一場晶片荒,讓全球汽車產業損失達1100億美元!究竟緊缺到什麼程度?
一場晶片荒,讓全球汽車產業損失達1100億美元!究竟緊缺到什麼程度?

「我們正在失去中國市場。」大眾汽車CEO赫伯特·迪斯最近在某次公開場合說出了這樣一句話,事實上他並沒有危言聳聽,從2020年開始的全球範圍的晶片供應緊缺對汽車公司產生巨大衝擊。

根據Forecast Solutions的統計數據,截至今年8月全球範圍內因晶片短缺導致的汽車減產已達585萬輛。其中中國市場減產112.2萬輛。預計2021年全球汽車減產或將超過700萬輛。分析機構認為,晶片短缺或導致全球汽車產業損失1100億美元。

high way
圖/ Flickr CC by Martin Howard

汽車晶片緊缺到什麼程度? 車企要不是減產就是停產,而有一心交貨的汽車公司,甚至需要等貨源充足後,再讓消費者新車「返廠」,補裝之前無法到貨的感測器。

當然,行業中難免有例外,中國廠商比亞迪在此次「晶片荒」浪潮中不僅並未受到衝擊,而且乘用車,尤其是新能源車銷量連續升高。能在「晶片荒」衝擊下獨善其身,正是因為自2004年開始佈局,經過17年發展,比亞迪已經建成包括設計、晶圓、封裝和測試一體的汽車晶片生態。比亞迪半導體成熟生態的存在,讓比亞迪整車能夠「逆勢飛揚」。

晶片界難產「黑馬」

其實,「晶片荒」影響的不止是汽車行業,向來以供應鏈能力著稱的蘋果,因為供應鏈問題,最新的手機、筆記本和手錶產品都創下交付週期的紀錄。其中的一個原因毫無疑問是新冠疫情的黑天鵝,不僅晶片生產環節受到影響,全球物流受阻也讓供應鏈恢復更加艱難。

更重要的原因,是隨著晶片行業多年發展,早已形成了設計、晶圓、封裝、測試等上下游環節分開,各個環節高度集中的格局。例如台積電,就是主要從事晶圓代工的巨頭,蘋果、華為等公司的晶片設計好後,會委託台積電進行晶片的生產,而封裝、測試工作可能會由其他專門公司進行操作。

僅供報導用途_shutterstock_1422739469_台積電.jpg
圖/ Ascannio via shutterstock

術業有專攻的好處是能夠提升效率,降低成本,缺點是一旦一個環節出現問題,整個生態遭殃。而且由於晶片產業研發、生產和測試的周期以年計,生產排期都在半年以上,不存在可以臨時增加產能的情況。也正因為每個環節都需要大量技術積累,即便有心要殺進半導體領域,沒有十年以上的技術研發和積累,很難產出能用的晶片。

以本次汽車行業的「晶片荒」為例,其中一個重要原因,是馬來西亞的晶片工廠因為疫情遭到封鎖,而作為汽車晶片的重鎮,馬來西亞工廠的封測產能約佔全球封測產能的13%。英飛凌、意法半導體、恩智浦等汽車晶片巨頭都在馬來西亞設立工廠,也因此遭到重創。

而因為上述半導體公司在汽車晶片供應鏈佔有市場份額較大,以至於一家供應出問題,全球車廠產線停頓。以英飛凌為例,公司生產的IGBT(絕緣柵雙極晶體管)晶片,屬於汽車功率半導體,控制能量變換與傳輸,用於電機驅動控制系統、熱管理系統、電源系統,對於電動車的意義不言而喻。目前英飛凌的IGBT產品在汽車行業中佔有50%左右的市場,可謂一家獨大。

大型公司在尋找供應鏈時往往會準備多個替代選擇,但是在晶片方面很難實現,就是因為晶片行業進入難、量產難等特性。不過至少在IGBT產品層面,全球車廠現在多了一個選擇。

經過多年技術攻堅,2018年比亞迪發佈全新滿足車載等級要求的「IGBT4.0」技術,相比市場上的同類產品,比亞迪的IGBT產品電流輸出能力高15%、綜合損耗降低約20%、溫度循環壽命提高約10倍。去年,比亞迪又推出了基於750V平台高密度溝槽柵設計的IGBT5.0晶片,是比亞迪半導體憑藉雄厚的技術積累,直接跨越了普通的溝槽柵技術的一代IGBT。

比亞迪
圖/ 比亞迪汽車

截至目前,搭載比亞迪的IGBT晶片的車輛已經超過百萬輛。根據Omedia數據,在中國市場,比亞迪IGBT產品市場份額為19%,在其他國家同類產品之外,為中國電動車核心晶片撐起一片天。

同時,比亞迪也開始將研究重點移至下一代功率半導體器件SiC(碳化矽)上。相比於傳統半導體使用的材料矽,碳化矽在熱導率、電子飽和率等方面都有更好的表現,更適合高溫、高頻、大功率場景下的使用。而在電動車領域,SiC有機會讓電動車能耗更低,效率更高,最終節省成本提高續航。

行業巨頭Cree指出,預計到2022年,SiC在電動車用市場空間將快速成長到24億美元,是2017年車用SiC整體收入(700萬美元)的342倍。

目前,知名半導體廠商和車企都已經加入到SiC產品的研發上。比亞迪漢已經在EV車型上開始使用自主研發的Sic MOSFET(碳化矽功率場效應晶體管)。無論在中國還是全球,比亞迪都是首次將SiC產品「上車」的公司。

智慧汽車的晶片戰場

「如果不造車,我會去造晶片。」比亞迪創辦人、董事長王傳福到底說沒說過這句話,已經是一個迷思了。但事實是,比亞迪不僅造了車,而且做了晶片,並且佈局很早,已有很深的技術積累。

瑞昱1.jpg
圖/ 瑞昱

早在17年前的2004年,比亞迪就成立了半導體業務的前身比亞迪微電子,並將科研精力放在核心元人民幣件IGBT晶片上。2008年比亞迪成立寧波晶圓工廠,為半導體業務的下一步發展奠定了重要基礎。

2010年,比亞迪自造的1.0代IGBT晶片問世。2013年,2.0代晶片正式裝車比亞迪e6。2018年,比亞迪微電子發佈全新一代滿足車載等級的IGBT4.0晶片。2020年,在發佈IGBT5.0之外,比亞迪微電子更名為比亞迪半導體有限公司。

數據顯示,2019年-2020年比亞迪半導體在中國新能源乘用車電機驅動控制器用IGBT模塊全球廠商中排名第二,位於英飛凌之後,在中國廠商中排名第一。截至去年年底,比亞迪半導體以IGBT為主的滿足車載等級的功率器件累計裝車超過100萬輛。

在IGBT之外,比亞迪在MCU即微控制單元人民幣產品上同樣進行了佈局,作為汽車智慧化控制的核心元人民幣件,MCU堪稱是電動車的智慧中樞。

事實上,不僅IGBT和MCU,經過十七年的發展,比亞迪半導體在CMOS圖像感測器、電流感測器、嵌入式指紋識別感測器、LED光源、LED顯示螢幕、ACDC、電池保護晶片等多個方向上進行技術突破,並已形成穩定量產產品。其產品不僅涵蓋了大部分智慧汽車零部件,同時在工業級和消費級電子產品方向也極具競爭力。

不久前,蘋果公佈了搭載自研M1 Pro和M1 Max晶片的MacBook Pro新品,除了全新設計外觀,其自研晶打下一片同行更是人們關注的焦點。

imac
圖/ 截圖自Twitter

有一種觀點認為,智慧汽車就是有輪子的智慧手機,至少從晶片數量來看,確實如此。和傳統汽車使用500個左右晶片相比,智慧汽車對於晶片的需求提升至少三倍。小鵬汽車創辦人何小鵬曾經披露其產品搭載的晶片數量是1700顆左右。

業內人士透露,以新能源汽車為例,2025年,晶片在汽車中的成本預計會從目前約4500元人民幣/車上升至8000元人民幣/車,到2030年進一步上升至約15000元人民幣/車。

本次全球汽車「晶片荒」也為車企敲響警鐘——核心晶片供應鏈掌握在自己手裡更安心。同時,要使產品在功耗、成本和表現上更有競爭力,重要晶片自研是必然趨勢。

而對於像比亞迪這樣在電池、晶片乃至內飾材料上均採用全套生產自研的公司,無疑已經搶占先機。

目前,繼比亞迪電池之後,比亞迪半導體在經歷過兩輪巨型融資之後,開始考慮分拆上市,其估值據傳至少300億元人民幣人民幣。從某種意義上講,這對中國乃至全球汽車公司來說都是好事,比亞迪電動車的強勁銷量和表現,體現了比亞迪半導體產品的實力,而這樣一個技術生態的對外開放,也讓汽車公司有了更多選擇,緩解其他國家半導體壟斷市場所帶來的負面影響。

本文授權轉載自:極客公園

責任編輯:傅珮晴

關鍵字: #晶片 #汽車產業
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