旺宏搶當車用Nor Flash龍頭寶座，車用IC出貨量逾3.5億顆！為什麼這麼有底氣？|數位時代 BusinessNext

車業30強》車用IC出貨逾3.5億顆！旺宏搶當車用Nor Flash龍頭寶座，為什麼這麼有底氣？

旺宏專注於非揮發性記憶體，產品以ROM（唯讀記憶體）、NOR Flash（NOR快閃記憶體）及NAND Flash（NAND快閃記憶體）為主。

專注於非揮發性記憶體，產品以ROM（唯讀記憶體）、NOR Flash（NOR快閃記憶體）及NAND Flash（NAND快閃記憶體）為主。2009年就已經佈局車用記憶體市場，車用NOR Flash系列產品也陸續通過AEC-Q100、TS16949等車規認證，且成功打入各大車廠，目前車用電子佔2020年全年NOR Flash營收14%。

旺宏是一間成立於1989年、專營非揮發性記憶體的IDM（垂直設計製造）公司，在深耕消費性、資通訊等市場20年之後，旺宏也開始佈局汽車市場。

旺宏的產品主要以ROM（唯讀記憶體）、NOR Flash（NOR快閃記憶體）及NAND Flash（NAND快閃記憶體）為主，非揮發性記憶體的好處就是當電源關閉後，其資訊儲存內容不會消失，因此可當成是資訊儲存元件，如硬碟一般。

「在記憶體我們累積了20年經驗後，決定將觸角延伸到車用記憶體（Automotive）市場，」旺宏市場行銷處長林民正這樣說。而選在2009年宣布跨足車用電子市場，除看好汽車市場的成長性，更重要原因是旺宏已經做好萬全準備。

林民正說，正如外界對汽車供應鏈的了解，該產業因更著重「安全」考量，因此對於所有產品都有嚴格的要求跟認證；此外，車子屬於耐久財，車廠也希望供應鏈能有更穩定的營運，以確保零組件能供應至少10年。

林民正表示，其實以旺宏所擁有的記憶體技術，早在成立之初就能進入車用供應鏈，但直到2009年才跨足，除因對記憶體技術的掌握更純熟外，工廠電腦化也有很大幫助，透過「SuperNOVA」系統進行數據的搜集與分析，有利於滿足車廠對供應鏈的高要求，旺宏能透過數據強化產品品質，透過數據記錄所有產品的資訊，面對車用客戶的各種需求時，便能更快速利用大數據找到問題點並給予解決方式，也使得旺宏的產品品質由ppm（每百萬顆不良率）下降至ppb（每十億顆不良率）水準。

攤開旺宏2020年的財報可以發現，車用電子目前佔全年NOR Flash營收14%、比2019年成長2%。旺宏董事長吳敏求在2020年10月公開表示，旺宏已經成為全球第二大車用IC供應商、僅次於英飛凌，也看好包括車用、工業及醫療等三大領域的成長性，將會是旺宏重要的供應商。

延伸閱讀：數位專輯｜揭秘台灣汽車供應鏈！產業30強大公開

自2009年宣布將開始佈局車用電子後，2011年旺宏取得了150奈米、110奈米NOR Flash的AEC Q100認證，2012年就有第一筆車用營收進帳，至今車用IC已經出貨達3.5億顆，原本專注於通訊、消費性電子領域記憶體的旺宏，究竟做了什麼改變？

「我們必須從團隊成員進行根本性的調整，」林民正強調。他表示，車用電子對當時的旺宏而言是全新領域，銷售模式也跟通訊、消費性電子等產品有所不同，車用的客戶更在乎的是產品的安全性、穩定供貨等，因此重組一批對車用電子市場有經驗的業務團隊是必要的。

而通過車用認證也是必經的過程。林民正說旺宏以過去20年在記憶體的耕耘，耗費了2年的時間取得了第一個AEC Q100的車用認證，確保產品在各種壓力、溫度等外在環境的條件下，依舊能正常運作，目前旺宏在150奈米、110奈米、75奈米及55奈米等成熟製程的NOR Flash上皆取得了AEC Q100的認證，由於車用電子不追求先進技術，反而更要求穩定供貨與可信度，主要成熟製程生產。

此外，面對車用電子客戶，旺宏也要打起十二萬分的精神24小時待命。林民正表示，產線通過認證後也需要跟車用客戶進行產品認證，若車廠在測試過程中遇到狀況，旺宏必須在24小時內給出初步的解決方式，確保車用客戶能繼續測試任務，「這肯定是要從老闆到員工都有決心跨入車用電子才行，」林民正說。

也因為旺宏本身已經累積了可觀的資料能執行大數據分析，當客戶導入整車有任何的問題時，SuperNOVA系統變成了旺宏協助解決客戶問題的最佳導師：透過數據分析，旺宏能快速找出問題的癥結點、對症下藥，「目前檯面上你認識的汽車大廠都是我們的客戶，」林民正驕傲的說。

縱使英飛凌有意縮減NOR Flash產能、美光也走向高品質小產能的路線，但旺宏仍持續固守NOR Flash戰場，林民正表示，旺宏的機會正是專注提供客戶優質、特殊及有附加價值的產品以滿足客戶在市場的需求，即便過往的競爭對手美光、英飛凌等都有意轉向佈局其他車用記憶體，但旺宏仍十分滿足於NOR Flash車用電子這塊市場。

受惠於電動車、自駕系統的驅動，車內包括ADAS（先進駕駛輔助系統）、車用娛樂系統、儀表板等都會用上NOR Flash，尤其當儀表板轉換成電子式之後，需求量更是有所提升，在變速箱、電池模組中也都需要用到NOR Flash的記憶體，「整體而言汽車對旺宏來說是很好的市場。」

面對全球車用晶片缺貨的現象，林民正認為旺宏已經選定好戰場，只要穩紮穩打地一步步邁進，有機會在未來3~5年內成為NOR Flash車用電子市占第一，而且另一個對旺宏重要的秘密武器，就是根基於旺宏這30多年來在非揮發性記憶體上的研發，「我們擁有超過8,000個專利，」面對市場技術的肉搏戰，這是讓旺宏能有底氣說出搶攻市佔第一的原因。

旺宏

成立：1989年

主要產品：ROM（唯讀記憶體）、NOR Flash（NOR快閃記憶體）及NAND Flash（NAND快閃記憶體）

產業地位：全球前兩大NOR Flash廠

責任編輯：蕭閔云

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。

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。

「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