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 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