「A14是振奮人心的技術！」台積電拚2028量產：張曉強為何看好年成長將超越10%？|數位時代 BusinessNext

晶圓代工龍頭台積電5月15日於新竹召開2025年技術論壇台灣場，聚焦於最新技術進展、市場展望與擴產計畫等議題。

台積電全球業務資深副總經理暨副共同營運長張曉強談及 最新的A14製程節點，計畫於2028年量產，並預期2025年半導體市場「動盪但健康」，全年產值成長將超過10%。

在今天的活動中，作為來賓的聯發科技總經理暨營運長陳冠州，亦針對AI趨勢發表觀察。

《數位時代》以下盤點本次技術論壇重點精華：

重點1：A14計畫2028量產，增強智慧型手機AI功能

在4月底率先於美國加州聖塔克拉拉（Santa Clara）舉行的北美技術論壇上，台積電揭露了最新的A14製程（1.4奈米）節點。

張曉強今日指出，A14製程節點是「振奮人心的技術」，和N2製程技術相比， A14的速度提升15%、功率降低30%、邏輯密度增加超過20% ，有助增強智慧型手機的內建AI功能；並將採用新的「NanoFlex Pro」技術，以實現更高的效能、能源效率和設計靈活性。

A14計畫將於2028年開始生產，搭載「晶背供電」超級電軌技術（Super Power Rail, SPR）的版本則計畫於2029年推出。

延伸閱讀：白話科技｜晶背供電是什麼？概念股有哪些？解析晶圓「埃米戰爭」殺手鐧

A16（1.6奈米）則主要針對訊號路由、供電要求嚴苛的資料中心AI高效能運算（HPC）產品，採用晶背供電技術，計畫於2026年下半年量產。

N2（2奈米）將在今年下半年大規模量產，張曉強提到，2奈米製程受到AI客戶青睞，第一年的新產品流片（New Tape Out, NTO）數量是N5（5奈米）第一年的2倍、第二年的4倍。

至於今年量產邁入第3年的N3（3奈米）製程，在推出後繼續改進形成許多衍生工藝，包括N3E、N3P、N3X等，提供客戶不同選擇，滿足高效能運算、自駕車晶片等需求。台積電先進技術暨光罩工程副總經理張宗生透露， 2025年3奈米產能預期將成長60％ 。

重點2：台灣11座廠興建中，台中25廠年底興建、計畫2028量產

近年台積電展開海內外大擴廠，張宗生回顧建廠歷程，從2017年到2020年每年建3座廠，2021年7座、2022年3座、2023年4座、2024年6座，到 2025年則預計興建9座新廠，共涵蓋8座晶圓廠、1座封測廠 ，相較前幾年建廠計畫顯著成長。

針對國內擴廠進度，張宗生指出，台灣目前正有11座廠在興建中： 新竹4座、台南1座、台中1座、高雄5座 ，其中新竹及高雄為2奈米量產的基地，台中晶圓25廠則將在今年底開始興建，目標2028年開始量產，將採比2奈米更先進的技術，滿足AI及HPC客戶業務成長。

而在海外建廠方面，張宗生提到，為維持全球生產一致性，台積電打造全球製造管理平台，將所有製造知識整合到平台中，包括物料品質、管線配置、設備參數等，確保海外對齊國內標準，不同地點也能即時分享經驗，讓海外晶圓廠良率得以和台灣母廠不相上下。

重點3：2025半導體市場動盪但健康，看好全年成長10%

張曉強在演說中指出，近期雖然市場動盪，不過半導體產業長期走勢，仍由底層的技術工藝發展驅動，他指出2025年半導體市況是健康的，預期今年產值成長將超過10%。他也提及，近期在沙烏地阿拉伯建資料中心，即是因為能源考量，驅動AI成長的就是節能，可觀察到 AI所需的能源效率，每2年能耗約改善3倍 。

近一步從各類別應用來看，張曉強分析，手機、電腦、物聯網等市場成長平緩（mild），並可看到車用領域的自駕功能持續往先進製程推進，例如ADAS（先進駕駛輔助系統）目前大部分採用12奈米及8奈米，未來會更多推進至5奈米、3奈米等製程。而在新興應用領域方面，諸如人形機器人、智慧眼鏡的XR等技術，都需要更多高效能、低能耗的先進半導體技術支持。

對於更長期的展望，外界預估2030年全球半導體業產值將達1兆美元，張曉強表示有相當大的信心達到，並預期到 2030年半導體業的應用佔比，分別為AI HPC（高效能運算）45%，手機25%，汽車15%，物聯網占10%。

重點4：「AI議題絕對是真的！」聯發科陳冠州：大語言模型能力每3.3個月翻倍

聯發科技總經理暨營運長陳冠州以「AI加速」為主題，在技術論壇發表演說，他高呼：「AI議題絕對是真的」，未來幾年將對人類生活產生巨大影響， 資料中心投資也持續在加大，預計2029年將達1兆美元 ，比台灣GDP還要多，其中一半會在矽晶片，很大部分產值來自AI驅動。

陳冠州細數近期AI發展趨勢，其一是 大語言模型能力進展非常快速，每3.3個月能力翻倍 ，語言模型能力從原先對話為主，發展至推理及服務，成為AI代理體驗的基礎，滿足使用者資訊收集、協助訂票等多元需求。

另一個趨勢是，智慧型手機的AI算力持續提升，陳冠州指出， 旗艦手機算力可說是每2年翻倍一次，並預期AI手機至2029年滲透率將達50% 。他也指出，AI代理和各App服務之間需有共通介面，這便是MCP，產業開始在標準化。

對於聯發科優勢，陳冠州認為，聯發科特別的是擁有非常廣泛的產品組合，從邊緣到雲端都有涉足，涵蓋手機、Chromebook、Modem/Wifi、IoT、Gateway、自動化、ASIC資料中心等多元領域。

而在關稅等經濟問題不確定的時代下，陳冠州說，確定的是聯發科會持續投資技術，與合作夥伴的合作也不會停歇，「台積電是最大最深厚的合作夥伴，合作將持續加深，先進製程及先進封裝會不斷合作。」

延伸閱讀：Z世代新工作模式！「微輪班」是什麼？為何寧願打三份工，也不做一份正職？
電商買氣回不來了？momo上市來營收首衰退：為何即使砸錢補貼，仍難克服3大隱憂？

責任編輯：李先泰

「代理式 AI 」（Agentic AI）的創新服務正在重新塑造企業對AI的想像：成為內部實際運行的數位員工，提升關鍵工作流程的效率。代理式AI的技術應用清楚指向一個核心趨勢：2025 年是 AI 邁向「代理式 AI」的起點，讓 AI 擁有決策自主權的技術轉型關鍵，2026 年這股浪潮將持續擴大並邁向規模化部署。

面對這股 AI Agent 浪潮，企業如何加速落地成為關鍵，博弘雲端以雲端與數據整合實力，結合零售、金融等產業經驗，提出 AI 系統整合商定位，協助企業從規劃、導入到維運，降低試錯風險，成為企業佈局 AI 的關鍵夥伴。

避開 AI 轉型冤枉路，企業該如何走對第一步？

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題、生成內容的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工，應用場景也從單一任務延伸至多代理協作（Multi-Agent）模式。

「儘管 AI 前景看好，但這條導入之路並非一帆風順。」博弘雲端技術維運中心副總經理暨技術長宋青雲綜合多份市場調查報告指出，到了 2028 年，高達 70% 的重複性工作將被 AI 取代，但同時也有約 40% 的生成式 AI 專案面臨失敗風險；關鍵原因在於，企業常常低估了導入 GenAI 的整體難度——挑戰不僅來自 AI 相關技術的快速更迭，更涉及流程變革與人員適應。

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工。面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時加速 AI 落地。

圖／數位時代

正因如此，企業在導入 AI 時，其實需要外部專業夥伴的協助，而博弘雲端不僅擁有導入 AI 應用所需的完整技術能力，涵蓋數據、雲端、應用開發、資安防禦與維運，可以一站式滿足企業需求，更能使企業在 AI 轉型過程中少走冤枉路。

宋青雲表示，許多企業在導入 AI 時，往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

轉換率提升 50% 的關鍵：HAPPY GO 的 AI 落地實戰路徑

博弘雲端這套導入方法論，並非紙上談兵，而是已在多個實際場域中驗證成效；鼎鼎聯合行銷的 HAPPY GO 會員平台的 AI 轉型歷程，正是其最具代表性的案例之一。陳亭竹說明，HAPPY GO 過去曾面臨AI 落地應用的考驗：會員資料散落在不同部門與系統中，無法整合成完整的會員輪廓，亦難以對會員進行精準貼標與分眾行銷。

為此，博弘雲端先協助 HAPPY GO 進行會員資料的邏輯化與規格化，完成建置數據中台後，再依業務情境評估適合的 AI 模型，並且減少人工貼標的時間，逐步發展精準行銷、零售 MLOps（Machine Learning Operations，模型開發與維運管理）平台等 AI 應用。在穩固的數據基礎下，AI 應用成效也開始一一浮現：首先是 AI 市場調查應用，讓資料彙整與分析效率提升約 80%；透過 AI 個性化推薦機制，廣告點擊轉換率提升 50%。

左、右為博弘雲端事業中心副總經理陳亭竹及技術維運中心副總經理暨技術長宋青雲。宋青雲分享企業導入案例，許多企業往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

圖／數位時代

整合 Databricks 與雲端服務，打造彈性高效的數據平台

在協助鼎鼎聯合行銷與其他客戶的實務經驗中，博弘雲端發現，底層數據架構是真正影響 AI 落地速度的關鍵之一，因與 Databricks 合作協助企業打造更具彈性與擴充性的數據平台，作為 AI 長期發展的基礎。

Databricks 以分散式資料處理框架（Apache Spark）為核心，能同時整合結構化與非結構化資料，並支援分散式資料處理、機器學習與進階分析等多元工作負載，讓企業免於在多個平台間反覆搬移資料，省下大量重複開發與系統整合的時間，從而加速 AI 應用從概念驗證、使用者驗收測試（UAT），一路推進到正式上線（Production）的過程，還能確保資料治理策略的一致性，有助於降低資料外洩與合規風險；此對於金融等高度重視資安與法規遵循的產業而言，更顯關鍵。

陳亭竹認為，Databricks 是企業在擴展 AI 應用時「進可攻、退可守」的重要選項。企業可將數據收納在雲端平台，當需要啟動新型 AI 或 Agent 專案時，再切換至 Databricks 進行開發與部署，待服務趨於穩定後，再轉回雲端平台，不僅兼顧開發效率與成本控管，也讓數據平台真正成為 AI 持續放大價值的關鍵基礎。

企業強化 AI 資安防禦的三個維度

隨著 AI 與 Agent 應用逐步深入企業核心流程，資訊安全與治理的重要性也隨之同步提升。對此，宋青雲提出建立完整 AI 資安防禦體系的 3 個維度。第一是資料治理層，企業在導入 AI 應用初期，就應做好資料分級與建立資料治理政策（Policy），明確定義高風險與隱私資料的使用邊界，並規範 AI Agent「能看什麼、說什麼、做什麼」，防止 AI 因執行錯誤而造成的資安風險。

第二是權限管理層，當 AI Agent 角色升級為數位員工時，企業也須比照人員管理方式為其設定明確的職務角色與權限範圍，包括可存取的資料類型與可執行的操作行為，防止因權限過大，讓 AI 成為新的資安破口。

第三為技術應用層，除了導入多重身份驗證、DLP 防制資料外洩、定期修補應用程式漏洞等既有資安防禦措施外，還需導入專為生成式 AI 設計的防禦機制，對 AI 的輸入指令與輸出內容進行雙向管控，降低指令注入攻擊（Prompt Injection）或惡意內容傳遞的風險。

博弘雲端技術維運中心副總經理暨技術長宋青雲進一步說明「AI 應用下的資安考驗」，透過完善治理政策與角色權限，並設立專為生成式 AI 設計的防禦機制，降低 AI 安全隱私外洩的風險。

圖／數位時代

此外，博弘雲端也透過 MSSP 資安維運託管服務，從底層的 WAF、防火牆與入侵偵測，到針對 AI 模型特有弱點的持續掃描，提供 7×24 不間斷且即時的監控與防護。不僅能在系統出現漏洞時主動識別並修補漏洞，更可以即時監控活動，快速辨識潛在威脅。不僅如此，也能因應法規對 AI 可解釋性與可稽核性的要求，保留完整操作與決策紀錄，協助企業因應法規審查。

「AI Agent 已成為企業未來發展的必然方向，」陳亭竹強調，面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時，加速 AI 落地。在這波變革浪潮中，博弘雲端不只是提供雲端服務技術的領航家，更是企業推動 AI 轉型的策略戰友。透過深厚的雲端與數據技術實力、跨產業的AI導入實務經驗，以及完善的資安維運託管服務，博弘雲端將持續協助企業把數據轉化為行動力，在 AI Agent 時代助企業實踐永續穩健的 AI 落地應用。

>>掌握AI 應用的新契機，立即聯繫博弘雲端專業顧問