晶圓雙雄拼資本支出成長率
晶圓雙雄拼資本支出成長率
2004.02.15 | 科技

多年來,晶圓雙雄台積電與聯電間的較勁,始終不缺話題,無論景氣好與壞。根據半導體產業協會(SIA)估計,今年全球半導體市場成長率超過19%,是自2001年以來最大幅度的成長,在景氣來臨之際,大幅投入資本,擴充產能,成了今年所有半導體業者的重頭戲。

**產能滿載 加碼擴廠

**農曆年後,陸續登場的晶圓雙雄法人說明會,就可嗅出這股復甦與擴產的味道。「去年第四季,台積電產能利用率達101%,是三年來首度破百,半導體復甦的訊號非常明確,」率先登場的台積電法說會上,董事長張忠謀樂觀表示。他並預估第一季產能利用率仍將破百,而今年台積電資本支出達20億美元,比去年大幅成長八成。
「好像在黑暗中,有人將電源打開,突然間到處一片光明,」緊接著登場的聯電法說會上,執行長胡國強更具體形容目前半導體的氣氛。胡國強指出,今年半導體正進入全面復甦階段,PC、通訊、消費性電子三大塊半導體的應用領域,都擁有全面性的成長,去年第四季,聯電產能利用率達96%,同樣也是過去三年來最好的一季,預計今年第一季仍將繼續成長,聯電今年的資本支出達21.2億美元,硬是把台積電給比了下去。
「今年將是12吋晶圓製程開花結果的一年,」張忠謀指出。晶圓雙雄大幅擴張資本支出,七成以上的比重將應用在12吋廠的設備上,進而帶動半導體進入12吋晶圓的時代,產能利用率達100%的產能滿載,也顯現出半導體目前正處於供不應求,「加碼」擴廠已是必然。

**設備問題 有待考驗

**
然而,對整整苦了3年的半導體來說,強勁復甦固然是好消息,但背後卻也有擴產計畫能否如期完成的隱憂。除了晶圓雙雄外,全球前兩大半導體廠商英特爾、三星,在今年同樣也有龐大的資本支出計畫,金額分別高達43億、38億美元,而德州儀器、英飛凌等半導體大廠,預計今年也都有類似的計畫,「產能擴張的『海嘯』,今年正朝著半導體設備市場迎面而來,」研究機構顧能(Gartner)分析師理恩(Klaus Rinnen)形容。
「各半導體大廠資本支出大成長的背後,正面臨著採購不到核心設備的風險,」英國《金融時報》(Financial Times)專欄作家佛瑞曼斯基(Tom Foremski)指出。過去3年來,半導體處於景氣谷底,使得廠商們不斷縮減資本支出,延後採購設備的計畫,光2002年,半導體設備市場規模就縮水了58%,迫使各半導體設備廠商裁員、暫緩研發;在市場進入12吋晶圓世代,能否提供充足的先進生產設備,將備受考驗,「我們正處於市場波動的艱困期,」全球最大的半導體設備供應商應用材料(Applied Materials)執行長斯普林特(Michael Splinte)指出。
好不容易挨到了半導體的春天來臨,接下來,資本支出、產能擴建的計劃準時執行,則是今年半導體另一個觀察的焦點。

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

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
代理式商務連動百兆商機
© 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