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
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