三星打下近3年最佳第三季！獲利大漲背後除了半導體，還有哪一支生力軍？|數位時代 BusinessNext

三星在本週公佈2021年第三季財務資訊，半導體業務居高不下的需求，以及折疊手機熱烈的銷售，推動本季營業利益成長至近三年來的最高水準，達到15.8兆韓元（約新台幣3,700億元）。

這一季繳出的獲利，不僅較第二季的12.5兆韓元成長26%，與去年同期相比也上升約28%，同時也成為繼2018年第三季公佈的17.5兆韓元以來，利潤最高的一個季度。

三星獲利大攀升，半導體業務厥功甚偉

雖然獲利表現亮眼，只不過卻低於分析師預估的16.1兆韓元，因此股價並沒有太大的變動。大和證券高級分析師SK Kim指出，「營收和獲利都低於我們和市場的估計。」

三星還預估該季營收將達到73兆韓元，較去年同期的66.9兆韓元成長約9%。換句話說，在營收成長不到10%的情況下，三星本季獲利卻成長接近3成。

三星未公佈完整的第三季財報，因此還沒有詳細說明公佈的數據由來。但外界已紛紛剖析三星這一季的表現，聲稱半導體業務及折疊手機，可能是推動獲利成長的兩大動能。

根據《路透社》報導，Cape Investment & Securities分析師Park Sung-soon指出，記憶體的價格與出貨量雙雙成長，加上代工業務的獲利上升，整個半導體部門的獲利可能較去年同期成長79%。半導體一向是三星最主要的獲利來源，上半年貢獻了整體獲利的一半左右。

本週三星在年度晶圓代工論壇上宣佈，2022上半年將量產3奈米製程，第二代3奈米製程則將於2023年量產，另外還計畫2025年實現2奈米製程量產。

今年8月，三星還宣佈最新的三年計畫，預計未來3年內將在半導體、生物製藥、AI等領域投資240兆韓元，並將僱用4萬名員工。儘管沒有透露資金如何分配，外界普遍認為大多數資源都會用於半導體業務上。

另外，三星近期也傳出獲得特斯拉HW 4.0晶片訂單，將使用7奈米製程量產。該晶片預計將用電動皮卡車Cybertruck上，目前Cybertruck已累積超過120萬輛訂單，預計2022下半年交車。

折疊手機銷售亮眼，成行動業務重要動能

但半導體可能不是三星這一季獲利高漲的唯一原因，《日經亞洲》指出，元大證券分析師Lee Jae-yoon指出，售價比傳統旗艦機更高的折疊手機，可能是行動業務的重要動能。

雖然2019年折疊手機剛登場時反應平平，高昂售價、螢幕壽命問題更令一般消費者卻步，但在三星堅持不懈推出新折疊機種後，投注的努力似乎終於開花結果。最新推出的Galaxy Z Fold 3及Flip 3在韓國斬獲佳績，上市39天就達到100萬銷量，是三星第三快達到此成績的手機。

其中又以價格相對低的Flip 3最受歡迎，占整體銷量的70%。三星指出，超過一半Flip 3的買家是千禧世代或Z世代（約20至30多歲）的年輕人。分析師預估，從推出到截至第三季財報期限的一個多月內，三星折疊手機全球銷量可達到200萬以上。

不過外界擔憂當疫情趨緩時，人們對3C產品需求量可能會下降，加上晶片短缺、供應鏈危機等因素，手機銷量前景不容樂觀。今年9月底，研調機構Counterpoint就下調了2021下半年的全球手機出貨量預測，將全年出貨量從14.5億部下修為14.1億部。

另外，三星正面臨小米的強勢追趕，今年第二季小米超越蘋果成為第二大手機品牌，創辦人雷軍更發豪語要在未來3年內超越三星，成為全球第一大手機品牌。

資料來源：Reuters、Nikkei Asia、CNBC

最新10月號雜誌《無程式碼時代來了！》馬上購：傳送門
「電子雜誌」輕鬆讀：傳送門

責任編輯：蕭閔云

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」（Agentic AI），在最少人為干預的情況下，自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾，而是需要對AI有正確認識，並制訂循序漸進的導入流程，才能真正發揮AI功效。在2025台灣人工智慧年會中，cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段，深入剖析企業如何從概念驗證（PoC）階段，逐步推進到實際上線（Production），並分享實務經驗與觀察。

延伸閱讀：生成式AI可以怎麼用？cacaFly現身說法，助企業應用GCP服務智慧轉型

解鎖 Agentic AI，企業邁向多任務智慧代理

「很多公司會問，One AI 要做什麼事？但實際上，若要讓 AI 回答公司內部政策或新法條的相關問題，僅靠基礎模型並不足夠。」吳振和指出，要讓 AI 真正成為能「做事」的智慧代理人，前提是它必須理解企業內部的脈絡與知識，並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符，這意味著系統必須具備持續爬取與解析最新資料的能力。為此，企業必須先截取與整理內容，再建構成專屬的知識庫（Knowledge Base），確保資料品質達到可用標準後，再透過檢索增強生成（Retrieval-Augmented Generation, RAG）技術，使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀：從資料清洗到 RAG，大型語言模型的必需品，做出專屬企業的 AI 知識庫！

吳振和強調，這是一個動態循環的過程：從資料蒐集、品質控管、知識庫建構到生成應用，每一環節都息息相關，任何一處鬆動都會影響最終產出的準確性與可信度。

破除「一次到位」迷思，從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望，因此常將 PoC 視為年度計畫的重點，希望能「一次到位」做出具體成果。但吳振和提醒，若缺乏清楚的系統工程思維，PoC 容易淪為「概念展示」，難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程，分為三個關鍵階段：

1.第一階段：可行性評估（Feasibility Study）
企業必須在投入資源前，先明確界定「最需要被 AI 解決的關鍵問題」是什麼，並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性，更要從商業目標出發，釐清導入 AI 的具體使用情境、預期成效與風險邊界，如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段：系統設計與驗證（Design & PoC）
在確定導入方向後，必須規劃清楚資料蒐集與整理流程，確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調，這個階段不能只追求展示效果，而應以「產品化思維」來構築 PoC，使其具備可擴充性、可維護性及安全性，才能為後續上線打下基礎。

3.第三階段：產品化與營運（Production & Operation）
當 PoC 驗證完成後，進入正式上線階段，挑戰也隨之而來。除了需要整合企業內部系統與流程，還必須建立持續監控與維運機制，確保模型表現隨時間演進不會劣化，並能快速回應法規變動或資料更新的需求。吳振和指出，這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

建立模型優化根基，打造高品質的黃金資料集

吳振和特別強調，要讓 Agentic 系統工程真正發揮效益，企業必須先建立一套高品質的「黃金資料集」（Golden Dataset），作為模型評估與優化根基。他指出，黃金資料集的價值在於能為模型選擇與前測提供客觀依據，讓團隊能針對不同任務挑選最適合的模型，避免導入初期就誤踩方向。

同時，黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點，進而快速回應「模型飄移」（Model Drift）的風險。吳振和說明，所謂模型飄移，指的是即使模型本身未經改版，效能也可能隨著環境與資料變動而突然下降，導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果，團隊才能即時察覺效能衰退，並進行迭代更新，確保系統長期穩定運作。

從小規模應用起步，漸進擴展至核心業務

吳振和分享，在實際輔導企業導入 AI 的經驗中，最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證（PoC）階段即可呈現完整的產品原型，然而實際情況顯示，若企業未能建立完善的資料架構與流程基礎設施，即使短期內展現亮眼成效，也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時，應採取漸進式策略，從小規模應用場景著手，逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節，而非獨立的一次性專案。

AI 的導入不僅是一場技術升級，更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局，才能確保 AI 能在企業內部真正「落地生根」，創造長期商業價值，成為真正的智慧代理人。

三星打下近3年最佳第三季！獲利大漲背後除了半導體，還有哪一支生力軍？