台積電9月營收破1500億大關,Q3季增11%優於預期!3奈米量產時機看準一件事
台積電9月營收破1500億大關,Q3季增11%優於預期!3奈米量產時機看準一件事

10月8日更新:台積電9月、Q3營收

台積電今(8)日公布 2021 年 9 月營收報告。2021 年 9 月合併營收約為新台幣 1,526 億 8,500 萬元,較上月增加了 11.1%,較去年同期增加了 19.7%。累計 2021年 1 至 9 月營收約為新台幣 1 兆 1,492 億 2,600 萬元,較去年同期增加了 17.5%。

第三季營收約4146.7億元,季增11.4%,年增 16.3%。依照台積電先前的Q3業績展望,單季合併營收在146~149億美元之間,財測區間為4073.4~4157.1億元,季增幅度介於9.5~11.7%,毛利率預計落在49.5~51.5之間。基於此財測狀況顯示,台積電Q3營收將優於預期。

以下為7月16日報導

全球晶圓代工龍頭台積電昨(15)日召開線上法說會說明第2季營收狀況。受到車用晶片與HPC(高效能運算)的帶動下,第2季營運持續維持成長,然而受匯率與庫存成本上升影響,毛利率50%較上季減少2.4百分點,仍達49.5% ~ 51.5%財測區間但已為低標,勉強守住50%大關。

台積電第2季業績EPS 5.18元,低於市場預估5.2~5.38元水準,第3季營收預估也將低於市場預期。台積電預估第3季營收成長10.99%,毛利率為49.5~51.5%,對比外資第3季營收成長介於11~20%、毛利率回升至51.5~52.5之間、每股盈餘有望突破6元的預估,台積電展望相對僅觸及低標而已。

政治、疫情因素尚未解決,產能緊缺持續至2022年

另一方面,在產能緊缺問題上,受疫情、政治與結構性需求成長的多重因素影響下,今年產能緊缺問題持續發酵,預期仍會延燒至2022年。

但長期而言,5G與HPC需求仍會帶動新進製程。看好接下來的產業發展,台積電上修2021年全年展望,扣除記憶體市場,半導體市場年成長率達17%,晶圓代工成長約20%,而台積電將優於20%。

圖/ Flickr CC by Sandia Labs

疫情驅動地緣政治,台積電擴產布局備受關注

2020新冠疫情肆虐,意外的引爆全球晶片荒問題,同時也驅動各國地緣政治的發展,身為晶圓代工龍頭廠商,台積電的擴廠布局狀況眾所注目。

劉德音表示,台灣未來仍是台積電研究先進製程的重鎮,5奈米和3奈米的擴產將持續在台灣進行,而美國亞利桑那州擴產仍持續進行,未來會以5奈米為主,預計2022年才會移進機台,2024年初產量產。

至於中國南京廠,則是以成熟製程導入為主,新廠可望於2022年量產28奈米,預期2023年中可達14K/m水準。

日本部分,台積電則表示,晶圓擴廠計畫目前還在評估中,考慮增加特殊製程產能,但尚未下最終定論。而3D IC研發中心已與日本超過20家廠商合作,主要是合作材料、載板等相關項目。

MCU產能提高6成,Q3車用「晶片荒」獲緩解 

汽車應用主要晶片為MCU產品。面對車用產能緊缺問題,魏哲家表示,整個車用產品從晶片到製作完成到OEM耗時約6個月,目前已成功增加MCU產能,相比於2020年Q1增加30%,因此2021年整體MCU產能預期會增加60%。換言之,車用產能可望於第3季獲得緩解。

台積電表示車用MCU缺貨狀況將在第3季獲得緩解。
圖/ 現代汽車

另外,針對近期可看到諸多IDM大廠陸續增加車用產能,是否會對台積電造成訂單衝擊問題?台積電總裁魏哲家則表示,不可能,因為部分55nm、40nm、28nm的產能需要台積電達成,且產能緊缺到2022年的狀況仍不變。

綜觀全球汽車市場,朝智慧化、電動化發展已是大勢所趨,伴隨而來的是半導體相關零組件數量大幅度成長,特別是在特殊製程上,需求會更加龐大;此外,矽(Silicon)含量的增加量是接下來觀察重點。雖然從財報上來看,台積電第2季汽車產業營收僅佔整體營收的4%,但從季成長率來看,卻足足提升了12%,後市可期。

技術挑戰大,3奈米2022下半年量產

先進製程規劃維持相同進度,5奈米量產已邁入第2年,營收貢獻18%,7奈米技術也持續量產中,營收貢獻31%。而同屬5奈米家族的4奈米製程,採用的機台與5奈米相同,預計年底進行風險性試量產,2022年正式量產。

而主要應用領域在手機的3奈米,則預估2022下半年才開始量產,在時程規劃上似乎有點緩慢。台積電對此表示,3奈米的設計非常複雜, 需要等客戶有明確的使用需求,才會開始進行量產 ,故時間點安排在明年下半年。

責任編輯:蕭閔云

關鍵字: #台積電(tsmc)
往下滑看下一篇文章
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承

1973 年,良興從台北光華商場一間 50 坪的電子零件行起家,半個世紀後蛻變為年營收破十億、毛利率 18% 的全通路 3C 品牌。不過,伴隨規模擴張帶來的不只是成長,還有日益加劇的管理摩擦。門市遍布全台、品項高達近萬筆,加上跨部門協作頻繁,行政耗損與知識傳承的缺口,成為這家老字號邁向下一階段的隱形天花板。

良興總經理賴志達回顧,從電子零件跨入電商、從線下擴張到 OMO 全通路、再到會員深度經營,作為 3C 零售業者,良興每一波轉型都走在同業前面。「現在輪到 AI 了。如何做到人機協作、AI 賦能,就是良興第五波轉型的核心命題。」

AI 自動化,從行政細節釋放組織戰力

轉型需要夥伴,而賴志達評估合作夥伴的標準很明確:技術能力是基本,產業知識(Domain Know-how)的深度是關鍵,回饋速度更是最終決定因素。2025 年的未來商務展上,良興選擇攜手 Data-DI,看重的正是其「策略諮詢 + AI 產品 + 落地陪跑」三軌並行的實施能力。

很快的,良興與 Data-DI 合作的第一個專案,就落在最耗費人力、卻最常被忽視的環節:會議記錄。「會議如果沒有產值、沒有效果,對企業很傷!」賴志達說,他每天參加許多會議,但跨單位協作的會議記錄長期依賴人工聆聽與逐字整理,常出現人名誤植、決策遺漏、行動項目無人追蹤,讓會議效果大打折扣。

數智聚(良興)_1.JPG
良興總經理賴志達
圖/ 數位時代

為了解決會議記錄的痛點,Data-DI 業務副總包威棣指出,在導入工具以前,團隊須先釐清三件事:場景是否具備落地價值、哪些流程節點適合 AI 介入,以及以終為始地掌握客戶真正想要的輸出樣貌。這些看似基本的提問,都決定 AI 能否精準落地。

確認方向後,良興與 Data-DI 成功導入 AI 會議記錄自動化系統,透過模糊比對技術校正語音辨識誤差,並將生成的雙版本報告直接回存至既有資料庫,不僅將行政人員從重複性作業中釋放,也為後續的 AI 應用奠定扎實的系統整合基礎。

賴志達分享,現在他去外部開會也會用這個工具,運用 AI 把錄音轉文字、再整理成簡報,很快就能完成,更令外部夥伴驚艷。「我認為這是很成功的案子!也提醒想做 AI 的老闆們,與其急著搞大架構,不如先從小工具讓公司嘗試 AI,建立理解和認同。」

AI 把資深員工大腦轉化為資產

補完行政效率的缺口後,良興接著切入更深層的營運核心:知識傳承。過去,頂尖銷售經驗長期鎖在少數資深員工身上,新人培訓耗時三個月,員工離職即帶走知識資本。與此同時,網路資訊發達,消費者進店前早已掌握基本規格,3C 通路門市人員要如何發揮更多價值?「我要門市的人不是死背規格,而是面對客人時,能用客人能理解的方式對話。」賴志達說。

為此,Data-DI 協助良興建置 AI 門市教育訓練系統。系統透過六大自動化關卡,串接教材生成、審核上架、AI 銷售對練與成績回報,主管僅需在核心節點審核;員工透過手機語音對練,系統依口吻、專業度、回應力等維度自動評分。賴志達表示,目標是將新人培訓期縮短至一個月,讓數十年累積的銷售智慧轉化為可複製、可傳承的企業資產。

然而,要讓這套系統真正運作,得先解決兩個根本問題:資料從哪裡來?以及訓練如何更準確?

「以前大數據時代,講的是資料要大、全、細、實;現在 AI 要做到的是準(準確)、合(合乎場景)。」包威棣說。良興不同廠商提供的素材品質參差不齊,Data-DI 除了整合內部資料,也補充加入外部市場評測內容以填補空缺,再透過人員審核機制過濾雜訊,搭配 agent 架構的多層步驟與知識限定,確保系統能精準提煉對應品類的訓練素材。

數智聚(良興)_2.JPG
Data-DI 業務副總包威棣
圖/ 數位時代

賴志達則看得更遠:「這些教育訓練的內容,也將成為公司未來訓練機器人很好的原料。」

Data-DI 陪跑型顧問,帶領企業 AI 轉型

良興與 Data-DI 合作的兩個專案中,雙方共同克服了長提示詞邏輯混亂、AI 幻覺污染知識庫、逐字稿讀取逾時等技術難題。邁向下一步,賴志達表示,公司各部門很早就建置 Power BI 報表,但數據豐富不等於決策清晰。「數據是土壤,如果沒有梳理,就沒有用了。」因此,他的下一個目標是活化數據資本、推動行銷自動流,以精實的人力持續驅動成長。

數智聚(良興)_3.jpg
良興攜手 Data-DI 推動 AI 落地,以小步快跑模式為企業創造變革。
圖/ 數位時代

包威棣則從顧問視角歸納兩個觀察:AI 導入需要高層認同、由上而下推進,像賴志達這樣持續引領良興走在業界前端的決策者,就是不可或缺的推手;而單點工具的價值,終究要累積成組織體質的轉變才算真正落地。「就像會議記錄改變了會議當責的結構,人員訓練改變了知識傳承的方式。從點狀應用走向企業變革,這種決策思路才是 AI 真正深入落地產生價值的關鍵。」

最後,對於仍在觀望AI應用的企業,他則建議:「未來 AI 導致的落差只會愈來愈大,人會變成超級工作者,企業會變成超級企業。開始做就對了,先做一個三個月的小任務,降低落差、再急起追上。」從痛點切入、小步快跑,讓組織在實作中累積對 AI 的理解與信任,這正是 Data-DI 的陪跑哲學。

有關更多 Data-DI 相關資訊,請查詢網站:https://www.data-di.com/

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