白話科技|ASIC是什麼?概念股有哪些?中美半導體熱戰,ASIC也是要角!
白話科技|ASIC是什麼?概念股有哪些?中美半導體熱戰,ASIC也是要角!

近年AI淘金熱中,首先受惠的是「賣鏟子」的GPU龍頭輝達(NVIDIA),另外一股蓄勢待發的巨大商機,就是特殊應用晶片(ASIC)。

為了降低對輝達的依賴,包括中國,以及Google、亞馬遜(AWS)、微軟、Meta等4大雲端服務供應商(CSP)都積極投入自研晶片,並找上「IC設計服務商」協助打造ASIC,博通(Broadcom)便是此領域的佼佼者。在台灣,世芯(3661)和創意(3443)也是深耕ASIC的業者。

同樣瞄準ASIC的聯發科自然也不願放過這塊肥肉,共同營運長顧大為指出,預估ASIC 2028年市場規模將達450億美元(包括AI加速器400億美元、客製化處理器50億美元),這也將是聯發科未來一大成長動能。

究竟什麼是ASIC?在ASIC領域中,常見的「IC設計服務」的商業模式又如何運作?台廠的ASIC概念股有哪些?

ASIC是什麼?在AI時代為何重要?

ASIC是「特殊應用積體電路」(Application Specific Integrated Circuit)的簡稱,不同於通用的CPU(中央處理器)以及GPU(圖形處理器), ASIC是針對特定應用所設計的專用晶片,例如,「比特幣挖礦晶片」便是一例。

回顧ASIC技術的發展,可追溯到上世紀70年代,1980至1990年代曾盛極一時,然而由於客製化設計門檻高,隨後逐漸被通用型晶片取代。

近幾年隨著AI的崛起,ASIC再次成為焦點,這是因為GPU雖在平行運算有強大優勢,但隨著AI應用的多樣化和專業化, ASIC能根據特定任務需求訂製優化,例如,AI大語言模型的訓練與推論等,可實現更高的運算效率、較佳的能耗表現 ;並且在大量導入後攤提成本,總體費用也可能比GPU低 。

目前,雲端巨頭皆投入ASIC晶片開發,包括Google的TPU,AWS的Trainium、Inferentia,微軟的Maia、Cobalt,以及Meta的MTIA等,就連打造ChatGPT的OpenAI,也曾傳出和博通討論ASIC晶片合作的風聲。

ASIC圖解

ASIC設計服務:一次性設計費用+量產抽成

專業IC設計業者(IC Design House)如聯發科、高通會推出自家的處理器產品,IC設計服務商(IC Design Service)則針對客戶需求進行服務,在ASIC的開發過程中扮演重要角色,其業務範圍分為 一次性設計開發的「NRE」(Non-Recurring Engineering),與後續量產統包的「Turn-key」兩大項目。

NRE費用是主要的前期成本,涵蓋晶片的電路設計、電路驗證、晶片打樣等工作。

設計完成後,便進入到晶片的製造與封裝測試,IC設計服務商通常會提供一條龍的「Turn-Key」服務,替客戶下單給台積電、日月光等業者進行生產、封裝測試,並從每片晶片的量產抽取一定比例利潤,可作為長期的收入來源。

ASIC兩大巨頭:博通、邁威爾擁6成以上市佔

在ASIC賽道中,美國IC設計大廠博通、邁威爾(Marvell)是兩大巨頭,合計佔據超過6成的市佔。

博通(Broadcom)

網通大廠博通前身的安華高(Avago),於2014年收購曾是ASIC大廠的LSI Logic,奠定於ASIC領域的基礎,Google、Meta都是客戶。

邁威爾(Marvell)

邁威爾同樣以併購拓展ASIC研發能量,在2019年收購格芯(GlobalFoundries)旗下負責ASIC業務的Avera Semi,客戶包含亞馬遜、微軟。

ASIC概念股有哪些?

世芯-KY

2023年曾登上股王的世芯,為國內指標性IC設計服務業者,創辦人出身自矽谷IC設計服務公司。擁亞馬遜ASIC訂單,今年5月,亞馬遜更斥資新台幣5.35億元參與其私募。

延伸閱讀:世芯-KY解密:貝佐斯、台積電都是關鍵字!客戶有誰?商機在哪?一次看懂

創意電子

創意電子為台積電轉投資IC設計服務廠,與台積電合作緊密,與世芯同樣提供台積電CoWoS的一條龍Turn-Key服務。先前曾傳出,為微軟首款自研晶片Maia的ASIC設計服務協力廠。

延伸閱讀:喊量產為王!擁「神山」撐腰的創意電子,如何靠矽智財、客製晶片暴衝AI營收?

智原

IC設計服務廠智原,由聯電IP及NRE部門分拆,第2季宣布加入Arm車用生態系,加速車用ASIC創新,並加入英特爾晶圓代工設計服務聯盟(Intel Foundry Accelerator Design Services Alliance),滿足高階應用需求。

聯發科

IC設計大廠聯發科同樣積極搶進ASIC,董事長蔡明介於5月股東會曾指出,過往聯發科產品在手機佔比相對高,將持續往ASIC、車用邁進,AI和車用將是未來10年的成長機會。

聯詠

顯示器驅動IC廠聯詠,於驅動IC與系統單晶片(SoC)耕耘已久,也拓展ASIC業務。

神盾

生物辨識感測IC廠神盾,將ASIC視為重要轉型方向,旗下安國、芯鼎都投入IC設計服務,5月曾宣布芯鼎獲日本AI公司ASIC委託設計訂單。

矽統

聯電旗下觸控晶片IC廠矽統,於今年4月公告收購同集團聯暻半導體全數股權,透過雙方各自在設計前、後端優勢的整合,拓展ASIC佈局。

延伸閱讀:博通憑什麼撂倒輝達?「半導體巨鱷」陳福陽出身馬國農家,卻用10年併購大計劍指黃仁勳

責任編輯:李先泰

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