震撼!華為余承東證實9/15起台積電將斷供5G晶片,遺憾未佈局半導體製造
震撼!華為余承東證實9/15起台積電將斷供5G晶片,遺憾未佈局半導體製造

「受美國對華為第二輪制裁影響,很遺憾今年秋天即將發表的旗艦機『華為Mate 40』,搭載的麒麟9000晶片,將成華為麒麟高階晶片的絕版品,」華為消費者業務CEO余承東昨(7)日在一場中國信息化百人會2020峰會上,首度鬆口自家研發的高階晶片可能成為絕響,而這也意味著台積電法說會上所言、9月14日以後將不再出貨華為訂單一事,成了不爭的事實。

余承東.jpg
余承東在一場會議上證實,秋天問世的Mate 40系列可能是搭載華為自家高階晶片的絕版品,顯示在美國打壓下,華為將無法再台積電下單、生產晶片。
圖/ 鈦媒體

華為高階手機包括主打商務市場的Mate系列以及主打拍照功能的P系列,過去靠著台積電10奈米、7奈米等先進製程所打造的麒麟970、980及990等高階晶片搶攻不少市佔率。根據IDC於7月公布的最新數據顯示,華為以5580萬台的出貨量、20%市佔率搶下市場第一,擠下三星的5420萬台出貨量、19.5%的市佔率,截至目前上半年度華為手機全球出貨量達到1.05億台。

華為晶片 採用製程 代表產品
麒麟970 TSMC 10 nm 華為P20、華為P20 Pro、華為Mate 10、華為Mate 10 pro
麒麟980 TSMC 7 nm 華為P30、華為P30 Pro、華為Mate 20、華為Mate 20 Pro、華為Mate 20 X
麒麟985 5G TSMC 7 nm 榮耀30
麒麟990 4G TSMC 7nm 華為Mate 30、華為Mate 30 pro
麒麟990 5G TSMC 7nm+ 華為P40、華為P40 Pro、華為Mate 30、華為Mate 30 pro

余承東也表示,若非美國制裁、華為手機的出貨量在去(2019)年就能超越三星穩坐全球市占第一的位置;而今年在疫情影下與禁令持續打壓等雙重打擊之下,華為手機已少出貨6000萬台,預計全年出貨量也會因晶片的短缺而低於2019年的2.4億台水準。

美國制裁,凸顯華為在半導體產業上的跛腳現象

對於會有如今的情況,余承東自己也坦言華為在十幾年前在選擇的時候,因為沒有完全參與半導體產業,才會導致如今只有自家設計晶片、卻無生產的實力。

余承東進一步提到,即便中國在手機、電腦等全球市場份額領先美國,但是產業鍊的縱深、以及對於核心技術跟核心生態的控制能力,仍與美國有一大段差距。特別是在材料、製造設備、晶片等方面差距更是被拉大。

華為
雖然疫情跟美國禁令打壓下,讓華為手機上半年出貨少了6000萬台,但根據IDC統計,華為的手機出貨量在今年第二季衝上全球市佔率20%,更一舉擠下三星成為全球手機市佔第一。
圖/ 王郁倫攝影

他說,過去華為在晶片領域的探索,從嚴重落後到比較落後,從技術領先到如今被美國政府撲殺,也讓他更了解華為、甚至是中國的半導體界都要正視這個問題,由於中國半導體正面臨到前所未有的外部挑戰,未來半導體產業鏈上的夥伴都要全方位的扎根,他更以「技術、技術、技術」的說法強化了扎根的重要性。而以技術為需求的前提下,不單只是砸大錢、人才更是不可少的一部分。

semiconductor
余承東認為,華為乃至於大陸都面臨到必須在半導體深耕技術的問題,不只是砸大錢、人才的延攬更是迫在眉睫。
圖/ shutterstock

然中國半導體也非沒有動作,之前中國政府也端出「中國製造2025」的宏觀願景,其中針對半導體產業的目標是提升自主化,包括晶圓製造、IC設計、封裝測試、設備和零組件、特殊材料等領域,喊出要在2025年時將自給率提升至70%,但是研調中心IC insights立刻打臉,認為即便到了2024年自給率也僅能達到逾2成,離7成目標肯定還有一大段距離。

無形中也凸顯了在無法有效提升半導體自主率的情況下,外界的打壓對華為的發展肯定是充滿各種障礙。

台積電5奈米製程,走了華為來了蘋果

而過去一直是華為在技術上重要支援的台積電,雖然從不對客戶的事情做出評論,但今年第二季法說會上,董事長劉德音罕見針對美國打壓華為所祭出的微量原則(De Minimis Rule)做出解釋,明確點出5月15日以後不再接受華為的訂單、9月14日以後將不再出貨予華為。

當時劉德音法說會上透露,即便美國對華為祭出手段,但以「General Product(標準產品)」的方式出貨,或許是寬限期後可能的解方,不過這都必須等到9月14日後華為禁令是否有更進一步的調整才明朗,但隨時間逼近,華為宣佈高階晶片將無法再在台積電5奈米製程中投片,未來合作面向深度恐怕是會出現大變革。華為此刻少了台積電的「神助攻」,中國半導體的表現也未成氣候,該如何解決這個難題可能是華為現在最頭痛的功課。

Apple MacBook Air
台積電雖然沒了華為這個大客戶,但是除了AMD的ZEN 4架構預計將採用5奈米外,也迎來了蘋果Arm架構的CPU,先進製程依舊相當熱門。
圖/ Apple

作為台積電第二大客戶(14%,第一大為蘋果、約23%)的華為,外界一直關注若華為訂單消失後,台積電的先進製程產能是否會因此受到影響,其中又以今年剛進入量產的5奈米最受關注。但事實證明,除了一直緊跟台積電先進製程發展的AMD、Zen4架構預計將採用5奈米外,宣布將開發自家Arm架構CPU的蘋果,該晶片也是採用台積電5奈米的製程,讓先進製程的產能表現持續滿載。

標準品是否成為華為解方,靜待9/14後見分曉

沒有了華為的台積電,就目前看來表現依舊亮眼,高階製程的產能也在5G、宅經濟等帶動下,迅速被客戶填滿;而少了台積電助攻的華為,面臨到的是自家設計的高階晶片無從生產,5G佈建、手機市佔率可能都將要面臨挑戰,誠如余承東所言,數十年前華為沒有選擇參與半導體領域就是導致現在窘境的錯誤決定。

台積電 劉德音
劉德音不僅在法說會上首談華為禁令一事,也透露在寬限期後可能的解方,將會是以標準產品的形式出貨,但一切仍是未知數。
圖/ 簡永昌攝影

責任編輯:王郁倫

關鍵字: #台積電 #華為
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