半導體版量化寬鬆？拜登秒簽晶片法案！對半導體產業的未來是解藥還是毒藥？|數位時代 BusinessNext

編按：觀點文章呈現多元意見，不代表《數位時代》的立場

中美貿易戰擴及半導體，美國為強化競爭力推出《美國創新與競爭法》，通過扶植美國本土半導體產業的「晶片與科學法案(Chips and Science Act of 2022, H.R. 4346)」，包含527億美元的半導體補貼，以及約2,000億美元的科學研究經費，實際上就是「半導體版量化寬鬆(Semi-QE)」，一般預估英特爾為最大受惠者，能分走大約200億美元，亞洲晶圓代工先進製程的兩強：台積電與三星各分走大約30億美元，同時法案規定未來10年內不得擴大在中國先進製程投資，晶片法案到底對半導體產業的未來是解藥還是毒藥？

砸520億美元根本杯水車薪！力圖重掌方向盤意味濃厚

半導體先進製程的晶圓廠是龐大的投資，一座晶圓廠的資本支出14奈米大約100億美元，先進的7奈米大約125億美元，5奈米大約160億美元，這回美國政府補助的520億美元如果拿來建廠，不過只夠蓋3座5奈米晶圓廠而已，可以說是杯水車薪，但是卻有很大的點火作用，吸引各大晶圓廠赴美投資，台積電、英特爾、三星新廠都已經開始動工，帶來上萬個工作機會，晶片產業的未來「美國製造」是成功的開始。

晶片法案補助520億美元杯水車薪卻是帶頭作用

半導體先進製程的晶圓廠是龐大的投資，一座晶圓廠的資本支出14奈米大約100億美元，先進的7奈米大約125億美元，5奈米大約160億美元，這回美國政府補助的520億美元如果拿來建廠只夠蓋3座5奈米晶圓廠而已，可以說是杯水車薪，但是卻有很大的帶頭作用，吸引各大晶圓廠赴美投資，台積電、英特爾、三星都已經開始動工，帶來上萬個工作機會，晶片產業的未來「美國製造」是成功的開始。

晶片法案通過對台積電、三星、英特爾短期利多於弊

晶片法案補助金額雖然杯水車薪，但是只要有補助對正在建廠的台積電、英特爾、三星來說不無小補，對台積電與三星短期而言是利多，因為在美國建廠成本高，未來可能拉低台積電與三星的獲利，美國的補助款可以提供部分幫助，但是三星在中國投資高達258億美元，西安NAND Flash廠佔三星的NAND Flash總產能高達42.3%，三星因為受到美方制約可能無法持續擴充西安廠，等於把中國的記憶體市場送還給中國本土廠商，短期可能造成衝擊。

晶片法案對英特爾是大大的利多，英特爾才剛公布第二季財報營收為153億美元，較去年同期下降了22%，遠低於分析師預期的180億美元，更從原先51億美元的獲利，變成虧損4.54億美元，毛利率也從原先57%的水準，大幅衰退至36%，下滑超過20%以上。

美國520億美元補助款預估英特爾可以拿到大約200億美元可說是大利多，原本英特爾在先進製程與代工成本都落後台積電，有了補助款至少代工成本與台積電拉近，在價格上將會更有競爭力。

量化寬鬆造成通貨膨脹，半導體版量化寬鬆結局如何？

為了應對2008年的金融海嘯與2020年的新冠肺炎疫情，世界各國政府發明了「量化寬鬆(QE：Quantitative Easing)」這個名詞，美其名是一種非常規的貨幣政策，事實上等於變相把錢灑到市場上，提高實體經濟環境的貨幣供給量，這麼做相當於間接增印鈔票，最後的結局就是「通貨膨脹」，最近美國不停升息就是在承受這個苦果。

美國晶片法案積極行動，很有可能造成世界各國加緊腳步，包括：歐盟、日本，甚至印度都會加快針對半導體製造業的補助，可以預期將在全球掀起一場「半導體版量化寬鬆(Semi-QE)」，全球大建廠短期內對於半導體製程與檢測設備、材料與特用化學品、上游的晶圓片、下游的封裝測試等帶來利多，但是未來結局很可能是「供過於求，對世界各國半導體製造本土化是解藥，但是對全球半導體產業卻可能是毒藥。

台積電創辦人張忠謀曾經說過：在美國生產晶圓是昂貴浪費且徒勞無功的事，在美國製造晶片的成本比台灣貴50%，這完全趕不上台灣的獲利。

產業發展應該順其自然，現在美國政府用晶片法案補助吸引台積電、三星、英特爾赴美設廠，結局的確做到了「美國製造」分散風險，但是也將造成晶片供過於求的現象可能由成熟製程擴散到先進製程，長期而言對半導體產業未必有利。

晶片法案對台灣半導體產業的影響是什麼？

「在美國生產晶圓是昂貴浪費且徒勞無功的事」，這個條件成立的前提是假設兩岸和平，如果這個假設不成立，那就一切都必須重新評估，以成本的角度目前台積電蓋美國廠當然是不符成本的賠錢貨，但是如果兩岸發生戰爭，客戶最快的方法是轉單到台積電美國廠，設計圖與製程參數幾乎不必更動，怎麼知道現在的賠錢貨會不會未來反而救了台積電？

最近兩岸發生嚴重的地緣政治風險，全球的積體電路設計公司一定會全面重新檢討評估將訂單全部下在台灣的風險，將部分訂單轉移到英特爾、三星，甚至台積電美國廠的可能性大幅增加，影響到的不只是台積電，還包括台灣其他晶圓廠與整個半導體上中下游的產業。

至於整體影響多大，未來還要觀察兩岸政治因素是降溫還是升溫，不論如何這些對美國半導體製造業是一大利多，對台灣而言卻是警訊，值得我們留意。

《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。

（觀點文章呈現多元意見，不代表《數位時代》的立場）

責任編輯：傅珮晴、吳秀樺

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。