馬來西亞廠12月20日動工!插旗亞太資料中心重地,緯穎洪麗甯:上游缺貨Q2緩解
馬來西亞廠12月20日動工!插旗亞太資料中心重地,緯穎洪麗甯:上游缺貨Q2緩解

12月8日

緯穎執行長洪麗甯表示,馬來西亞自有組裝廠,則預計12月20日正式破土動工。台灣廠區方面,洪麗甯指出,配合啟碁南科新廠規劃,台灣廠區將在2022年下半年整頓,已排隊登記土地預約需求。

洪麗甯表示將推動企業專網,也已拿到5G實驗執照,會在自有工廠、機器進行場域試驗中,近年除中國生產基地,緯穎也擴大布局墨西哥、台灣產能,馬來西亞後端組裝廠雖然受疫情影響進度,但12月20日將破土興建,2022年底完工、2023年啟用規劃。

受到META需求大增激勵,緯穎本季營運優於第3季,展望2022年,洪麗甯認為2022年產業缺料問題難解,明年第2季起上游供給可望逐步緩解,但反應至下游預期仍要到2022年下半。

7月9日 全球零件大缺貨,到下半年仍未解!伺服器第2季缺料效應發生,華擎透露訂單被迫遞延第3季出貨,緯穎是臉書及微軟主要資料中心伺服器機櫃供應商,第2季零件缺口也估達1成,緯穎副董事長暨執行長洪麗甯指出,「下半年情勢會比上半年更嚴峻。」

「我認為今年營運還是會比去年成長,但成長能否達雙位數百分比目標,就要看料況,而匯率也影響(業績)5~6%,但訂單確實是有的。」洪麗甯在緯穎股東常會會後受訪指出,第3季零件供應缺口超過10%,不悲觀但也不敢樂觀,但第4季還看不清楚。

伺服器廠庫存、採購成本都上升

今年伺服器需求大好,但伺服器業者忙翻天,不僅是忙接單出貨,更因零組件大缺貨,加上伺服器靠海運,如今貨櫃缺、運費漲,挑戰一波波。洪麗甯歸納伺服器業者上半年忙做兩件事:

  1. 因應缺料現況,拉高備料庫存水位,下單供應鏈時間拉長,也就是提早下2022年訂單提前包量。
  2. 成本上升。因為有長短料(某些零件足,某些不足),緯穎必須要去Spot Market(現貨市場)上掃貨,「大家都搶得很凶,貨一上去馬上被掃完,該做決定時就要(馬上)做決定。」也因此會有多出的成本,要跟客戶逐一討論。
TI
德儀缺貨嚴峻。
圖/ TI

而展現在緯穎本身的,則是猛追料提高庫存後,庫存水位大幅拉高的現象。「為了成就最大的業績,1.我們把所有備料時間拉長,以前亞洲到歐洲花4~6周運程,現在我們估計拉長到兩倍,約8周,所以在途庫存會高。2.下給供應商的料期拉長,最離譜的料都下到2022年底了,大家都知道有一家料缺很凶。」她說。

TI缺料嚴重,Q3缺口擴大逾10%

「第2季剛結完,如果沒有缺料大概可以再多出10%,有點可惜,現在每天追料,以系統來說,捷克、墨西哥廠端最缺交換器Switch(網通廠部分供貨),由客戶主導分配,在主機板端,有3000~4000顆零件,缺很多小料,有些可以加價付錢優先拿料,有些比較難克服。」洪麗甯說。

她舉例,德儀(TI)零件缺很兇,有時一缺缺上百個,現在每天緯創總經理跟她都得輪流跟德儀副總視訊催料,同時也開始引進台系元件,認證第三方供應商,測得過就換料克服。

緯創
緯穎是伺服器大廠,客戶有微軟跟臉書等。
圖/ 王郁倫攝影

上半年需要到現貨市場掃貨,但實際出貨量仍比接單少了1成,下半年情勢看來會比上半年更嚴峻,為什麼?「上半年產業還有一些SPOT market的庫存可以掃,所以聽起來不會那麼慘烈,我們不斷找市面庫存,然後換料,所以影響還好,但下半年缺料將更為嚴峻,因為可以掃的貨都掃光了,歷史庫存也大概用光了,」為此下半年必須更努力找替代廠商,跟客戶合作。

去中國化向前推進,南科成板卡重鎮

而貿易戰也將伺服器列入關稅清單,「去中國化」發酵,緯穎3月董事會也決議將在馬來西亞佛柔購地建廠。「這是緯穎首個自有廠房,計畫蓋滿太陽能板,目標打造金級綠建築,」佛柔距離新加坡邊境40分鐘車程,因疫情延後1季工期,2022年底完工,2023年量產,是一個純組裝廠。

南科台積電拷貝.jpg
南科已是科技大廠佈局重地,緯穎也在南科設立板卡廠。
圖/ 無限+生活誌

「絕大多數大客戶亞太選新加坡蓋資料中心,包含Facebook,過去沒到過亞洲,也落腳新加坡,」洪麗甯指出,這是第一座工廠選擇佛柔主因,地理位置上,因為很多客戶在新加坡跟印度,馬來西亞到澳洲雪梨也近,佛柔距離新加坡邊界開車40分鐘就過去了,是國家重點開發工業區,因此獲選。

資料中心設計大變革,拼散熱方案普及化

「因為亞熱帶資料中心蓋法跟歐美平面式蓋法不一樣,採取疊加式去蓋,散熱想法也不同,花費較長興建時間」緯穎表示,今年資本支出10億元,多數支出於此,板接(主機板)大部分在台灣生產,2022年計畫將啟碁的南科廠整棟承租下來,產能擴增2倍,協同墨西哥產能,屆時非中國產能將拉高超過6成以上。

datacenter-liquid-cooling-ioannis-manousakis-husam
微軟在官網發表與緯穎合作的液冷資料中心解決方案。
圖/ 微軟

不僅客戶因應亞熱帶,資料中心硬體設計必須改變做法,未來資料中心運算力提升,散熱也是一門大學問,緯穎跟微軟合作的兩相浸沒式伺服器受到矚目,洪麗甯也坦言,該設計可實驗可量產,因客戶大方展示,讓其他客戶詢問度很高,有示範性效果。

但因這個液冷設計會改變客戶資料中心原本結構設計,對客戶來說,要決定採用與否是蠻困難的課題,因此目前客戶都要實驗後才能判斷是否採用,目前的設計體積也比較大,緯穎也將努力修改設計,讓客戶更好導入,這將是未來努力目標。

責任編輯:蕭閔云

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