用演算法神預測護國神山良率,這家2億元股本小公司為何能與ASML一起供貨?
用演算法神預測護國神山良率,這家2億元股本小公司為何能與ASML一起供貨?

「美國對中芯提出制裁,可能使聯電及世界先進產能被(轉單)塞爆,但我認為是短多長空。」意德士科技董事長闕聖哲表示。

從事半導體業超過20年,他深知半導體設備廠也需晶圓廠數據支持,才能持續發展先進製程機台,若制裁中芯成真,中國會強力要求中芯不計代價測試與量產本土零件與機台供應鏈,長期對美日供應鏈恐會有很大影響。

意德士
意德士董事長闕聖哲認為中美貿易戰,將加速中國發展本土供應鏈,且不計虧本。
圖/ 王郁倫攝影

意德士是台灣半導體關鍵零件供應商,跟日方原廠合作密切,也是2002年政府推動「兩兆雙星」計畫,期望半導體產業產值突破兆元後,台灣供應鏈加速在地化的成果之一,當年台積電與美商應材等大型半導體業者紛紛推動零組件供應本土化,去年日韓貿易戰一度讓半導體原料短缺,又再度拉高半導體供應鏈警報。

意德士最大營收來源是全氟密封材(FFKM Oring),這是跟日本大金進口全氟材料,自己設計配方所生產開發的耐高腐蝕電漿材料、耐臭氧電漿材料,主要放在薄膜製程中的金屬腔體裡,除「代理」日本合作夥伴大金DUPRA全氟密封材,也推自有品牌,合計營收約佔50%。

目前全氟材料生產都在子公司大鐿生產,為擴張客戶,從晶圓代工廠擴大到供貨半導體設備原廠,大毅新買的二廠4月落成,規模空間是舊廠2.5倍大,目前稼動率已經6成,最快3年內就能滿載。

真空吸盤設計力,連護國神山也訝異

而意德士另一個受矚目業務是半導體曝光製程中會用到的「真空吸盤」設備,由於客戶是全球最大晶圓代工廠,目前雙方從10奈米已經合作到3奈米先進製程,由於客戶持續在先進製程領先美韓對手,意德士第四季也開始對客戶5奈米製程提供真空吸盤,合作業務也受到矚目。

「這個晶圓代工大客戶佔意德士營收占比60%!」闕聖哲說,2009年大客戶跨入奈米製程,一度發現曝光機不精準,導致生產良率下滑,當時曝光機三大廠商為ASML、Canon、Nikon都沒辦法解決,客戶找上意德士,雙方調整曝光設備真空吸盤意外因此密切合作,目前該大客戶除ASML外,真空吸盤供應商還包括意德士。

靜電吸盤
半導體在蝕刻跟薄膜製程都會用到靜電吸盤。
圖/ 王郁倫攝影

「就跟單眼相機一樣,光打出來很精準,但到一定距離會出現角度偏移,客戶發現製程進入奈米,曝光時無法讓所有線路都清楚,」由於發現客戶困擾,意德士利用大數據回歸模擬演算法調整真空吸盤的平面曲度,希望讓所有晶圓在一次曝光中良率可以更好。

「我們一直送樣本去測試,累積上百萬筆失敗數據(小部分成功),藉此計算預測客戶設備可能的良率分布圖,客戶看到預測數據時也嚇一跳,召開技術委員會討論後決定跟意德士合作,」闕聖哲說,現在跟大客戶一路從10奈米到3奈米持續合作中。

「我們花了7年研究,」闕聖哲說,晶圓代工廠跨入3奈米製程,是用5奈米機台去試產精度更高的產品,不斷試錯調整改善良率,而意德士也修改設計送出真空吸盤給客戶。一台曝光機有兩片真空吸盤,雖然單價比ASML低一些,量也不可能多大,但卻能拉抬意德士整體營業額。

全氟
用於半導體製程的全氟密封材。
圖/ 王郁倫攝影

意德士從2000年起發現薄膜製程使用的靜電吸盤與陶瓷加熱器維修再生製造市場商機,一開始是代理銷售,但日本原廠NTK集團評估後決定來台設廠,與意德士合資設立誼特科技,由意德士持股49%,在台灣生產靜電吸盤及陶瓷加熱器、高密度電漿熔射設備,再銷往美國半導體設備大廠。

在真空吸盤設備上,意德士是設計後委託日本NKT代工,再出貨給晶圓代工客戶,未來售後維修也在意德士,至於在蝕刻製程用到的靜電吸盤,則是日本夥伴NKT委託誼特生產出貨,意德士負責售後維修。

意德士預估真空吸盤與陶瓷加熱器等設備銷售營收貢獻約30%,維修營收占比2成,他認為半導體客戶設備機台過保固期後,產生的售後維修商機未來五年仍將持續成長。

87A43418-3D76-4056-8AA8-4008B2D31B7F.jpg
意德士做半導體陶瓷加熱器的售後維修服務。
圖/ 王郁倫攝影

而如何解釋半導體製程前段4大關鍵製程:薄膜(Deposition)、蝕刻(Etching)、擴散(Diffusion)及曝光(Lithography)的作用呢?闕聖哲表示,薄膜製程就像是在晶圓上蓋一層一層建築可以蓋到20層以上,蝕刻就是在蓋好的每層建築上挖洞或蓋街道、擴散則是在建築中植入不同材料,改變電性,曝光就是每一層建築的建築設計圖。

意德士即將在10月底上櫃,這也可看出一家大廠帶動多少中小型供應鏈商機。隨台灣有半導體護國神山撐起本土供應鏈一片天,台灣半導體產業鏈實力不斷增強,而問到若中芯效應將使中國半導體產業奮起如何應對?闕聖哲坦言,最快2年後評估赴陸設全氟橡膠廠,「日方合作夥伴都很支持!」 他說。

闕聖哲自己的創業路也相當崎嶇,早年家族是在迪化街經營服飾櫬布的供貨商,讓他高中以前過著富裕的生活,「上游要拜託原料廠供貨、染色,下游面對通路客戶砍價,」闕聖哲坦言父親雖事業有成,但他也觀察到櫬布生意夾在產業鏈中間,必須謹慎經營,有一次客戶倒帳300萬元事件,中斷了父親事業,他的生活也360度大轉變。

「當年一棟房子才50萬元!」由於家族經商失敗,當老師的母親攢下200萬元鼓勵闕聖哲出國念博士,「我念到碩士就回來要上班賺錢!」闕聖哲拿回100萬元交還母親,念材料的他投入百葉窗產業,不但認識了現在的太太,也才開啟了特用材料的貿易之路。

責任編輯:蕭閔云

關鍵字: #台積電
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