群創獲SpaceX大單？傳馬斯克3原因「押寶FOPLP」：群創怎麼說？FOPLP優勢在哪？|數位時代 BusinessNext

重點一 ：市場傳聞群創與SpaceX簽訂面板級封裝NRE合約，有望獲電源管理晶片大單，但未獲官方正面證實。

重點二 ：SpaceX積極佈局FOPLP技術，要求協力廠擴產並將自建產線，強化衛星系統垂直整合。

重點三 ：群創持續投入FOPLP研發，延攬專家力拚2025年量產，並已拿下恩智浦和意法半導體兩大歐洲指標廠訂單，鎖定車用與電源管理IC領域。

市場盛傳，面板大廠群創光電 (Innolux) 已與電動車龍頭 Tesla (特斯拉) 執行長伊隆·馬斯克 (Elon Musk) 旗下的太空探索技術公司 SpaceX 簽署面板級封裝 (FOPLP) 技術的委託設計合約 (NRE)，目標鎖定 SpaceX 低軌衛星所需的電源管理晶片封裝業務。此消息若屬實，將是群創在先進封裝領域的一大突破，為其轉型之路再添柴火。

據悉，SpaceX 對 FOPLP 技術寄予厚望，不僅積極要求其供應鏈夥伴擴充相關產能，以滿足旗下星鏈 (Starlink) 計畫中，高度整合晶片的後續量產需求，更展現其垂直整合的野心。

值得注意的是，這項合作案仍停留在市場傳言階段，未獲得SpaceX官方證實，群創則僅表示「 不評論個別客戶議題。」

SpaceX強攻FOPLP，群創技術蓄勢待發

根據《工商時報》指出，SpaceX 為強化其低軌衛星系統的垂直整合能力與供應鏈韌性，正積極押寶 FOPLP 技術。除了要求相關協力廠商擴大建置 FOPLP 產線外，SpaceX 本身也規劃將在馬來西亞自建封裝產線，其採用的基板尺寸更是目前業界最大的700mm x 700mm，目標將衛星射頻晶片、電源管理晶片等進行共同封裝。

事實上，此策略符合馬斯克一貫偏好掌握自有核心技術的作風，如同特斯拉先前自行開發 TPAK 封裝技術並應用於自家電動車上。在此趨勢下，早已投入 FOPLP 領域研發多年的群創，被視為潛力十足的合作夥伴。

據《時報資訊》報導，群創的技術優勢在於其面板前段製程與封裝製程有高達60%相似度，不僅部分設備可沿用，工程師團隊也較容易切入。該公司利用舊有的3.5代線玻璃基板 (尺寸620mm x 750mm) 投入 FOPLP 開發，雖然此尺寸若用於生產面板已不具市場競爭力，但卻是面板級封裝中的最大尺寸之一，其面積約當12吋晶圓的近7倍，在量產效率與成本控制上具備顯著優勢。

為加速技術推進，群創前總經理楊柱祥更在2024年底延攬前日月光研發總經理唐和明擔任先進封裝產品技術推進處顧問，全力衝刺2025年的量產目標。

事實上，群創先前已傳出獲得歐洲半導體大廠恩智浦 (NXP Semiconductors) 和意法半導體 (STMicroelectronics) 的手機電源管理晶片訂單，原規劃2024年下半年量產，後因手機市況不佳及良率等因素而推遲，但其技術實力已受業界關注。

獲得SpaceX大單？群創官方怎麼說？

面對市場對與 SpaceX 合作的高度關注，群創方面維持一貫的低調與謹慎， 表示「不評論個別客戶議題，上述市場訊息無從證實或否認。」

公司進一步說明，目前共有三個製程在發展，其中 Chip first (晶片優先) 製程期望在今年開始出貨，RDL-first (線路重佈層優先) 製程仍在客戶認證階段，而 TGV (玻璃通孔) 技術則在研發當中。

群創期待今年 FOPLP 能順利量產出貨，並坦言 「初期產能規模不大」 ，預估對整體營收貢獻佔比可能不到1%，但其更重要的戰略意義在於展示公司的技術已達到可量產等級，為後續市場拓展奠定基礎。

儘管此潛在利多消息為市場帶來想像空間，但群創近期股價表現相對疲弱，2025年5月26日盤中為12.8元新台幣，單日下跌1.54%，單週跌幅則達到8.57%；觀察籌碼動向，外資單週賣超達13.9億元新台幣，但投信法人則呈現看好，單週買超3.73億元新台幣，顯示市場對於群創技術轉型成效與未來展望看法仍存分歧。

SpaceX為何看上FOPLP？

一：省錢

SpaceX自建的FOPLP產線採用700mm×700mm基板尺寸，此規格不僅為業界最大，更相較傳統12吋晶圓（直徑300mm）面積提升近7倍（6.93倍）。此特性使單一基板可容納更多晶片，尤其適合低軌衛星需整合射頻晶片、電源管理晶片及通訊模組的多元需求。

例如，星鏈衛星需在有限空間內實現高密度電子元件佈局，FOPLP的「以方代圓」設計能將基板利用率從圓形晶圓的約78%提升至95%以上，顯著減少材料浪費。

二：耐用

太空環境對電子元件的散熱要求極為嚴苛。FOPLP採用玻璃基板取代傳統有機材料，其熱導率（約1.1 W/m·K）雖低於金屬，但遠高於環氧樹脂（0.2 W/m·K），且玻璃的熱膨脹係數（3.3 ppm/°C）與矽晶片（2.6 ppm/°C）更為接近，能有效降低熱應力導致的結構變形。

此特性對衛星在極端溫差下的長期運作至關重要，例如近地軌道衛星需承受-170°C至+120°C的劇烈溫度變化。

三：訊號佳

FOPLP的玻璃基板具備低介電損耗（Df≈0.004）特性，相較傳統FR-4基板（Df≈0.02），在毫米波頻段（如星鏈使用的Ka波段26.5-40GHz）可減少訊號衰減達80%。

此優勢直接提升衛星通訊的資料傳輸速率與可靠性，符合SpaceX規劃中的每秒100Gbps星間鏈路目標。

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

資料來源：工商時報、時報資訊、CMoney

本文初稿為AI編撰，整理．編輯/ 李先泰

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。