台積電市占將達66%,持續稱霸全球晶圓代工!2025年半導體8大趨勢解析
台積電市占將達66%,持續稱霸全球晶圓代工!2025年半導體8大趨勢解析

研調機構國際數據資訊(IDC)最新「全球半導體供應鏈追蹤情報」預測指出,由於2025年全球人工智慧(AI)與高效能運算(HPC)需求持續攀升,從雲端資料中心、終端裝置到特定產業類別,各個主要應用市場均面臨規格升級趨勢,半導體產業將再度迎來嶄新榮景。

IDC資深研究經理曾冠瑋表示:「在AI持續推升高階邏輯製程晶片需求,以及高價HBM滲透率提升的推動下,預計2025年整體半導體市場將成長超過15%;半導體供應鏈包括設計、製造、封測、先進封裝等產業,在上下游合作之下,將共創新一波成長契機。」

IDC指出,2025年半導體市場將有8大趨勢:

趨勢一:AI驅動的高速成長仍將持續

IDC估計,2025年半導體市場預計將成長15%。記憶體領域可望成長超過24%,主要動能來自AI加速器需要搭配的HBM3、HBM3e等高階產品滲透率持續提升,以及新一代HBM4預計於2025下半年問世所帶動。非記憶體領域則可望成長13%,主要受惠於採用先進製程晶片,如AI伺服器、高階手機晶片等需求暢旺,另外成熟製程晶片市場也將在消費電子市場回溫激勵下預期有正面表現。

曾冠瑋表示,PC等終端應用在2025年適逢換機潮,因此對終端晶片需求也會進一步提升。

趨勢二:亞太區IC設計市況升溫,2025年可望再成長15%

曾冠瑋指出,亞太IC設計業者產品線豐富多元,應用領域遍布全球,包含智慧型手機晶片(AP-SoC)、電視晶片(TVSoC)、面板(OLED DDIC)、液晶面板(LCD TDDI)、WiFi、電源管理晶片(PMIC)、單晶片微電腦(MCU)、特殊應用積體電路(ASIC)等必要晶片。

隨著庫存水位大致得到控制、個人裝置需求回暖,以及AI運算需求延伸至各類應用都帶動整體需求,預計2025年亞太IC設計整體市場將持續成長,年成長率達15%。

趨勢三:台積電將持續稱霸Foundry1.0與Foundry2.0領域

在Foundry 1.0定義(涵蓋製程技術與晶圓代工服務)下, 台積電市佔從2023年的59%穩健攀升,預期2024年將達64%,2025年更將擴大至66%,遠超三星、中芯國際、聯電等競爭對手。

而在Foundry2.0定義中(包括晶圓代工、非記憶體IDM製造、封測、光罩製作),2023年台積電市佔為28%,但在AI驅動先進製程需求大幅提升的態勢下,預期市佔將在2024、2025年快速攀升,展現在新舊產業結構下的全方位競爭優勢。

趨勢四:先進製程需求強勁,晶圓代工廠擴產加速

先進製程(20nm以下)在AI需求推動下加速擴產。台積電不僅在台灣廠區持續打造2奈米及3奈米,美國廠區4/5奈米也即將量產。三星則憑藉著搶先進入GAA世代的經驗,在韓國華城(Hwaseong)打磨2奈米

。而英特爾在新策略規劃下壓注18A製程開發,並以吸引更多外部客戶為未來幾年的目標。整體來看,預計晶圓製造2025年產能年增7%,其中先進製程產能將年增12%,平均產能利用率可望維持90%以上高檔,AI需求驅動引爆的半導體榮景持續發酵。

趨勢五:成熟製程市況回溫,產能利用率將逾75%

成熟製程(22nm-500nm)應用範圍廣泛,涵蓋消費性電子、車用、工控等領域。展望2025年,預期在消費電子帶動,以及車用與工控領域可望出現零星庫存回補動能下,整體需求將持續回溫。8吋晶圓廠平均產能利用率可望從2024年的70%攀升至75%,12吋成熟製程平均產能利用率也將提升至76%以上,預期2025年晶圓代工產能利用率平均提升5個百分點。

趨勢六:2025年是2奈米晶圓製造技術關鍵年

曾冠瑋指出,2025年將是2奈米技術的關鍵年,三大晶圓製造商都將進入2奈米量產。

台積電於新竹及高雄擴廠,預計在2025下半年穩健邁入量產。而三星將依循往年一貫作風,預計較台積電早邁入生產。英特爾則在戰略調整下,全力聚焦導入晶背供電(BSPDN)的18A。

曾冠瑋提到,在2奈米世代,三大廠商將面臨PPAC(效能、功耗、體積、價格)的嚴峻挑戰,包括晶片效能、功耗表現以及單位面積成本的整體最佳化,尤其2奈米製程將同步啟動智慧型手機晶片(AP-SoC)、挖礦晶片(Mining Chip)、AI加速器等關鍵產品的量產,到了明年,各家的廠商的晶片良率爬升速度與擴產節奏將成市場關注焦點。

曾冠瑋指出,預計台積電A16奈米片(Nanosheet)製程可能會在2029~2030年在美國亞利桑那州量產,而4奈米製程2025年可在美國量產。曾冠瑋補充,目前美國商務部對台積電66億美元的補助款已經撥款10億。

趨勢七:封測產業生態重整,中國市佔將持續擴張,台灣AI封測優勢攀升

在地緣政治影響之下,全球封測版圖正在重組。曾冠瑋指出,中國在「半導體自主化」政策推動下,晶圓代工成熟製程產能快速成長,下游OSAT產業也隨之擴張,正形成完整的製造產業鏈。

而台廠在此態勢下也展現另一面產業優勢,不僅加速在台灣及東南亞布局產能,也深耕AI晶片先進封裝技術。展望2025年,中國封測市佔將持續上揚,台廠則鞏固在AI GPU等高階晶片的封裝優勢。預計2025年整體封測產業將成長9%。

趨勢八:先進封裝FOPLP布局深耕,CoWoS擴產倍增

半導體晶片功能與效能要求不斷提高,先進封裝技術日益重要。在FOPLP方面,2025年起將快速成長,目前以玻璃Base製程為主,應用於PMIC、RF等小型晶片,預計技術累積數年後可望進軍封裝面積要求更大的AI晶片市場,並導入技術門檻要求更高的玻璃Base產品。

另外,在NVIDIA、AMD、AWS、Broadcom與雲端服務供應商(CSP)等高效能運算客戶需求推動下, 台積電CoWoS產能持續倍增,目標將從2024年的33萬片大幅擴充至2025年的66萬片,年增100% ,其中以CoWoS-L產品線年增470%為主要動能,而台灣設備供應鏈包括濕蝕刻、點膠、揀晶等關鍵製程設備廠商,將在此波擴產潮中獲得更多成長契機。

IDC指出,2025年全球半導體產業將持續以雙位數成長 ,但仍需因應多重變數:包括地緣政治風險、全球經濟政策(包括產業補助、貿易關稅、貨幣利率等)、終端市場需求以及新增產能帶來的供需變化,都是2025年半導體產業值得關注的重要面向。

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