一個為了半導體夢,一個為了減少自製成本!鴻海與Vedanta破局,究竟怎麼回事?
一個為了半導體夢,一個為了減少自製成本!鴻海與Vedanta破局,究竟怎麼回事?

去年2月,富士康母公司鴻海集團與印度礦業巨頭Vedanta簽署共同建造晶片廠的協議,那個被莫迪政府寄予厚望的印度製造晶片計劃也被推向高潮,但這份雄偉藍圖眼下似乎已經草率收場。

7月10日晚間,鴻海集團發布公告稱,為探索更多元的發展機會,根據雙方協議,鴻海後續將不再參與雙方的合資公司運作。

鴻海,鴻海集團
圖/ shutterstock

這份公告的措辭給雙方留足了面子,但落在實際行動上,鴻海的這次退出沒有一絲猶豫。按照公告,雙方的合資公司未來將完全由Vedanta集團持有,並且已通知後者移除合資公司中鴻海的名稱,以避免雙方利益相關者混淆。

實際上,雙方合作的裂痕早已經出現端倪。6月23日,Vedanta方面稱,公司重新修改了關於晶圓廠的補貼申請,其中關於製程的描述,從最初制定的28nm製程退至40nm。

而據路透社援引知情人士報導,印度政府對於兩家公司的這一舉措非常不滿,並有意延遲批準激勵措施,這或許是富士康出走印度的核心原因。

鴻海與Vedanta是「互坑」合作?

如果梳理此次雙方合作的歷程,就會發現這是一個在開始就「漏洞百出」的方案。

按照雙方簽署的合作備忘錄,雙方將共同投資195億美元(其中Vedanta出資60%)建設28nm製程的12英寸晶圓廠及配套的封測工廠,並預計在2025年正式投入使用。

此舉意味著,印度將擁有首座由印資控股的12英寸晶圓廠,有望成為「印度製造」十年計劃中最具代表性的方案。

同時對於富士康而言,這更是一樁穩賺不賠的買賣。一方面,印度本土的晶圓廠與封測廠能夠幫助富士康的組裝廠規避掉20%的電子元件進口關稅。另一方面,根據印度政府在2021年公布的半導體生產關聯計劃,外資在印度本土建設晶圓廠,最高可獲得相當於50%的項目投資額補助,這能夠大大降低富士康自製晶片計劃的成本。

但問題在於,合作的雙方根本沒有晶片代工的經驗,在印度項目啟動之前,富士康與晶片代工行業唯一的交集就是收購了夏普的8英寸晶圓廠,可以說連28nm製程的門檻都沒有摸到。

一位業內人士向虎嗅表示,「雖然28nm屬於成熟製程,但絕不是落後技術,無論是開發難度,還是工藝轉換成本,都要比40nm/45nm製程高得多。」同時他還指出,對於兩家從未涉足晶片代工的廠商而言,直接開發28nm並不是個明智的選擇。

值得一提的是,富士康的解決方案也充滿著臨時抱佛腳的色彩:找到歐洲半導體巨頭意法半導體尋求生產技術許可。後者對於此項合作持有積極態度,但印度政府方面又提出,希望意法半導體「參與到更多的遊戲中」,比如入股富士康與Vedanta的合資公司。

就這樣,關於28nm技術許可的談判在今年5月陷入僵局。

延伸閱讀:鴻海分手Vedanta,印度半導體夢生變!劉揚偉曾兩度拜會莫迪,為何突然喊卡?

晶片製造,印度難以觸及的夢?

要知道在印度政府放血式的補貼下,被吸引的不止是富士康一家,半導體大廠Tower的合資企業ISMC財團同樣表達過合作意向。

不過,在去年2月英特爾曾明確表示將要收購Tower,儘管目前最終協議尚未達成,但按照協議在談判階段Tower必須暫停一切對外投資。而在收購完成後,Tower幾乎沒有赴印投資的可能,因為英特爾對印度拋出的橄欖枝始終保持著避之不及的態度。

去年9月7日,印度電子和半導體協會曾在推特上表示,英特爾即將在印度建設一家晶圓製造廠,但就在這個消息發布的幾個小時後,英特爾迅速發布聲明,該公司目前沒有在印度投資建廠的計劃。

一位業內人士向虎嗅表示,印度最大的優勢在勞動力成本,但這在晶片行業中並不算優勢,「況且印度本土嚴重缺乏產業工程師,這些人才前期一定要高薪從國外引進,綜合成本並不低。」

而真正讓各大半導體廠商望而生畏的是,印度本土薄弱的產業集群,以及隨時可能崩潰的基礎設施,這一點富士康應該深有體會,此前這家公司位於清奈的組裝工廠就曾多次因區域性停電而中斷生產,手機組裝產線在電力影響下可能只是延期交付,但晶圓廠一旦停電,則可能導致這批產品全部報廢,這是無論如何都無法接受的。

還有印度朝令夕改的政策對於外企的震懾。從這次合作來看,儘管富士康沒能拿出28nm製程的方案,但源頭在於印度政府試圖強行將意法半導體拉入夥,而站在後者的角度,根本沒有道理去加入這個風險極高的合作中。

如果說外資對印度半導體沒有信心,那麽本土企業呢?

在去年9月,塔塔集團控股公司塔塔之子董事長納塔拉詹·錢德拉塞卡蘭在接受《日經亞洲》採訪時表示,塔塔集團計劃未來5年在半導體產業中投資900億美元,實現晶片的本土化生產。

但與外企面臨的問題基本相同,在晶圓製造這個Know-How屬性極強、且依賴完整產業集群的行業中,印度本土企業想要憑一己之力實現從無到有恐怕並不容易。

儘管Vedanta在前不久表示,已經從某國際一流大廠那裡獲得了40nm技術的生產許可,但這與最初計劃的28nm製程相差甚遠,因此印度政府延緩了激勵資金的審批。而富士康在印度政府的補貼遲遲不能到帳下,也決定及時止損。

從結果上看,這次合作破裂意味著富士康轉向自製晶片已經面臨階段性失敗,而印度方面受到的影響要更加深遠,因為基本已經沒有半導體廠商願意再於印度投資。

延伸閱讀:印度砸100億鼓勵企業設晶圓廠!要圓半導體夢,有兩致命傷要克服

本文授權轉載自:虎嗅網

責任編輯:蘇祐萱

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