一顆新5G晶片的誕生會經過哪些步驟?白話文解析IC產業鏈全貌
一顆新5G晶片的誕生會經過哪些步驟?白話文解析IC產業鏈全貌
2020.03.02 | 5G通訊

隨著5G時代的來臨,近期各大封測廠都動作頻頻,深怕錯過這個難得一見的大機遇,例如台灣的半導體封測廠日月光投控(3711)、京元電(2449)、矽格(6257)都宣布大幅增加其資本支出,以因應客戶大量的訂單需求。今天這篇文章將詳細介紹整個IC封測業,再加碼分析有哪些類股/公司能在5G時代實質受惠。

讀完這篇文章,你將知道以下幾件事:

  1. IC產業鏈的全貌 — 你手中的智慧型手機是怎麼做出來的?
  2. 淺談IC封裝,SiP和SoC,哪種技術能在5G時代勝出?
  3. 什麼是IC測試?

IC製程 — 你手中的智慧型手機是怎麼做出來的?

大家可能常聽到晶圓代工、5奈米、7奈米、IC設計、封測等半導體業的專有名詞,那麼這些到底是什麼意思呢?要回答這個問題就必須由整個半導體產業談起。

其實半導體製程就是由IC設計、IC製造及IC測試、封裝等幾個步驟組成。

以智慧型手機的CPU為例,假如現在IC設計公司高通推出了最新的SnapDragon 5G晶片,會經歷這些過程:

  • step 1. 首先必須將晶片的電路結構設計好
  • step 2.再交給晶圓代工商例如台積電(2330)製作
  • step 3.這時候台積電會和最上游的矽晶圓供應商,例如環球晶(6488)、Sumco來購買製作晶片的裸晶或是磊晶
  • step 4.再將設計圖的電路複製製作到晶圓上
  • step 5.製作完成的晶圓再交給封測廠封裝及測試晶圓性能是否正常
  • step 6.而最後的成品再交還給高通
  • step 7.高通再賣給下游的手機廠商例如HTC、小米、OPPO
  • step 8.之後手機商再將晶片、螢幕、鏡頭、麥克風等各種零件交給像是鴻海(2317)的組裝廠組成完整的手機,再賣給消費者。

整個過程中只要一個細節沒注意到,例如設計不良、代工時偷工減料或是測試時沒把不良品淘汰都會導致智慧型手機在使用中發生問題, 因此整個IC製程都是環環相扣缺一不可的,彼此的合作非常緊密。

延伸閱讀:跟4G不一樣在哪?5G白話文快速看懂技術差異

以上的流程,又分為2種:IDM與專業分工

而目前IC製造主要分為IDM(Integrated Design and Manufacture)及專業分工兩種模式。

A)IDM就是從晶片設計到製作、封測都自己來, 這種方式最大的優點就是能彈性有效掌握自家產品的發展,且技術不會外傳。不過因為半導體的製程越來越複雜,成本及研發費用也越來越高,IDM公司必須擁有非常雄厚的資本才能應付如此龐大的支出。也因此越來越多的廠商都改採專業分工的模式,目前較有名的IDM廠僅剩Intel、三星及德州儀器等幾個規模較龐大的國際巨頭。不過越來越多IDM廠都開始將部分業務委外,例如歐洲的Infineon就在近日宣布未來5年將擴大委外訂單規模,並不再興建自有測試廠。

B)而專業分工則是每個步驟都由不同的廠商來完成,例如高通、聯發科(2454)、博通只專注於晶圓的設計,而台積電、中芯科技、聯電(2303)只負責晶圓代工,而日月光、力成、Amkor則負責後段的封測。彼此各司其職並發揮自己的專業,所以不論在成本或效率上都會較IDM還要優異,但缺點就是會受制於其他廠商,因為一間代工廠可能同時知道好幾間 IC設計廠的秘密,不過目前普遍保密措施都做得很好,這個疑慮也逐漸消失了,因此專業分工模式是目前也會是未來的趨勢。

示意圖
圖/ 理財果汁機

IC封測:IC製程最後的守門員

以上就是整個IC製程的概要,今天的文章則主要聚焦在IC封測上。首先介紹晶圓封裝的部分:

封裝簡單來說就是把IC晶片的電路腳和其他像是電路板或是插槽等外部元件連接 。一般有以下流程:

切割(將晶圓代工公司送來的片狀晶圓切割成一顆顆的IC)→ 黏貼(將IC黏到PCB上)→ 銲接及模封(把IC的小接腳銲接到PCB上並封起來)

而封裝的種類非常多樣,不同產品也會使用不同封裝方式,封裝的技術也一路從一開始的DIP(Dual In-Line Package)、QFP(Quad Flat Package)演變到以IC載板為主的閘球陣列PGA(Pin Grid Array Package)、BGA(Ball Grid Array Package)再到晶圓尺寸封裝CSP(Chip Scale Package)及MCM(multi-Chip Module),另外還有最近較紅的SoC(System-On-Chip)及SiP(System-In-Package)等較高階的技術。

圖片
圖/ 理財果汁機

SoC和SiP封裝分別有什麼優勢?誰是未來的主流?

SoC(System-On-Chip,系統單晶片)顧名思義就是把包括處理器、記憶體等不同功能都集結封裝到同一個晶片裡,所以最後的產品就只有一片晶片。

而SiP(System-In-Package,系統單封裝)則是SoC的延伸,不同處在於SiP是將各種不同功能的晶片直接整合封裝到一個模組裡,因此最後的產品是一個系統,裡面會有許多不同的晶片。

不過一般來說,SoC主要只整合了像AP(Application Processor,應用處理器,會負責大部分應用程式的執行)之類的邏輯系統,而SiP則是用疊加的方式集成了AP+mobile Dram(動態隨機存取記憶體,就是大家常聽到的DDR3、DDR4等等),甚至是RF(Radio Frequency,射頻模組,負責接收訊號)、CMOS影像感測器(Complementary Metal-Oxide-Semiconductor,簡稱CIS,顧名思義就是感測影像並回傳給CPU,使拍照品質更高)等。隨著技術越來越好,之後emmc(內嵌式記憶體)、也有可能集成到SiP中。 因此某種程度上SiP其實就等於SoC再加上其他例如Dram等的元件 。以下是兩者的比較:

圖片
圖/ 理財果汁機

以目前的趨勢來說,雖然SoC的效能比SiP更高,但因摩爾定律的限制以及產品的複雜度越來越高, SoC的設計難度及研發費用也越來越高(且通常SoC的研發時間為SiP的兩倍左右),因此目前較多是高階、生命週期較長的產品例如PC、智慧型手機的CPU、GPU、RF 等才會用SoC;而其他像是智慧家電、智慧手表、TWS等IoT產品因為效能不需那麼高,在考量成本下通常使用SiP。

話說SiP其實也不是什麼新技術,但因為近幾年IoT的高速成長,且確定會是未來幾年的主流趨勢,再加上 最近很火紅的AirPods Pro及Apple Watch也都使用SiP封裝,以及5G時代的多頻段特性也都讓SiP有更大的發展潛力 ,例如前段RF SiP,天線整合封裝(Antenna in Package,AiP)等,上述原因都使得SiP又成為市場的寵兒,各家廠商也都開始專注發展加強自己的SiP封裝業務。

總結來說,SiP由於研發難度低、成本較低、設計彈性較大等原因,且很多時候SiP裡甚至也可以包SoC,因此在這個萬物都需要聯網的時代,SiP將會走的比SoC更快更普及。

那麼SiP既然不是新技術,廠商競爭的關鍵在哪呢?筆者認為在於廠商能否拿到關鍵IC的能力,比如說iPhone 11的SiC裡包括了裝有CPU及GPU的核心SoC,以及Dram、RF元件等,而封裝廠商最重要的任務就是要能從不同的廠商分別拿到這些關鍵的IC才有辦法進行SiP的封裝。

至於拿不拿得到,除跟本身技術有關外(包含良率高低、設計能力、服務品質等),再來就是跟規模有關,需求量越大,或是越具有品牌規模的公司,往往較能拿到充足且價格較低的晶片進行封裝。

最後一道:IC測試-晶圓測試及成品測試

談完了IC封裝後,再來就是整個製程的最後一道工藝,IC測試了。IC測試主要就是對晶片上的每個晶粒進行針測,在檢測頭裝上探針(Probe)後與晶粒上的接點(Pad)接觸,測試他的電性,不合格的晶粒就會被淘汰。

而IC測試又分為晶圓測試(前段測試) 及成品測試(後段測試)。顧名思義晶圓測試就是在晶圓還沒被封裝前先測試電性是否正常,而等到通過測試的晶圓封裝完畢後再進行成品測試,測試包括功能、電性與散熱等,而通過檢測的產品最後才會被送到客戶的手中。

IC測試廠的護城河在哪?

對IC測試廠來說,其產能多寡及測試品質好壞完全依賴於經營層設備採購 (資本支出)的能力還有公司自身使用、整合各類設的能力與技術。

另外,廠商的規模大小及知名度也會影響其的客戶結構,因爲IC測試是整個製程最後的守門員,不容許出分毫的差錯,因此較大的IC設計廠如高通、聯發科等都只願意和具有一定規模且知名的IC測試廠合作,且一但合作後就不容易再變換, 合作的黏著度很高 。

高資本支出的門檻讓近幾年來整個IC測試業吹起了一波整併風潮,例如最有名的日月光(全球IC封測市佔率第一)和矽品(市佔第三)合併案;中國的江蘇長電(市佔第六)和新加坡的新科金朋(市佔第四)的併購案,另外還有像是規模較小的矽格併入測試廠誠遠、入股封測廠台星科(3265)等案例。

圖片
圖/ 理財果汁機

台灣的半導體產業其實是非常強的,除了巨頭台積電在全球晶圓代工市場獨霸超過50%的市佔率外,另外從上圖可知,台灣的IC封測廠在全球市場也享有超過50%的市佔率。

責任編輯:林芳如

本文授權轉載自:理財果汁機

關鍵字: #5G
往下滑看下一篇文章
AI Ready成零售入場券!SHOPLINE年度大會:AI流量時代,品牌如何被看見?
AI Ready成零售入場券!SHOPLINE年度大會:AI流量時代,品牌如何被看見?

AI 正快速改變消費者探索商品、接觸品牌的方式,也為零售業帶來新的成長機會。然而,當 AI 從個人使用工具逐步走向企業營運,台灣零售業的轉型腳步仍有落差。財團法人人工智慧科技基金會《2026 台灣產業 AI 化大調查》顯示,台灣零售業的 AI 應用仍存在明顯差距,資源有限的中小企業尤其面臨挑戰。對照全球已有 62% 的企業開始布局 AI Agent、近五成運用 AI 投入高價值決策,如何將 AI 從單點工具導入,真正成為零售成長的助力,已成為品牌必須面對的課題。

全方位零售整合專家 SHOPLINE 於 9 月舉辦「AI-Verse Day 2026」年度大會,以「Where AI Meets Commerce」為主軸,邀集零售與科技業者,從流量獲取、數據應用到會員經營,探討 AI 落地零售場景的實戰路徑。服務全球累計逾 70 萬品牌的 SHOPLINE,也在會中宣布邁向 AI in Retail,推出官方 MCP(Model Context Protocol),進一步串聯零售數據與 AI 應用,協助品牌掌握新興 AI 流量入口,為下一階段的智慧零售布局做好準備。

SHOPLINE 預告:零售下一個流量入口是 AI

2026 年上半年,SHOPLINE 客戶 GMV 年增 20%,是電商大盤成長率的 2.5 倍。「這代表我們與品牌客戶一起把生意做大!」SHOPLINE 台灣總經理葉力維指出,從全球市場來看,尤其是以北美為主的 SHOPLINE 客戶,來自 AI 渠道的流量 PV 較去年同期成長 15 倍,訂單量更成長 35 倍;相較之下,台灣 AI 渠道流量 PV 約成長 2 倍,顯示 AI 導流的商業潛力正逐步浮現,台灣品牌仍有很大的成長空間。

當品牌越做越複雜,從多通路走向全域經營、數據與規模擴大,如何確保資料品質、打通資訊孤島,並兼顧資安與治理,成為 AI 能否真正落地的關鍵。為此,SHOPLINE 提出四大 AI 佈局方向:首先,建立 AI Ready 數據基礎,整合分散的零售資訊,為 AI 應用做好準備;其次,深化 MCP 布局,讓品牌能依照自身需求,自主選擇並串接不同的 AI Agent;第三,成立 AI 轉型委員會,將 AI 導入內部工作流程,推動服務模式從執行任務進一步升級為洞察客戶需求、提供策略建議;最後,擴大 AI 夥伴生態系,開放第三方開發者串接垂直領域的 AI 應用,讓品牌能更靈活地組合所需工具。

#4 SHOPLINE
圖/ 數位時代

「過去十年,SHOPLINE 陪伴品牌走過每一次通路變革。每一次流量入口的改變,其實都代表著品牌經營方式的改變;而下一個入口,就是 AI。」葉力維表示,當 AI 開始影響消費者探索商品、發現品牌與完成購買的路徑,品牌不能只停留在導入單一工具,更需要提前整備數據、串接應用並建立治理能力。接下來,能否做好 AI Ready 的準備,將成為零售品牌掌握下一波成長機會的關鍵。

SHOPLINE 推官方 MCP,助攻品牌落實 Agent Ready

品牌該如何做好 AI Ready 的準備?SHOPLINE 產品副總賴哲文指出:「人、貨、場的接觸點沒有改變,改變的是誰做決定、誰做執行、誰做判斷。」

當 AI 逐步介入零售場景,消費者、員工與企業的角色也隨之改變:做決定的是消費者,當消費者問 AI「我該買哪個品牌」,品牌能否出現在答案裡是第一個挑戰;執行的是員工,員工則可將部分執行工作交由 AI 處理,將更多精力投入判斷與決策;做判斷的是企業,AI 能否提供可靠的洞察與建議,關鍵仍在於數據品質,以及能否有效運用既有數據資產。

要讓品牌被 AI 理解與推薦,品牌經營也必須從傳統 SEO,進一步走向 AIEO(AI Engine Optimization),讓商品與品牌資訊具備良好的結構與可讀性,才能提高被 AI 採用、推薦及導流的機會。對此,SHOPLINE 提出三層 AI Ready 架構:以「AI Ready Data」整合高品質、可供運算的零售數據;透過「AI Ready Commerce」讓商品資訊與交易流程能被 AI 理解和銜接;再以「AI Ready Agents」串接品牌自主選擇的 AI Agent,逐步將數據基礎延伸至實際應用。同時,SHOPLINE 也透過第一方數據歸因,改善消費者身分碎片化、數據時效性不足與成效歸因不清等問題,讓原始數據能進一步支援 AI 分析與決策。

#3 SHOPLINE
圖/ 數位時代

在工具應用上,SHOPLINE 推出官方 MCP,涵蓋流量轉換、數據分析、商品管理與會員經營等場景。品牌可在 Claude 中透過輸入零售 skills,搭配 MCP Tool 的後台相關能力,進一步產出數據洞察報表與執行建議,讓 AI 從資訊整理延伸至實際的零售工作流程。為兼顧應用效率與資料安全,SHOPLINE 也設下三道防護機制,包括涉及資料寫入時須經人工核准、個人資料須取得授權才能存取,以及依照角色與需求進行權限分級。

「Agent Ready 就是入場券。」賴哲文強調,當 AI Agent 開始參與消費者決策與企業營運,品牌不只要讓 AI 看得懂商品,更要讓數據能被安全地運用、讓不同工具能順利協作。

除了產品之外,SHOPLINE 也致力發展 AI 開放生態圈,邀請各領域夥伴分享引流、口碑、營運與顧客經營的應用方向。此次大會邀請數聚國際、Tagnology、BUNNYWORK、beBit TECH 微拓科技,以及女性高效身體保養品牌 HYPHY,攜手展示 AI 如何串聯流量獲取、行銷轉換到顧客經營等零售場景。

Justar 運用真實發票數據,提升廣告投放效率

廣告投放端同樣面臨轉變。「市場愈來愈大,轉換效益卻愈來愈低。」紅門互動及Justar 數聚國際執行長張元溢分析,投放效率下滑,源於成長結構改變:影響消費者的場域更分散,找人的方式從興趣推測走向真實行為,素材也無法一套打完全場。

對此,Justar 運用 AI 結合電子發票數據,以 AI 廣告投放平台結合全台規模領先的雲端發票消費資料庫,涵蓋超過 20 億筆雲端發票、700 萬名消費者及 3,200 萬項商品。其「AI 廣告受眾推薦引擎」可依商品特性生成受眾輪廓(Persona),比對發票資料庫、找出真實買家作為種子受眾,而非僅依賴瀏覽紀錄或興趣標籤,再由 AI 自動擴充相似受眾、生成並優化素材,並依成效動態調整投放策略與預算配置。

張元溢強調,從真實種子到規模化放大,重點在於找到更多相似的人。同時觸及也須走出社群,延伸至 RMN 聯播網、社區 App 廣告與戶外媒體。他以「三人成虎」形容,藉創作者短影音加上跨場域廣告加深印象,才能為品牌實現「線上找到人,線下讓他記住你」的成效。

#2 SHOPLINE
圖/ 數位時代

BUNNYWORK 推 AI 營運特助,主動預警缺貨與滯銷也發掘成長機會

除了行銷之外,AI 也開始深入零售業的日常營運,協助品牌從事後處理走向事前預測。BUNNYWORK 創辦人周于如指出,電商營運常面臨幾大痛點:商品售罄後客戶問了才發現缺貨、補貨數量仰賴 Excel 與個人經驗判斷,滯銷商品也往往要到季末才浮現。「營運方式不同,留下的利潤差很多。營收決定你做多大,營運才決定你能留下多少利潤。」

針對這些痛點,BUNNYWORK 推出定位為「會思考的電商 AI 特助」的解決方案,目標是讓電商營運進入「自動駕駛」。傳統 ERP 只負責被動紀錄營運數據,BUNNYWORK 則讓 AI 24 小時主動盯盤:根據銷售數據提前發出缺貨預警、產出補貨建議單,並每日掃描商品銷售速度,一旦偵測到滯銷風險,即透過 LINE 推播提醒品牌及早規劃促銷、加速庫存去化與資金回流。除了提前規避風險外,AI 也幫助電商看見潛在機會:偵測到爆款潛力的商品,提醒品牌提早加碼備貨、調整廣告資源,把握成長時機。

至於 AI 為什麼能提供可靠的營運建議?背後仍取決於數據基礎。周于如解釋,ERP 串聯商品、銷售與庫存等不同環節的數據,並即時同步多通路的商品與庫存資訊,讓 AI 掌握完整且即時的營運全貌,同時降低超賣風險。「唯有建立乾淨、即時的資料基礎,AI 才能進一步辨識缺貨與滯銷風險、並發掘銷售成長機會,協助品牌提前應對、做出更精準的決策。」目前品牌平均約 7 天即可完成導入。

#1 SHOPLINE
圖/ 數位時代

精兵團隊導入 AI,解決流程瓶頸再創高成長

從流量獲取到營運效率,AI 的價值最終仍須回到顧客經營與商業成效。大會壓軸的高峰沙龍回到會員經營。beBit TECH 商務長譚學凱指出,OmniSegment CDP(顧客數據平台)能整合分散的顧客資料,建立 360 度顧客輪廓,進一步支援跨渠道的精準經營;旗下導購型 AI Agent「AgentBit」,提供對話式分眾,讓使用者與 AI 對話就能快速打包推播受眾,不再需要手動設定篩選條件;商品興趣預測則以 AI 學習客戶的行為軌跡,自動將高相關商品推送給高潛力買家;AI 智慧分析更只需透過問答,即時分析品牌檔期成效與提供優化建議,並能一鍵調整現有顧客旅程。透過 CDP 與 AI 功能加乘,大幅提升行銷團隊協作效率,並支援逾 2,000 種 OMO 跨通路智慧推播,協助品牌更有效地觸及目標客群。

#0 SHOPLINE
圖/ 數位時代

HYPHY 品牌共同創辦人林又立分享,品牌長期透過 LINE 經營千人會員社群,希望在規模化經營的同時,仍保有一對一對談的親切感與即時回覆的能力。導入 AgentBit 後,團隊能透過 AI 對話快速完成受眾分群,並取得具體的行銷優化建議,降低操作門檻。以單檔活動為例,LINE 發送量僅為原先的 15%,點擊率卻提升 227%,EDM ROAS 更提升至原先的 3.3 倍,展現 AI 協助品牌提升溝通效率與行銷效益的潛力。

對於資源有限、希望嘗試 AI 的品牌,林又立也分享了務實的做法:「不要一開始練跑就想著今天要跑全馬,先踏出第一步,把目標定在到達下一個電線桿就夠了。」與其一開始就追求全面轉型,不如從具體的營運需求出發,逐步找到適合 AI 發揮的場景。

活動尾聲,葉力維也提醒,品牌導入 AI 前,應先盤點內部工作流程,找出真正影響效率與成效的瓶頸,再思考如何運用 AI 改善。「那就是你最該導入 AI 的地方。把 AI 放在流程上,才是關鍵。」與其為了導入 AI 而導入 AI,先解決實際問題,才能讓技術真正轉化為營運成果。

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