全球半導體供應鏈重整，三星、SK海力士比台積電還慘！韓媒曝原因|數位時代 BusinessNext

全球半導體供應鏈重整，三星、SK海力士比台積電還慘！韓媒曝原因

根據南韓官方研究機構分析，在全球重整半導體供應鏈的浪潮下，三星電子、SK海力士可能是受影響最嚴重的廠商。

記憶體晶片制裁力道強，三星、SK海力士的衝擊相對大

美國商務部去(2022)年10月禁止先進晶片設備出口至中國，但給予三星、SK海力士及台積電(2330)一年的緩衝期，期限能否展延即將在10月份做出決定。KIEP對此感到憂心，直指「美國即便核准執照，依舊可能隨時加碼制裁中國，在當地營運的南韓企業將面臨更多不確定因素。」

根據報導，雖然台積電也得向美國申請執照，但跟邏輯晶片(僅佔中國10%先進產能)相比，華盛頓當局對記憶體晶片的制裁力道明顯較強(組成中國90%的先進產能)。

目前SK海力士生產的DRAM中，50%產自2006年開張的無錫廠。三星也在西安擁有一座整合型廠房，當中包括一條NAND型快閃記憶體後製處理線(post-processing line)。

KIEP資深研究員Jung Hyung-gon指出，2005~2020年間，南韓半導體業者的海外投資活動主要聚焦中國，當前的制裁行動帶來隱憂。他說，華盛頓當局雖可能考慮到，突然收緊中國記憶體廠的管控將干擾全球供應，但當局恐怕還是會逐步加大管控力道，南韓必須為此預做準備。

Jung表示，在美國建造新廠的成本，比台灣、南韓或新加坡貴30%，同時也比中國貴上50%。他強調，中美半導體爭霸戰將持續延燒，南韓必須趕緊擴大國內半導體產能、並強化半導體中心策略。

華為新機出現自家晶片，SK海力士展開調查

華為最新推出的5G智慧機「Mate 60 Pro」內建先進處理器「麒麟9000s」，引起市場嘩然。加州研究機構TechInsights分析的顯示，麒麟9000s是由中芯國際(0981.HK)運用深紫外光(DUV)微影設備，以名為「N+2」的第二代7奈米製程技術打造。

在中國疑似突破晶片貿易管制後，美國國會議員大聲疾呼，華盛頓政府應切斷出口科技至華為、中芯的所有管道。

路透社9月6日報導，美國眾議院「中國議題特別委員會」主席蓋拉格(Mike Gallagher)發布聲明指出，麒麟9000s若沒有美國科技、恐怕根本製造不出來，因此中芯或已違反美國商務部的「外國直接產品規則」(Foreign Direct Product Rule, FDPR)。

蓋拉格呼籲美國政府切斷對華為、中芯的科技出口管道，因為這麼做才能向外界清楚傳達一個訊息，那就是違反美國法令、傷及國安的任何一家企業，都無法繼續取得美國科技。

另一方面，SK海力士則聲稱，對於Mate 60 Pro為何會內建自家DRAM及NAND型快閃記憶體，該公司毫不知情、將展開調查。

本文授權轉載自：MoneyDJ理財網
責任編輯：蘇祐萱

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。」

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。