台積電面板級封裝最快2027年量產!為何「從圓轉方」,是先進封裝大勢?
台積電面板級封裝最快2027年量產!為何「從圓轉方」,是先進封裝大勢?

台積電傳出「面板級」封裝技術(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。

根據《日經亞洲》報導, PLP先進封裝技術將捨棄傳統的300毫米圓形晶圓,改用可容納更多半導體的方形基板,藉此大幅提升運算效能。

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。

為什麼IC基板要「從圓轉方」?

早在去年6月,台積電就被披露正在開發新的晶片封裝技術,當時便傳出正在測試 510mm × 515mm 的方形基板,希望在擴大可容納的裸晶片之餘,也降低切割產生的浪費。

當時的報導提到,目前主流的12吋300 mm晶圓可能幾年後就無法有效率地封裝先進AI晶片,因此半導體業者也著手探索更先進的封裝技術。

wafer.jpg
方形基板比傳統12吋300mm晶圓有著更大面積,且不會浪費邊邊角角的空間。
圖/ 晶化科技

摩根士丹利曾分析,過去一塊晶圓可以封裝29組H200和100晶片,而到了B200的時代下降到了16組;日月光營運長吳田玉今年2月也曾表示, AI晶片尺寸越來越大、越來越複雜,傳統的12吋晶圓未來可能只裝得下3、4組AI晶片,效率很低。

台積電目前使用的是310 mm × 310 mm基板,雖然不及去年試驗的510mm × 515mm基板,依然能夠提供比傳統主流300 mm晶圓更大的面積。

單純從面積上來看的話,12吋300 mm晶圓面積約是70,685平方mm(大小類似直徑30公分的大餐盤),而310 mm方形基板則達到96,100平方mm(大小類似12吋大披薩盒)。

消息人士指出,要將化學材料均勻塗在基板上的難度很大,而台積電非常注重品質,因此希望從比較小的基板開始,目前也正在桃園建設試驗的產線,目標2027年進入小規模量產階段。

封裝技術重要性大增!傳台積電曾接觸群創談合作

過去封裝一向被視為半導體製程中技術較低的階段,沒有受到和製造同樣程度的重視,但AI晶片興起後,使得先進封裝如今越來越被外界關注,例如被認為決定輝達晶片產能的台積電CoWos封裝技術。

台積電現在推進新的封裝技術,也將影響眾多半導體設備商的產品研發。

《日經亞洲》提到,美、日、台半導體設備業者都開始重新設備旗下產品,以配合新的基板尺寸。日月光今年2月也宣佈投入2億美元設立扇出型面板級封裝(FOPLP)產線,並計畫配合台積電所需的尺寸設立試產產線。

《日經亞洲》還透露,台積電曾探索過與面板製造商,例如鴻海旗下的群創(Innolux)進行合作的可能性,因為這類公司對於處理方形或矩形的基板材料擁有更豐富的經驗。

然而,在了解到面板產業的精密度標準與所需技能,尚不足以滿足先進晶片封裝製程的要求後,台積電最終決定自行發展。

群創竹南企業總部01.jpg
傳台積電曾接觸群創光電,尋找在面板級封裝的合作機會。
圖/ 群創光電

面板產業 vs 先進晶片封裝:精密度差多少?

事實上, 面板產業的精密度標準與先進晶片封裝製程的要求,兩者在「精密度等級上」有顯著差距。

面板產業 (像是電視、手機螢幕) 的精細程度,例如螢幕的線條,大約是1~5微米(1微米=千分之一毫米),就像用很細的筆在紙上畫線;在對齊要求上,把不同層的線條對齊,誤差大約1~2微米,這對螢幕來說已經很精細了,即使有一點小瑕疵,通常不會影響整體功能。

但若為先進晶片封裝( 像是AI晶片、伺服器用的高階晶片) ,對精細程度的要求最細可以到1微米甚至更小,未來還會更細。 然而,這種高階晶片的容錯率極低,只要有一點點瑕疵,整個功能就可能出問題,幾乎不能有錯。

製程工藝高度重疊!先進封裝從面板業「找到靈感」

那麼,為何先進封裝技術會找上顯示產業合作?

針對這個問題,群創光電在4月16日釋出的聲明中解釋, 顯示器技術與先進封裝製程具有高度工藝重疊,前段製程與IC封裝製程約有60%工序相似,顯示產業技術本質上具備進入封裝領域的潛力。

不過群創光電強調,他們已具備生產620mm × 750 mm 基板的能力,是目前先進封裝應用可支援的最大尺寸,若客戶有需要較小尺寸者,公司都能夠配合調整,向下修正不構成技術挑戰。

針對市場解讀《日經》報導為「無法支援先進封裝所需精度與技術門檻」,群創澄清「不清楚其消息來源」,且該報導未加定義即將「顯示器產業」、「精度與技術門檻不足」與「先進封裝需求」等關鍵詞混合敘述,恐導致讀者錯誤解讀與不實印象。

延伸閱讀:影片|FOPLP是什麼?概念股有哪些?FOPLP跟CoWoS差在哪?

資料來源:日經亞洲(1)日經亞洲(2)

責任編輯:李先泰

往下滑看下一篇文章
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承

1973 年,良興從台北光華商場一間 50 坪的電子零件行起家,半個世紀後蛻變為年營收破十億、毛利率 18% 的全通路 3C 品牌。不過,伴隨規模擴張帶來的不只是成長,還有日益加劇的管理摩擦。門市遍布全台、品項高達近萬筆,加上跨部門協作頻繁,行政耗損與知識傳承的缺口,成為這家老字號邁向下一階段的隱形天花板。

良興總經理賴志達回顧,從電子零件跨入電商、從線下擴張到 OMO 全通路、再到會員深度經營,作為 3C 零售業者,良興每一波轉型都走在同業前面。「現在輪到 AI 了。如何做到人機協作、AI 賦能,就是良興第五波轉型的核心命題。」

AI 自動化,從行政細節釋放組織戰力

轉型需要夥伴,而賴志達評估合作夥伴的標準很明確:技術能力是基本,產業知識(Domain Know-how)的深度是關鍵,回饋速度更是最終決定因素。2025 年的未來商務展上,良興選擇攜手 Data-DI,看重的正是其「策略諮詢 + AI 產品 + 落地陪跑」三軌並行的實施能力。

很快的,良興與 Data-DI 合作的第一個專案,就落在最耗費人力、卻最常被忽視的環節:會議記錄。「會議如果沒有產值、沒有效果,對企業很傷!」賴志達說,他每天參加許多會議,但跨單位協作的會議記錄長期依賴人工聆聽與逐字整理,常出現人名誤植、決策遺漏、行動項目無人追蹤,讓會議效果大打折扣。

數智聚(良興)_1.JPG
良興總經理賴志達
圖/ 數位時代

為了解決會議記錄的痛點,Data-DI 業務副總包威棣指出,在導入工具以前,團隊須先釐清三件事:場景是否具備落地價值、哪些流程節點適合 AI 介入,以及以終為始地掌握客戶真正想要的輸出樣貌。這些看似基本的提問,都決定 AI 能否精準落地。

確認方向後,良興與 Data-DI 成功導入 AI 會議記錄自動化系統,透過模糊比對技術校正語音辨識誤差,並將生成的雙版本報告直接回存至既有資料庫,不僅將行政人員從重複性作業中釋放,也為後續的 AI 應用奠定扎實的系統整合基礎。

賴志達分享,現在他去外部開會也會用這個工具,運用 AI 把錄音轉文字、再整理成簡報,很快就能完成,更令外部夥伴驚艷。「我認為這是很成功的案子!也提醒想做 AI 的老闆們,與其急著搞大架構,不如先從小工具讓公司嘗試 AI,建立理解和認同。」

AI 把資深員工大腦轉化為資產

補完行政效率的缺口後,良興接著切入更深層的營運核心:知識傳承。過去,頂尖銷售經驗長期鎖在少數資深員工身上,新人培訓耗時三個月,員工離職即帶走知識資本。與此同時,網路資訊發達,消費者進店前早已掌握基本規格,3C 通路門市人員要如何發揮更多價值?「我要門市的人不是死背規格,而是面對客人時,能用客人能理解的方式對話。」賴志達說。

為此,Data-DI 協助良興建置 AI 門市教育訓練系統。系統透過六大自動化關卡,串接教材生成、審核上架、AI 銷售對練與成績回報,主管僅需在核心節點審核;員工透過手機語音對練,系統依口吻、專業度、回應力等維度自動評分。賴志達表示,目標是將新人培訓期縮短至一個月,讓數十年累積的銷售智慧轉化為可複製、可傳承的企業資產。

然而,要讓這套系統真正運作,得先解決兩個根本問題:資料從哪裡來?以及訓練如何更準確?

「以前大數據時代,講的是資料要大、全、細、實;現在 AI 要做到的是準(準確)、合(合乎場景)。」包威棣說。良興不同廠商提供的素材品質參差不齊,Data-DI 除了整合內部資料,也補充加入外部市場評測內容以填補空缺,再透過人員審核機制過濾雜訊,搭配 agent 架構的多層步驟與知識限定,確保系統能精準提煉對應品類的訓練素材。

數智聚(良興)_2.JPG
Data-DI 業務副總包威棣
圖/ 數位時代

賴志達則看得更遠:「這些教育訓練的內容,也將成為公司未來訓練機器人很好的原料。」

Data-DI 陪跑型顧問,帶領企業 AI 轉型

良興與 Data-DI 合作的兩個專案中,雙方共同克服了長提示詞邏輯混亂、AI 幻覺污染知識庫、逐字稿讀取逾時等技術難題。邁向下一步,賴志達表示,公司各部門很早就建置 Power BI 報表,但數據豐富不等於決策清晰。「數據是土壤,如果沒有梳理,就沒有用了。」因此,他的下一個目標是活化數據資本、推動行銷自動流,以精實的人力持續驅動成長。

數智聚(良興)_3.jpg
良興攜手 Data-DI 推動 AI 落地,以小步快跑模式為企業創造變革。
圖/ 數位時代

包威棣則從顧問視角歸納兩個觀察:AI 導入需要高層認同、由上而下推進,像賴志達這樣持續引領良興走在業界前端的決策者,就是不可或缺的推手;而單點工具的價值,終究要累積成組織體質的轉變才算真正落地。「就像會議記錄改變了會議當責的結構,人員訓練改變了知識傳承的方式。從點狀應用走向企業變革,這種決策思路才是 AI 真正深入落地產生價值的關鍵。」

最後,對於仍在觀望AI應用的企業,他則建議:「未來 AI 導致的落差只會愈來愈大,人會變成超級工作者,企業會變成超級企業。開始做就對了,先做一個三個月的小任務,降低落差、再急起追上。」從痛點切入、小步快跑,讓組織在實作中累積對 AI 的理解與信任,這正是 Data-DI 的陪跑哲學。

有關更多 Data-DI 相關資訊,請查詢網站:https://www.data-di.com/

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