戲族群。Google的Stadia是與美商超微(AMD)的晶片合作,而超微的高階製程又以台積電為唯一下單廠,顯然Stadia新商機受惠者就一定有台積電。

蘋果後勢不能小看

「台灣之光」台積電不僅會抓到Stadia商機,即使是美中貿易戰這種不利因素,卻因為台積電已築起競爭障礙,結果最大受惠者還是台積電。美中貿易戰的焦點公司華為,不斷推出新產品,結果在台積電的下單量已確定將超越蘋果。台積電的龍頭地位,讓別人的利空,變成台積電的利多。

談到蘋果,最近將重點發展由硬轉軟,一口氣發表四個應用平台,短期或許有人看衰,但我覺得後勢不能小看,原因很簡單,因為它是蘋果,是獨一無二、引領風潮的龍頭企業。不信的話,大家可以再觀察一陣子,過去許多人唱衰蘋果,但後來證明大部分看錯。

再回到費半指數。費半的成份股都是全球頂尖企業,這個指標表現得如此可圈可點,也因為他們都是龍頭企業,任何創新帶動的新成長,最終商機總會回到他們身上。去年十月,我選擇看好四支成份股,正因為他們都是龍頭企業,只是倒楣遇到股災導致股價大跌,但也因此正是投資人可以低檔入市的好時機。

我沒有水晶球,也無法預測未來會怎麼走,去年十月寫完四檔公司的推薦後,費半指數又跌了一段,其中輝達最低還跌到127元左右,讓我覺得有些對不起《數位時代》的讀者。不過後來的快速反彈,果然也沒讓大家失望。

不過我也要強調,這種選股邏輯,前提是一定要先確立是不是好公司,尤其是要具備在某些領域有絕對領先的地位,只有經得起考驗的龍頭,才可能在利空因素去除後又強勁反彈。

PC成長趨緩,但雲端伺服器仍有不錯的成長

而且,每個時代都有新龍頭出現,所以龍頭寶座可能換人做坐,因此要隨時注意誰會升上來,誰會掉下去。該如何確立龍頭企業,就有賴平常多做功課了。

至於另外兩家公司英特爾及賽靈思,前者大家很熟悉,儘管PC成長趨緩,但在雲端伺服器市場仍具壟斷地位,仍有不錯的成長;至於後者更是費半成份股中漲勢最大的黑馬,關鍵原因也是掌握到人工智慧的FPGA晶片,成為賓士、華為等廠商尋找合作的第一選擇,也成為台積電七奈米製程第一批合作的客戶。

此外,我覺得有必要再來談一下 「汰弱留強」 。在產業轉變過程中,既然有新產業或新公司崛起,當然就有跟不上的公司會下去,這個現象不僅全世界都有,台灣也正快速發生中。大家如果細心一點的話,必然會發現最近國內被淘汰的企業很明顯增加,從太陽能、面板到LED都有破產與重整的公司,這些屬於「四大慘業」範疇的企業,其實很早就面臨危機,而被淘汰的主因也是因為產業長期沒有創新,即使有零星的新品,但因為產業進入障礙低,很快就供過於求,讓產業翻身難上加難。

因此,再回到投資策略上,產業永遠在變,有得就有失,龍頭企業會取得最多商機,但淘汰賽會更加速,投資人在選股時,也要抓緊這個原則。

必須更早更快地擁抱龍頭股票,張開雙臂擁抱新機會,至於沒有競爭力的企業,就儘快斷捨離,千萬不要一直活在過去,賠錢貨要愈快出清愈好。

投資最吸引人的地方,就是任何人都可以做,而且你自己不必是大人物,但可以精挑細選找出產業的巨人,站在他們的肩膀上看世界,也一起享受公司的成長與股價上漲的利益。但前提永遠一樣,你選到的公司到底能不能禁得起考驗?風暴後是否還能維持高度競爭力? 把這些功課都做足了,股價若下跌,不就是最好的買進時機嗎?

《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: #投資 #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