「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%?
「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%?

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。

台積公司資深副總經理暨副共同營運長張曉強.jpg
台積電全球業務資深副總經理暨副共同營運長張曉強預期,今年半導體產值成長將超過10%
圖/ 業者提供

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。

台積公司先進技術暨光罩工程副總經理張宗生.jpg
台積電先進技術暨光罩工程副總經理張宗生指出,目前台灣正有11座廠在興建中
圖/ 業者提供

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

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