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
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