砸4億元從製造跨足IC設計!通寶要當印表機界獨角獸,宏碁、華碩這把為何不跟?
砸4億元從製造跨足IC設計!通寶要當印表機界獨角獸,宏碁、華碩這把為何不跟?

蘋果11月新發表第一顆自主研發的Arm架構電腦處理器M1,Google、Amazon(亞馬遜)、Facbook也自行開發伺服器晶片,全球科技大廠紛紛發展晶片技術,強化功能自主權,並藉此拉開與對手的差距。

反觀台灣有完整的半導體代工製造供應鏈,更是全球最大個人電腦、智慧相機、伺服器代工王國,智慧手機代工也居世界第三大,挾龐大製造規模優勢,以製造代工見長的台灣業者,有沒有進一步延伸到IC設計領域,掌握市場主導力的計畫?

台灣最早期的電子代工(EMS)業者金寶,包括日系與美系品牌客戶在內,一年約替客戶代工組裝2,200萬台印表機。這盤生意在2015年底,高通(Qualcomm)計畫出售印表機晶片研發團隊後,有了結構性的改變。

看準全球印表機市場規模9,000萬台,品牌印表機業者遲早要汰換升級新晶片,金寶於2016年買下高通的印表機晶片團隊,轉投資成立的通寶半導體,嘗試掌握自主晶片。

苦熬多年,耗資1,400~1,500萬美元(約新台幣4~4.3億元),通寶已於11月量產第一顆自主研發的系統單晶片(SoC),28奈米製程,估年底前出貨6~7萬顆。

通寶晶片_2020_11_16_蔡仁譯攝-1
通寶2020年11月第1顆自主研發的系統單晶片(SoC)量產,預估2021年出貨100萬顆。
圖/ 蔡仁譯攝影

由於是業界唯一獨立的SoC印表機晶片商,通寶已取得2家客戶,2021年預估出貨100萬顆晶片,2022年拚300萬顆,2023年更要衝刺到500萬顆。

通寶半導體董事長沈軾榮豪氣表示,要當印表機界獨角獸,「可以把我們想成印表機界的聯發科!」2020年,通寶已開始獲利,目標是2023年登錄興櫃。

研發晶片、系統設計雙管齊下,降低營運風險

每一台印表機晶片都需要一顆核心晶片,過去的印表機3大晶片商Marvell、Conexant、高通,考量到競爭激烈,毛利低於其他業務,已陸續退出戰局。

通寶決定跨入半導體時,沈軾榮的盤算是,由於印表機晶片壽命長達10年,通寶可以一邊接手代理銷售高通既有的印表機晶片,提供售後服務帶進營收;一邊讓團隊研發新晶片,降低未來營運風險。

沈軾榮_通寶董事長_潘修玉_通寶行銷長_2020_11_16_蔡仁譯攝-6.jpg
談到全球印表機商機,通寶半導體董事長沈軾榮表示,「做這生意不愁沒客人,若廠商不自己開發晶片,要買只有找通寶。」
圖/ 蔡仁譯攝影

有別於金寶擅長的EMS生意,「通寶一邊設計晶片,金寶同步做印表機系統設計,2021年第1季,就會有搭載通寶晶片的印表機問世。」

印表機晶片開發不易,從中國納思達集團(Ninestar)的例子可見一斑。該公司早在2015年成立百人列印晶片小組,並在官方(國家集成電路產業基金)補貼下開發晶片,2016年又併購美國印表機品牌Lexmark(利盟)取得50項專利,迄今仍只在做耗材晶片,無法跨入印表主機晶片。

金寶集團評估投入印表機晶片有勝算的原因,除了自身掌握終端系統組裝規模量外,關鍵更在於研發團隊有經驗。「要從無到有召集50位IC研發人才開發自主晶片,風險極大、試錯成本高。」沈軾榮說,先前團隊已累積開發8顆列印晶片,現在開發第9顆,「經驗值讓成功機率大得多。」

通寶營運長王爾樂也說,「一顆晶片開發出來會有很多錯誤(bug),還要跟系統結合,中間要試錯,光一次投片就2、300萬美元跑不掉,最好狀況也得投片兩次。何況,如果是一個新團隊拿一顆新晶片,(印表機品牌)誰敢用?」

成功研發、量產晶片後,沈軾榮樂觀看待未來,「這生意不愁沒客人,如果不自己開發晶片,要買就只有這家(通寶),不然市場上只剩上上世代晶片。」

沈軾榮_通寶董事長_潘修玉_通寶行銷長_2020_11_16_蔡仁譯攝-9
通寶半導體董事長沈軾榮豪氣表示,要當印表機界獨角獸。2020年,通寶已開始獲利,目標是2023年登錄興櫃。
圖/ 蔡仁譯攝影

當然市場也非全都是獨立晶片業者的天下,事實上,印表機龍頭惠普(HP)自己也投資千萬美元開發印表機晶片,但沈軾榮認為,通寶的技術持續進步,惠普遲早也會找上門,因為另一家日本印表機巨頭已經放棄「全自製」晶片計畫,2021年中低階機種將跟通寶合作。

晶片的毛利率高達50%,從低毛利率的系統業務跨入上游晶片,看似是盤好生意,但對系統業者來說,要燒錢4年賭一顆晶片的未來,依然需要仔細盤算能否換取最高勝算。

雙A怎麼看?華碩:先從合作做起

宏碁共同營運長 高樹國
台灣半導體相當進步,宏碁有信心今天要幹(研發晶片),很快會有東西!

對於自主設計晶片,2020年躋身全球第5大筆電品牌的宏碁(Acer)共同營運長高樹國表示,產業環境變化很大,目前為止,(自主設計晶片)雖不在規畫內,但因為台灣半導體相當進步,「有信心今天要幹,很快會有東西。」因此,相較於晶片研發的技術問題,宏碁認為,更重要的思考是「能不能給消費者有價值的東西」。

宏碁共同營運長高樹國_1 降.jpg
談到全球印表機市場規模9,000萬台,品牌印表機業者遲早要汰換升級新晶片,宏碁共同營運長高樹國認為,晶片研發的技術問題只要宏碁想做,隨時都能克服,更重要的是:給予消費者有價值的東西。
圖/ 宏碁

從主機板起家的華碩(ASUS),過去採用「輕投資」策略,入股USB控制晶片商祥碩、安國國際,以及電源相關晶片業者強弦、杰力與力智。

共同執行長許先越指出,華碩之所以沒有開發自有晶片,是顧慮與既有合作晶片商之間的衝突;但華碩會與國外微處理器或繪圖晶片大廠在早期合作開發晶片,享受獨家銷售時光,拉開產品的差異,挑戰是要說服晶片商合作,且只能領先一段時間。

許先越認為,投資晶片與否的關鍵是「應用量夠不夠廣」。如果華碩要開發特殊晶片,預估要花一年時間,若要跟蘋果一樣開發一顆自主Arm處理器,時間將遠超過一年。因此,至少目前並不在華碩計畫內。

華碩 許先越
華碩共同執行長許先越表示,華碩考量規模經濟,並顧慮跟供應商衝突,沒有跨入自行開發晶片。
圖/ 王郁倫攝影

本文出自數位時代319期12月號《解析台灣半導體奇蹟!》封面故事

責任編輯:郭昱彣、張庭銉

關鍵字: #半導體
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