半導體產業吹逆風，市場多頭行情到盡頭衰退將無可避免|數位時代 BusinessNext

全球半導體市場歷經從2年的大多頭行情後，從英特爾、輝達到美光，多家大半導體公司的財報透露出，半導體市場似乎已經走到盡頭，出現衰退的警訊。

下游的終端市場直接面臨衝擊，預估今年全球個人電腦市場，將衰退約20%左右。影響所及，CPU、記憶體、周邊設備等，皆會受到衝擊。

智慧型手機庫存高，終端市場已陷入「愁雲慘霧」

年初，原本大家對今年智慧型手機的市場抱持樂觀，尤其是5G手機滲透率不高，尚有成長空間。然而在通膨效應下，消費者「縮手」購買新機，今年全球智慧型手機出貨量，將較2021年衰退8%左右。

三星電子原本預估今年出貨目標為3.3億支，現已經下修到2.7億支左右，還有可能進一步下修。

中國手機廠的狀況更糟，中國國內市場智慧型手機出貨量，約較去年衰退20%左右。中國手機廠小米、OPPO、VIVO等，成品庫存高，去庫存成為目前的主要目標。

智慧型手機半導體含量高，市場下滑將影響上游供應商，高通、聯發科等，皆受到影響。由於智慧型手機是NAND的最大應用市場，因此NAND的需求也會同步下挫。

2021年，全球半導體營業額達5,559億美元，較2020年的4404億美元，大幅成長26.2%，反應出這一年「供不應求」的大多頭行情。

今年原本大家對半導體市場仍然樂觀，WSTS（世界半導體貿易統計）於5月時，預估今年全球半導體營業額將可達6,465億美元，較2021年成長16.3%，明年可更上層樓，再成長5.1%，達6,797億美元。

WSTS做出如此樂觀的預測是有所根據，今年上半年，全球半導體營業額，持續創新高，達3074億美元，較2021年上半年的2506億美元成長22.7%。對比終端設備市場，如筆電、智慧型手機、電視等，廠商、通路的庫存居高不下，更麻煩的是需求下跌，終端市場已陷入「愁雲慘霧」。半導體處於上游，反應較慢，上半年的佳績，沒有辦法保證下半年仍「一路暢旺」。

英特爾今年第二季財報，首先讓人看到市場反轉的徵兆。英特爾今年第二季營業額為153億美元，較2021年第二季的196億美元，減少22%。英特爾預估今年營收約為650-680億美元，年減約9%左右。

英特爾是PC CPU及伺服器CPU的龍頭，也是高效能運算的主要供應商，今年業績不佳，顯示PC市場不佳。伺服器方面，雖然成績較PC佳，不過在競爭者的競逐下，英特爾顯然在PC及伺服器CPU市場，皆被搶走一些訂單。

美國政府限制出貨，讓輝達業務雪上加霜

輝達是近年來半導體業的明星，以GPU獨霸全球人工智慧、獨立顯示卡、資料中心等市場。然而在最近一季的財報，營收為67億美元，較5月時的預估大減17.3%。輝達提列13.2億美元，作為處理庫存及長期合約的損失。加上美國政府限制輝達A100及H100出貨到中國，無疑讓輝達的業務「雪上加霜」。

輝達營業額衰退的主要原因，是遊戲繪圖卡市況不佳，通膨效應讓不少遊戲玩家縮手購買高價繪圖卡，加上虛擬貨幣「挖礦」需求銳減，導致輝達業績衝勁大不如前。

不過也有表現良好的廠商，例如，恩智浦(NXP)今年第二季營收為33.12億美元，年成長率為27.6%。展望第三季營業額約為34.25億美元，年成長率為20%，季成長率為3%。

超微今年第二季的營業額為65.5億美元，較2021年同期的38.5億美元，大幅增加70%。預估全年營業額可達260億美元到266億美元之間，年成長率約60%。

NXP能有穩健的表現，主要是面向車用晶片市場。超微能有驚人的表現，除了產品多元化，以及搶走英特爾部分市占率外，加上購併「賽靈思」所產生的效應。

砍單清庫存無可避免，保產能利用率成大挑戰

進入第三季，大家對今年全球半導體市場的前景開始擔心，WSTS於8月22日下修對2022年、2023年全球半導體市場的預估。根據WSTS最新的預估，2022年全球半導體營業額將達6332億美元，較2021年的5559億美元成長13.9%。2023年全球半導體營業額將達6624億美元，較2022年成長4.6%。

不過這個修正，還是太樂觀。根據Gartner公司於7月27日發布的新聞，預估今年全球半導體市場營業額年成長率為7.4%，明年全球半導體市場將小幅衰退2.5%。

在高庫存的壓力下，IC設計公司開始下修他們對晶圓代工廠的訂單。儘管不少IC設計公司在去年、前年，為了搶產能，與晶圓代工廠簽下長約，現面臨庫存居高不下的壓力下，有些IC設計公司不惜賠款取消訂單。大型IC設計公司則會與晶圓代工廠重新協商條件，砍單以消化庫存是無可避免的趨勢。

二線晶圓代工廠如力積電、世界先進、中芯等，紛紛傳出產能利用率下探80-90%之間，但不會止步於此，進一步下滑的可能性很高。

聯電7月營收達248.27億元，創歷史新高，預估第三季產能利用率可達100%，然而第四季，能不能持續維持此榮景，仍在未定之天。不過在下游廠商風聲鶴唳之下，聯電持續力保100%產能利用率，是十分艱鉅的任務。

逆風修正後，二年內重回成長軌道

晶圓代工龍頭台積電也受到影響，台積電有超過1000個客戶，1萬種以上的代工產品，目前儘管某些客戶減少訂單，其他客戶也會很快地補上缺口。因此，整體而言，目前台積電的產能仍供不應求，不過明年在半導體市場面臨修正的當頭，台積電難免會受到影響。

半導體市場面臨短線修正，預估2023全球半導體營收將會衰退，不過2024年有可能重啟成長軌道，以支援不斷前進的科技產業。

《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：吳秀樺、侯品如

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。