白話科技|AI關鍵材料,CCL是什麼?概念股有哪些?跟PCB差異是?
白話科技|AI關鍵材料,CCL是什麼?概念股有哪些?跟PCB差異是?

隨著AI應用快速擴展,科技巨頭持續投入建置AI資料中心,相關零組件的需求也一併成長。其中,CCL(銅箔基板)就成為市場熱門話題之一。AI伺服器對高速、低損耗的CCL需求激增,高階CCL的技術門檻也越來越高,推升了CCL的價格和毛利率。

近期,由於銅、玻纖布等材料價格高居不下,中系廠商調漲CCL價格,
高階CCL需求強勁,台廠CCL三雄台光電(2383)、台燿(6274)、聯茂(6213)可能跟進調漲腳步。

究竟CCL是什麼?它跟我們常聽到的印刷電路板(PCB)有什麼關係?相關概念股又有哪些?

CCL銅箔基板是什麼?

CCL(Copper Clad Laminate)中文為「銅箔基板」,是由超薄銅箔製成的電子材料,厚度僅0.005-0.5毫米,具有優異的導電性能。

CCL主要由兩部分組成:基材(通常是玻璃纖維布)和覆蓋在上面的銅箔層;銅箔負責導電,玻璃纖維布提供結構強度。透過特殊製程,將這些材料高溫高壓貼合而成。

一般用CCL的應用領域有家電、消費電子、PC主機板;高階CCL通常會使用在AI伺服器、GPU模組、資料中心等。

CCL跟PBC有什麼關係?

簡單來說,PCB就是我們電子產品裡的「主機板」,上面密密麻麻地焊接了各種電子零件,讓它們可以互相溝通、順暢運作。而CCL,就是製作PCB最核心的材料。

在產業鏈中,CCL廠商提供未經蝕刻的銅箔基板給PCB製造商,PCB廠商再根據設計圖客製化每一層CCL,透過蝕刻工藝移除不需要的銅箔,形成電路圖案。

過去,CCL的技術演進主要圍繞著消費性電子產品的需求。但進入AI時代後,AI伺服器需要處理龐大的數據運算,因此對電路板的要求也大幅提升,特別是「高速」與「低損耗」這兩大特性。

為什麼現在要討論CCL?CCL在AI時代的重要性是?

AI資料中心裡面的運算核心是AI伺服器,而AI伺服器對於CCL的用量是傳統伺服器的5至7倍。隨著AI晶片需求爆發,CCL需求也跟著提升。根據集邦科技預估,輝達AI伺服器出貨量成長帶動PCB需求增加,2024年預估年增可望達到64%。

對於CCL的需求因著AI提升,可以這樣理解:就像是高速公路上的車流量突然暴增,原本的路可能會有塞車、甚至路面損壞的情況。這時候,就需要建造更寬廣、更平坦、甚至能讓車輛更快通過的高速公路。

CCL在AI伺服器中扮演的角色就是這樣:它需要確保AI晶片之間的高速數據傳輸不失真、不延遲,而且能夠承受長時間高負載運作所產生的熱量。因此,「低損耗(Low Loss)」甚至「超低損耗(Ultra Low Loss)」的CCL材料需求應運而生。這類的CCL產品通常會採用特殊的樹脂配方,例如改良型的環氧樹脂、PTFE(聚四氟乙烯)或是混合型樹脂等,來降低訊號傳輸過程中的能量損耗。

一般CCL和AI的CCL有什麼不同?

針對AI伺服器,CCL會使用高級樹脂(如 PTFE、LCP)或複合材料,確保能支援超高速(>25Gbps)的傳輸,以及高耐熱和高可靠性。

CCL依照不同電子產品的應用需求,可分為幾種性能等級:

通用級 :主要用於家電與一般消費性電子,成本低、加工簡單
高頻高速級 :應用在5G基地台、網通設備與AI伺服器,能支援高速訊號傳輸與低損耗高耐熱級:用於汽車電子與工業控制,具有高Tg值(玻璃轉化溫度)以應對高溫環境
高多層級 :適合結構複雜的伺服器或GPU模組,支援高層數堆疊與良好導熱性
軟板用級 :應用在手機、可穿戴裝置等彎折性要求高的產品,使用柔性材料如 PI(聚醯亞胺)製成。

台灣CCL概念股有哪些?

相較於傳統的伺服器,高階AI伺服器需要更高的傳輸速度,因此在伺服器的主機板上,會需要高階的CCL來協助處理運算,除了AI伺服器,車用AI加速導入(自動駕駛、智慧座艙等)也將推動車用PCB和CCL需求快速增長。

由於AI伺服器的技術門檻較高,對CCL材料的穩定性、可靠性及散熱能力都有極高要求,而高階CCL產品的驗證週期長達兩到三年,一旦通過驗證,訂單往往就相當穩固。這對於深耕此領域的台灣廠商來說,無疑是一大競爭優勢。

由於AI伺服器與高速通訊應用會使用「高頻高速級」或「超低損耗」等級的CCL,台廠積極擴產並提升高階產品比重,預計2025至2026年產業複合成長率可達26%。

近期,由於中系廠商調漲CCL價格,台廠CCL三雄台光電(2383)、台燿(6274)、聯茂(6213),以及全球主要銅箔基板供應商之一塑南亞(1303)股價也應聲大漲。

以下整理出台灣主要的CCL概念股廠商

台光電(2383):

台光電在2025年上半年營收表現搶眼,在高階銅箔產品的市占率為41.8%。今年前五個月累計營收已達新台幣361.53億元(約11.14億美元),年增率高達56.5%。值得一提的是,台光電在高階CCLM8(高階伺服器使用材料)型號的市佔率高達95%,並且M9型號(H100指定材料)也已送樣客戶進行認證。公司預計2025年營收將近新台幣850億元(約26.19億美元),年增四成,主要動能來自於AI伺服器與800G交換器。為了迎接這股需求,台光電的產能正持續擴充,目標年產能達到5,900萬張,預期將帶動公司營收再攀高峰。

台燿(6274):

同樣受惠於AI伺服器的強勁拉貨效應,台燿的終端需求暢旺,營收與毛利率呈現同步增長趨勢,法人機構也因此調高了其目標價。目前台燿的高階CCL訂單有顯著增長,預期未來高階市場的滲透率將持續提升。公司不僅專注於車用及AI板材,更積極將產品線擴展至高密度互連板(HDI)、衛星通訊等新應用領域,整體營運展望維持正向。

金像電(2368):

作為PCB大廠,金像電在CCL產業鏈中扮演著重要的角色,特別是受惠於美系雲端服務供應商(CSP)的大筆訂單,其AI伺服器及高速交換器訂單挹注明顯。今年前四個月營收已達新台幣87.26億元(約2.69億美元),年增率達39.5%。金像電正積極轉型,聚焦AI伺服器及高階通訊市場,持續擴產並提升高階產品出貨比重,對未來數年的高速成長持樂觀態度。

聯茂(6213):

雖然過去聯茂在高階CCL市場曾面臨訂單被其他廠商分食的狀況,但近期其目標價獲得提升,訂單也逐步回溫,高速材料的認證進展良好。聯茂正持續推動新材料的開發,並積極佈局東南亞及中國大陸的產能,以迎接800G交換器等新應用所帶來的成長動能,其中M6、M7、M8等級的高速材料也已經出貨給多家GPU、ASIC終端客戶。

此外,包括騰輝 (6670)、凱崴 (5498)、亞電 (4939)、以及南亞(1303)等傳統電子材料廠也全面受惠於AI伺服器與通訊市場的成長,訂單能見度普遍提升,並且積極跨足高頻高速材料應用,期望開創第二條成長曲線。

隨著AI技術的持續演進,AI伺服器的效能將會越來越強大,這也意味著對CCL材料的要求會越來越高。未來的CCL可能會更輕薄、更具彈性、甚至具備更好的散熱性能。對於台灣的CCL廠商來說,這既是挑戰也是機遇。持續投入研發、掌握核心技術,才能在這場AI競賽中保持領先地位,並搭上AI成長的順風車。

延伸閱讀:CoWoP將取代CoWoS?兩種技術差在哪?台積電CoWoS-S、CoWoS-R、CoWoS-L是什麼?

本文不開放轉載

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