【觀點】鰭式場效電晶體是什麼?為什麼是台積電與三星決戰關鍵?一文看懂
【觀點】鰭式場效電晶體是什麼?為什麼是台積電與三星決戰關鍵?一文看懂

(觀點文章呈現多元意見,不代表《數位時代》的立場)

台積電在2022Q4高調宣布量產3奈米「鰭式場效電晶體(FinFET)」製程,是由原本的「N3」改良為「N3B」製程良率較低的大約6070%,較高的大約7080%,表現相當亮眼,而計畫在2023Q2或Q3量產的3奈米(N3E)製程良率更達80%以上,而且價格更低更有競爭力。反觀三星早在2022Q2就宣布量產3奈米「環繞閘極場效電晶體(GAAFET)」,但是被韓國媒體爆料良率只有20%,使得台積電3奈米製程大勝三星,到底FinFET 與GAAFET有什麼不同?未來三星又會如何因應呢?

延伸閱讀:三星自吹「3奈米良率很完美,台積電只有50%」?外資報告揭露誰是領導者

積體電路(IC:Integrated Circuit)是什麼?

將電的主動元件(二極體、電晶體)與被動元件(電阻、電容、電感)縮小以後,製作在矽晶圓或砷化鎵晶圓上,稱為「積體電路(IC:Integrated Circuit)」,其中「堆積(Integrated)」與「電路(Circuit)」是指將許多電子元件堆積起來的意思。

將電子產品打開以後可以看到印刷電路板(PCB:Printed Circuit Board)如圖一所示,上面有許多長得很像「蜈蚣」的積體電路(IC),積體電路的尺寸有大有小,我們以處理器為例邊長大約20毫米(mm),上面一小塊正方形稱為「晶片(Chip)」或「晶粒(Die)」,晶片邊長大約10毫米(mm),晶片上面密密麻麻的元件稱為「電晶體(Transistor)」,電晶體邊長大約100奈米(nm),而電晶體上面尺寸最小的結構稱為「閘極長度(Gate length)」大約10奈米(nm),這個就是我們常聽到的台積電「10奈米製程」。

由電晶體(Transistor)組成晶片(Chip)再封裝成積體電路(IC)。 資料來源:曲博科技教
由電晶體(Transistor)組成晶片(Chip)再封裝成積體電路(IC)。
圖/ 曲博科技教室

場效電晶體(FET:Field Effect Transistor)是什麼?

電晶體的種類很多,先從大家耳熟能詳的「MOS」來說明。MOS的全名是「金屬氧化物半導體場效電晶體(MOSFET:Metal Oxide Semiconductor Field Effect Transistor)」, 構造如圖二所示,左邊灰色的區域叫做「源極(Source)」,右邊灰色的區域叫做「汲極(Drain)」,中間有塊金屬(紅色)突出來叫做「閘極(Gate)」,閘極下方有一層厚度很薄的氧化物(黄色),因為中間由上而下依序為金屬(Metal)、氧化物(Oxide)、半導體(Semiconductor),因此稱為「MOS」。

金屬氧化物半導體場效電晶體(MOSFET)的結構與工作原理。
金屬氧化物半導體場效電晶體(MOSFET)的結構與工作原理。
圖/ 曲博科技教室

MOSFET的工作原理很簡單,電子由左邊的源極流入,經過閘極下方的電子通道,由右邊的汲極流出,中間的閘極則可以決定是否讓電子由下方通過,有點像是水龍頭的開關一樣,因此稱為「閘」;電子是由源極流入,也就是電子的來源,因此稱為「源」;電子是由汲極流出,看看說文解字裡的介紹:汲者,引水于井也,也就是由這裡取出電子,因此稱為「汲」。

➩當閘極不加電壓,電子無法導通,代表這個元件處於「關(OFF)」的狀態,我們可以想像成這個位元是0,如圖二(a)所示;
➩當閘極加正電壓,電子可以導通,代表這個元件處於「開(ON)」的狀態,我們可以想像成這個位元是1,如圖二(b)所示。

MOSFET是目前半導體產業最常使用的一種「電晶體(Transistor)」,科學家將它製作在矽晶圓上,是數位訊號的最小單位,我們可以想像一個MOSFET代表一個0或一個1,就是電腦裡的一個「位元(bit)」。電腦是以0與1兩種數位訊號來運算,我們可以想像在矽晶片上有數十億個MOSFET,就代表數十億個0與1,再用金屬導線將這數十億個MOSFET的源極、汲極、閘極連結起來,電子訊號在這數十億個0與1之間流通就可以交互運算,最後得到我們想要的加、減、乘、除運算結果,這就是電子計算機或電腦的基本工作原理。晶圓廠像台積電、聯電,就是在矽晶圓上製作數十億個MOSFET的工廠。

閘極長度:半導體製程進步的關鍵

在圖二的MOSFET 中,「閘極長度(Gate length)」大約10奈米,是所有構造中最細小也最難製作的,因此我們常常以閘極長度來代表半導體製程的進步程度,這就是所謂的「製程節點(Node)」。

閘極長度會隨製程技術的進步而變小,從早期的0.18、0.13微米,進步到90、65、45、22、14奈米,到目前最新的製程10、7、5、3奈米,甚至未來的2奈米。當閘極長度愈小,則整個MOSFET就愈小,而同樣含有數十億個MOSFET的晶片就愈小,封裝以後的積體電路(IC)就愈小,最後做出來的手機就愈小囉!

但是要特別留意,並不是所有的電晶體都必須便用先進製程,而是要看不同元件需要的特性來決定,目前積體電路(IC)依照特性主要分為三大類:

➩數位積體電路(Digital IC):可以進行運算或儲存,例如:處理器(CPU)或記憶體(DDR),只要承受很小的電壓或電流,閘極長度愈小愈好,可以做到10nm(奈米)以下。
➩類比積體電路(Analog IC):可以進行訊號放大與調變,例如:功率放大器(Power amplifier)、音訊放大器(Audio amplifier),必須承受較大的電壓或電流,閘極長度較大,可以做到100nm(奈米)以下。
➩功率積體電路(Power IC):可以進行電源轉換,例如:功率電晶體可以將220V的交流電轉換成110V的直流電,必須承受更大的電壓或電流(功率),可以做到1μm(微米)=1000nm(奈米)以下。

鰭式場效電晶體(FinFET):將半導體製程帶入新境界

MOSFET的結構發明以來到現在已使用超過四十年,當閘極長度縮小到20奈米以下的時候遇到了許多問題,其中最麻煩的就是當閘極長度愈小,源極和汲極的距離就愈近,閘極下方的氧化物也愈薄,電子有可能偷偷溜過去產生「漏電(Leakage)」;另外一個更麻煩的問題,原本電子是否能由源極流到汲極是由閘極電壓來控制的,但是閘極長度愈小,則閘極與通道之間的接觸面積愈小,如圖三(a)綠色箭頭所示,也就是閘極對通道的影響力愈小,要如何才能保持閘極對通道的影響力(接觸面積)呢?

因此美國加州大學伯克萊分校胡正明、Tsu-Jae King-Liu、Jeffrey Bokor等三位教授發明了「鰭式場效電晶體(FinFET:Fin Field Effect Transistor)」,把原本2D構造的MOSFET改為3D的FinFET,如圖三(b)綠色箭頭所示,因為構造很像魚鰭 ,因此稱為「鰭式(Fin)」。由圖中可以看出原本的源極和汲極拉高變成立體板狀結構,讓源極和汲極之間的通道變成板狀,則閘極與通道之間的接觸面積變大了!

這樣一來即使閘極長度縮小到20奈米以下,仍然保留很大的接觸面積,可以控制電子是否能由源極流到汲極,因此可以更妥善的控制電流,同時降低漏電和動態功率耗損,所謂動態功率耗損就是這個FinFET由狀態0變1或由1變0時所消耗的電能,降低漏電和動態功率耗損就是可以更省電的意思囉!

電晶體的演進過程。
電晶體的演進過程。
圖/ wccftech.com:samsung-makes-the-first-3nm-gaafet-se

值得注意的是,在成熟製程MOSFET裡「閘極長度」代表「製程節點」,但是到了先進製程FinFET上指的其實是概念上的「平均長度」,只能當作是「商品名稱」,而不是真的閘極長度,因此「幾奈米」是廠商自己定義的,廠商說是幾奈米它就是幾奈米,而在台積電3奈米製程裡比較「接近」3奈米的結構其實是圖三裡的「鰭片寬度」,因為這是所有構造中最細小也最難製作的。

環繞閘極場效電晶體(GAAFET):未來先進製程的發展方向

大家猜猜,當閘極長度縮小到3奈米以下的時候,還有什麼辦法可以增加閘極與通道之間的接觸面積?就是閘極把電子通道完全包圍起來,如圖三(c)所示,稱為「環繞閘極場效電晶體(GAAFET:Gate All Around Field Effect Transistor)」,原理其實很簡單,就是增加閘極與電子通道的接觸面積,可以增加閘極控制效果。

由圖四可以看出,台積電與三星同時在2018年量產7奈米,英特爾在2021年量產落後三年;台積電與三星同時在2020年量產4奈米,英特爾在2022年量產落後二年;台積電與三星同時在2022年量產3奈米,英特爾計畫在2023年量產落後一年,因此英特爾並沒有大家想像的落後很多,當然宣布量產是一回事,良率多高又是另一回事,目前進度與良率都領先的只有台積電一家,這也是台積電最大的優勢。

台積電與競爭對手的製程節點時程表。
台積電與競爭對手的製程節點時程表。
圖/ Intel

值得注意的是,三家公司都把2奈米的時程壓在2025年,而且都是使用GAAFET,裡面有兩個重要的含義,以前每一代製程大約只需要2年,但是先進製程困難度愈來愈高,因此必須3年才行,這代表未來台積電進步將更困難,而競爭對手追上來相對比較容易,這是台積電未來必須面對的問題。

此外,三星在2022Q2量產3奈米使用新型的GAAFET,但是台積電到2022Q4才量產3奈米使用舊型的FinFET,乍看之下是確實是三星彎道超車,但是三家公司2奈米都必須使用GAAFET,因此三星比台積電與英特爾多了3年的量產經驗,這是三星冒險在3奈米使用GAAFET的主要原因,未來是不是有機會彎道超車?

台積電與三星仍將決戰鰭式場效電晶體(FinFET)

環繞閘極場效電晶體(GAAFET)的製程非常複雜,比鰭式場效電晶體(FinFET)困難許多,因此國外媒體報導三星 3 奈米 GAAFET製程良率僅 20%3,這個其實並不令人驚訝,但是三星高層指出,三星3奈米製程良率已達「完美水準」且毫不遲疑開發第二代3奈米製程4,事實如何就讓我們拭目以待吧!

其實GAAFET良率根本很難提高,因此三星未來可能的做法就是回頭使用FinFET製做3奈米,反正廠商說這個是幾奈米它就是幾奈米,因此我大膽預言:台積電與三星仍將決戰FinFET。為什麼GAAFET良率根本很難提高,這個用文章說不清楚,有興趣的人可以參考《曲博科技教室》的課程影片:三星宣布量產3奈米!是真的超車台積電?還是真正的苦難才剛開始?

根據國外媒體的報導,高通(Qualcomm)與聯發科(MediaTek)還不確定是否會在2023年使用台積電3奈米製程代工手機晶片,因此蘋果有可能是2023年唯一採用台積電3奈米製成技術的廠商。而高通與聯發科之所以猶豫是否採用台積電3奈米製程的關鍵在於3奈米的成本極高,台積電從10奈米製程開始,每片晶圓銷售價格持續上漲,7奈米一片12吋晶圓大約10,000美元,到3奈米一片12吋晶圓大約20,000美元,用的還是FinFET,那麼到2025年2奈米一片12吋晶圓要不要接近30,000美元?這麼貴的東西客戶接受嗎?

台積電不同製程節點的價格預估。
台積電不同製程節點的價格預估。
圖/ Digitimes整理

未來三年台積電3奈米製程仍然領先全球

台積電3奈米製程(N3)改良後的 N3B已經順利在2022Q4量產,但是未來還有下面幾個衍生的製程節點,如圖六所示:

➩N3E:犧牲尺寸成全良率、效能、功耗,2023Q2或Q3量產。
➩N3P:製造工藝的性能增強版本,量產時間未定。
➩N3S:縮小尺寸的密度增加版本,量產時間未定。
➩N3X:超高性能的超頻版本,量產時間未定。

由於GAAFET困難度高,成本更高,大家是否能順利在2025年量產還是未知數,因此可以預期3奈米製程仍然是未來三年各家廠商競爭的主要標的,會使用很長一段時間,台積電利用3奈米衍生的製程節點,仍然能夠領先全球,比較令人憂心的還是美國補助英特爾、台積電、三星到美國設廠,大約都是在2024或2025年量產,可能對先進製程產生供過於求的問題,這是比較有風險的地方,值得大家留意。

台積電先進製程路線圖。
台積電先進製程路線圖。
圖/ 台積電(TSMC)

參考資料:technewstechnews(2)technews(3)chinatimes

《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

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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
台達電全解讀
© 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