影片|力積電合作SBI為何破局?黃崇仁曝關鍵2原因:無法承擔日本政府保證10年量產要求
影片|力積電合作SBI為何破局?黃崇仁曝關鍵2原因:無法承擔日本政府保證10年量產要求

晶圓代工廠力積電10月22日舉行第三季法人說明會,由董事長黃崇仁親自主持,直球回應日本SBI控股合作設廠破局風波。

黃崇仁指出,「無法承擔日本政府補貼條件的10年量產要求」、「SBI方遲未提供營運計畫提供評估」,為雙方合作破局2大主因。

而在法說會後,力積電並舉辦「3D AI Foundry」策略發表會,黃崇仁表示,「邏輯代工、記憶體代工、3D AI Foundry、FAB IP」是未來4大營運主軸。其中,3D AI Foundry已投資20億元於苗栗銅鑼廠導入新設備,有望成為新成長動能。

力積電曝與SBI合作破局2原因

力積電和日本SBI控股(SBI Holdings)去年宣布合作於宮城縣設廠,原計劃總投資額8000億日圓、初期預計獲日本政府補貼1400億日圓,於2027年前量產車用半導體,但在今年9月27日傳出合作破局。

SBI控股社長北尾吉孝10月3日更於個人臉書發文,直批力積電是「不誠實」的公司,對此黃崇仁今日正面回應。

延伸閱讀:「能夠不合作,真的感謝老天!」力積電黃崇仁為何讓SBI社長痛批「不誠實」?

黃崇仁表示,回顧和SBI控股合作歷程,去年3月力積電方到日本與SBI北尾董事長初次見面,對方提出合作在日本建立半導體製造事業的構想,考量日本強大的工業體系、技術水準與市場需求,在日本設立成熟製程的專業晶圓代工廠應有可行性,因此去年6月雙方簽訂了為期一年、不具法律拘束的備忘錄(non-binding MOU),共同評估在日本合作半導體代工事業可行性。

在SBI北尾董事長主導遊說下,日本經濟產業省於去年即表達對此建廠計畫的政策支持,力積電也於去年7月協助SBI選定了宮城縣仙台市附近的建廠用地。

黃崇仁說,隨著評估作業深入,並參考國內友廠在日本的經驗,發現在日建廠及營運成本遠高於台灣, 「銅鑼新廠400億,日本廠要1200~1400億,建廠成本嚇死人,沒有良好財務計畫怎麼進行?」 以成熟製程為主力的新廠雖獲日本政府補助,未來營運壓力還是很大,尤其原先僅規劃2萬片月產能,難達到經濟規模。

而在清楚告知SBI市場實況的同時,力積電多次要求主導新廠建設的SBI方面提出籌資、行銷等營運計畫,以進行投資評估, 但截至今年7月,SBI方面始終沒有拿出相關計畫文件給力積電評估。

黃崇仁並提到, SBI直到今年1月18日才首次告知力積電,日本政府補貼政策要求力積電必須保證新廠連續量產10年以上 ,但力積電在台灣股票上市,擔保可能只有少數或沒有股權的新廠連續10年量產,將有違反台灣證交法的風險。

在釐清日本的補貼政策與政府立場後,8月13日力積電董事會正式決議不繼續評估日本建廠合作案,並於當天晚上轉告SBI北尾董事長,後續並正式去函說明。8月27日、10月7日力積電主管也分別前往經濟產業省、宮城縣政府,當面向對方說明董事會的決議過程。

回顧過去1年多日本合作建廠的過程,黃崇仁強調,力積電一直是以誠信、專業的態度進行所有的評估和協商,也看好日本半導體產業發展潛力,願意透過FAB IP收取的部分資金取得少數股權參與日本新廠的投資。但由於以下2個明確原因,終止整個日本合作建廠及投資評估作業:

一、日本經濟產業省補貼政策要求力積電擔保可能只有少數或沒有股權的新廠連續十年量產,致使我們有違反台灣證交法的風險

二、SBI方面無法提出可行的新廠籌資、行銷等營運計畫供我方進行後續投資評估

海外建廠集中火力於印度,未來4年估可獲200億授權收入

力積電9月26日宣布與印度塔塔電子(Tata Electronics)簽訂合作最終協議(Definitive Agreement),以FAB IP授權方式協助塔塔電子於印度古吉拉特邦(Gujarat)多雷拉(Dholera)建設全印度第1座12吋晶圓廠,將移轉成熟製程技術以及培訓印度員工。

力積電先前指出,這座總投資額達110億美元、月產能5萬片的12吋晶圓廠,可望為當地創造超過2萬個高科技工作機會。

黃崇仁強調,力積電並非為了印度而放棄日本,而是退出日本後集中火力於印度建廠計畫, 「應該說兩個政府態度不同、方式不同、要求不同,就得到最後的結果,跟什麼企業(合作)沒有關係。」

他並指出,塔塔集團旗下的塔塔微電子公司有5萬員工,為蘋果生產手機、也是印度最大的電子產品製造公司,而負責建構半導體事業的主管,大多是來自英特爾(Intel)等專業公司的印度海歸派,再加上印度政府祭出高額補貼政策,「110億美元(投資額)中,印度政府提供了75億~80億美元的補助」,合作協商進展十分順利,並已經完成簽約。

力積電表示,將協助塔塔電子在印度建廠、培訓員工並技術移轉,將依合約訂定的進度分期收取服務、授權費,預計未來3~4年可獲得新台幣200億元授權收入。

推「3D AI Foundry」策略,傳超微也找上門

力積電同日攜手矽智財廠愛普科技發表「3D AI Foundry」策略,表示其多層晶圓堆疊、高容值中介層(Interposer)製造技術,現已成為美商超微(AMD)、一線邏輯代工廠及大型封測廠合作夥伴,並透過新技術承接訂單,預計在明年下半年逐步放量。

愛普科技董事長陳文良指出,AI算力和記憶體的頻寬成正比,同時運算的能耗和記憶體的能耗也強相關,目前行業主流2.5D技術,在頻寬和能耗上都有瓶頸。本次發表的3D AI Foundry 技術打破了2.5D技術在頻寬和能耗上的限制,實現了10倍以上的頻寬,並降低位元單位功耗90%以上。

黃崇仁表示,銅鑼新廠已針對3D AI Foundry訂單,投資20億元導入新設備投產,未來依據市場需求,將規劃100億元的新產線資本支出,有望成為推升營收及獲利的新引擎。

虧損持續擴大,主因折舊所致

力積電第三季營運虧損擴大,第三季自結合併營收116.5億元,季增4.74%、年增12.01%,但稅後虧損28.78億元、每股虧損0.69元。累計今年前三季營收335.94億元,稅後虧損52.75億元、每股虧損1.27元。

力積電副總經理暨發言人譚仲民指出,營收成長但虧損增加,主要因為銅鑼新廠產能持續開出、營運成本及折舊費用所導致,不過,公司帳面現金部位維持344億元,財務結構目前尚屬穩健。

延伸閱讀:力積電確定落腳仙台!曾說「熊本交通比竹北還爛」,黃崇仁為何看好宮城縣?

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