影片|半導體展焦點之一,FOPLP是什麼?概念股有哪些?FOPLP跟CoWoS差在哪?
影片|半導體展焦點之一,FOPLP是什麼?概念股有哪些?FOPLP跟CoWoS差在哪?

FOPLP(扇出型面板級封裝)是近來非常受矚的先進封裝技術,在本周登場的國際半導體展(SEMICON Taiwan 2025),市場將聚焦FOPLP、CoPoS、以及CoWoP等技術進展。

但FOPLP技術到底是什麼?為何市場傳出台積電已訂定以「方」代「圓」目標,甚至有它是「下一個CoWoS」的說法傳出?

針對FOPLP,《數位時代》以下為您解密產業關鍵字,並盤點FOPLP受惠台廠名單!

FOPLP為何是先進封裝新希望?

AI熱潮正夯!而為發展如ChatGPT等大型語言模型(LLM),全球雲端巨頭無不廣設資料中心,準妥「算力軍火庫」。然而,要打造具備生猛效能的AI晶片,先進封裝就是個中關鍵!

先進封裝意味著將不同種類的晶片,包括邏輯晶片、記憶體、射頻晶片等,透過封裝及堆疊技術整合在一起,以提升晶片性能、縮小尺寸、減少功耗。例如,台積電針對7奈米製程以下的CoWoS技術,就是代表性的先進封裝技術。

而FOPLP接棒台積電CoWoS備受關注的原因,在於 透過「方形」基板進行IC封裝,可使用面積可達「圓形」12吋晶圓的7倍之多,達到更高的利用率!白話來說,就是同樣單位面積下,能擺放的晶片數量更多。

台積電PLP技術突破,2027年進入量產

《日經亞洲》報導,傳出台積電面板級裝技術(Panel-level packaging,簡稱PLP)的開發已經進入尾聲,這項技術將能夠提高運算性能滿足AI時代的新需求,被認為是封裝領域邁向新技術的關鍵一步,預計2027年可以逐步進入量產階段。

台積電此舉不僅是技術上的突破,更意在為面板級封裝設定行業標準,引導從設備製造商到材料供應商的整個晶片供應鏈進行調整,以適應方形基板的生產。

FOPLP和CoWoS差在哪?

現階段的先進封裝技術可分為「覆晶封裝」、「2.5D/3D IC封裝」、「扇出型封裝」等類型:

-「覆晶封裝」(Flip-Chip)透過把晶片翻轉倒置,將IC直接與基板上的接點相互連接;

-「2.5D/3D IC封裝」在中介層上垂直堆疊各類晶片,由此縮小接點間距,減少所需空間及功耗, CoWoS便是屬於此類

-「扇出型封裝」(Fan-Out Packaging)則是相對於「扇入型封裝」(Fan-In Packaging),兩者在晶片設計的重分佈層(Redistribution Layer, RDL)佈線方式有所不同,扇入型為向內佈線,訊號輸出及輸入的「I/O接點」數量受到限制;扇出型則是向內、向外佈線皆可,從而 提升I/O接點的數量及密度

扇出型封裝可再細分為兩種分支,分別是已投入應用多年的扇出型「晶圓級」封裝(Fan-Out Wafer-Level Packaging, FOWLP),以及 本文主題的扇出型「面板級」封裝(Fan-Out Panel-Level Packaging, FOPLP)。

垂直堆疊的CoWoS封裝,目前主要運用在先進製程的AI運算晶片、AI伺服器處理器的晶片封裝,而FOPLP就各業者現階段的描述,主要用於成熟製程為主的車用、物聯網的電源管理IC等,兩種封裝技術的應用有所不同。

台積電.jpg
台積電積極布局先進封裝,扇出型面板級封裝(FOPLP)有望成為生力軍。
圖/ 台積電

FOPLP優勢|方形基板利用率高

「晶圓級」扇出封裝的FOWLP,自2009年開始商業化量產,2016年,台積電率先將「整合扇出型」(Integrated Fan-Out, InFO)封裝運用於蘋果iPhone 7處理器,加速了高I/O數、功能強大的處理器採用FOWLP的趨勢。

「面板級」的FOPLP則奠基於FOWLP基礎, 將封裝基板從圓形改為方形 ,如此在同樣面積的基板上,能擺放更多的晶片,不僅生產
效率提升,切割過程中浪費的材料也更少,成本相對降低。

根據經濟部先前說明,FOPLP以面板產線進行IC封裝,方形基板利用率可達到95%,具備「容納更多的I/O數」、「體積更小」、「效能更強大」、「節省電力消耗」等技術優勢。

不過,FOPLP技術還在發展中,尚未大規模量產,面臨的困難主要來自於面板翹曲、均勻性與良率等問題,有待相關廠商與設備商合力優化,短期內要挑戰台積電CoWoS封裝的地位,並不那麼容易。

FOPLP概念股|哪些台廠正在投入?

群創(3481)

在經濟部技術處(現經濟部產業技術司)A+計畫支持下,面板大廠群創自2017年即開始投入FOPLP研發,近三年群創推動「More than Panel」(超越面板)轉型,並定調今年是跨足半導體的「先進封裝量產元年」。

因應龐大需求,群創今年邁入FOPLP第二期擴產階段,已送樣海內外多家客戶驗證,目前試量產產線月產能約1,000片,今年下半年可望量產。市場消息並傳出已拿到荷蘭半導體巨頭恩智浦半導體(NXP Semiconductors)、意法半導體(STMicroelectronics)訂單,FOPLP產能已滿載。

群創光電面板級封裝
圖/ 群創提供

力成(6239)

記憶體封測大廠力成在FOPLP佈局甚早,於2018年便興建全球第一座FOPLP生產基地,當時並喊出FOPLP將改變未來封裝產業。

日月光(3711)

封測龍頭日月光也投入FOPLP,研調機構Trendforce先前指出,國際大廠包括超微(AMD)、高通(Qualcomm)針對FOPLP,分別洽談PC CPU、電源管理IC等產品為主。

東捷(8064)

面板設備大廠東捷為FOPLP提供雷射應用方案,包括切割機、線路修補機等,長期是群創設備供應商。

友威科(3580)

同為面板設備大廠的友威科,則針對FOWLP、FOPLP,提供「水平式電漿蝕刻設備」。

鑫科(3663)

中鋼旗下材料廠鑫科,近年拓展半導體材料布局,據傳所生產的特殊合金載板,已開始供應群創及歐系IDM大廠供應鏈。

延伸閱讀:
AI Agent是什麼?它為何是邁向AI界聖杯的關鍵一步?

責任編輯:李先泰

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

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
代理式商務連動百兆商機
© 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