擴大投入第三代半導體!汎銓材料訂單暢旺,連台積電也是它客戶
擴大投入第三代半導體!汎銓材料訂單暢旺,連台積電也是它客戶

高效能運算(HPC)、5G、AI、IoT、雲端與車用概念晶片需求大增,刺激先進製程升級,並擴大第三代半導體研發技術投入,帶動汎銓材料分析(MA)訂單與業績的成長,整體故障分析(FA)的市占率不斷提升。

由於中國先進製程設備進口受美國阻礙,第三代半導體反成為可以發揮的優勢。汎銓談到,目前中國廠商已具備第三代半導體所需要的製程、設備和磊晶技術能力,加上內需市場對於相關應用(如電動車)的需求強勁,後續僅待良率、成本優勢逐一克服,想必將創造新的成長高峰。

也因此,第三代半導體已成為中國積極推動的發展重點,SiC、GaN與MOSFET等技術都是其投入重點。據了解,汎銓早於2018年就已在南京設廠,協助廠商進行第三代半導體與先進製程的材料分析業務。

汎銓副總經理暨財務長蘇靖棋表示,目前中國地區總體營收占比約10%,相比於去年增加5%,其中第三代半導體營收比重約15~20%。

汎銓今年前7月合併營收7.95億元,年增32.82%,今年上半年整體毛利率達35.47%、EPS 2.07元,看好材料分析服務訂單仍呈現供不應求,挹注下半年營運可望呈跳躍式成長。

汎銓營運團隊。
圖/ 盧佳柔

汎銓的主要業務為半導體材料分析與故障分析,為全球各知名半導體大廠的重要研發夥伴,月服務超過200家以上半導體產業鏈從上游IC設計公司設計、晶圓製造、封測至下游的設備廠之客戶,目前材料分析市占率已超過50%,已為名符其實材料分析業界之隱形冠軍。

汎銓客戶遍及上游封測、晶圓代工、IC設計和IDM廠商。
圖/ 盧佳柔

柳紀綸表示,目前汎銓主要營收來源在於材料分析,占整體營收8成,而故障分析則為2成。他比喻材料分析就像是晶圓廠先進製程開發的領航人,每個先進製程節點設計的狀況、是否達到預期,皆需要藉由專業的分析公司提供它們相關正確資訊,使其繼續往下個步驟前行,而這也是檢測分析領域中,含金量最高的地方。

材料分析技術量能就緒,跟隨台積先進製程腳步

汎銓先進製程主要客戶為台積電,搭配台積5奈米以下的先進製程發展,提供相對應的材料分析服務。

柳紀綸提到,先進封裝裡面會有很多不一樣,包含InFo、CoWoS、3D堆疊技術等,這不外乎在研發過程中,會需要大量新的材料、新的微縮線寬增加半導體內單位體積電晶體數,對於大量材料分析支援的要求將更多,以提高其研發與產品開發速度。

半導體產業高階製程研發必要的 Pilot 角色。
圖/ 汎銓科技

汎銓從成立至今,就積極投入半導體材料分析與故障分析兩大領域的研發,特別是獨有的低溫原子層鍍膜技術(LT-ALD),讓汎銓在全球材料分析先進製程的研發中脫穎而出,受到台積電、日月光與中國封測三雄江蘇長電(JCET)、通富微電(TFME)及天水華天(Hua Tian)的關注。

汎銓透過LT-ALD技術在樣品外形成保護,避免樣品因電子束照射產生變形,進而提升材料分析的精準度,並於2020年取得專利。柳紀綸強調,該公司最大的優勢就是可以「保持樣品原貌」,讓用戶能精準地開出分析條件,並且能往前追溯之前的問題。

汎銓自主開發分析技術。
圖/ 盧佳柔

汎銓公司研發團隊擁有碩博士學歷人數達6成以上,每年研發費用以占營收比例約在5%左右持續高穩定度投入技術升級的各個環節,突顯公司投入相當多資源並專精於分析技術工法開發、撰寫專利、掌握材料特性與量測應用技術,成為領先市場且市占率逾5成的重要關鍵。

關鍵字: #半導體產業
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