「美國將重返領導!」新創Substrate挑戰ASML商模:50人團隊,如何造出平價款EUV曝光機?
「美國將重返領導!」新創Substrate挑戰ASML商模:50人團隊,如何造出平價款EUV曝光機?

重點一:成立於2022年的Substrate,已募資逾1億美元、估值突破10億美元,計劃在美國自建晶圓廠,以挑戰ASML(艾司摩爾)在曝光機市場的壟斷。

重點二:Substrate宣稱自研緊湊型EUV(極紫外)曝光系統,目標於2028年量產,但專家質疑三年時程過於激進。

重點三:投資方包括Founders Fund、General Catalyst、以及In‑Q‑Tel(美國政府非營利投資機構)。公司約50人,核心成員來自IBM、台積電等企業。

舊金山新創Substrate近日宣布完成超過1億美元(約新台幣306億元)募資,本輪估值逾10億美元。公司目標在美國自建、搭載自研曝光設備的晶圓廠,試圖打破ASML(艾司摩爾)在先進曝光機市場的長期壟斷。

創辦人詹姆斯・普勞德(James Proud)接受《華爾街日報》採訪指出,公司核心創新是一套緊湊型、採用超短波長雷射的EUV(極紫外)曝光系統,可在矽晶圓上蝕刻奈米級複雜圖案。

同時,Substrate不打算將設備出售給代工廠,而是擬以垂直整合模式自行投片、量產晶片,並計劃在2028年啟動量產。

關於它們的目標,形象短片中的文案說的十分直白:America ivnented semiconductors. We will lead again.」(美國發明了半導體;我們將再次領導。)

目標打倒ASML!企圖將曝光成本減半

報導指出,Substrate的投資陣容強大,包括PayPal、Palantir共同創辦人彼得・蒂爾(Peter Thiel)旗下的Founders Fund(創辦人基金)、一級創投General Catalyst,以及In‑Q‑Tel(美國政府非營利投資機構)。公司現有逾50名員工,多來自IBM、台積電、Google、Applied Materials(應用材料)與美國國家實驗室等。

Substrate宣稱,旗下製程設備皆為自行研發並生產,並將以粒子加速技術重新定義晶片曝光(Lithography,光刻/曝光)流程。 據悉,其機器以高速粒子束處理晶圓上極微尺寸線路的製程步驟,主張能克服傳統EUV路線的瓶頸,進而在高階處理器製造環節提供替代選項。

Substrate備受矚目的原因在於,目前全球最先進晶片的量產設備幾乎仰賴ASML的EUV與High-NA EUV系統,而台積電等晶圓代工龍頭是這些設備的核心使用者。

ASML 高數值孔徑極紫外光微影設備(High NA EUV)_2.jpg
ASML的EUV與High-NA EUV系統十分昂貴,單機售價超過3.5億美元。
圖/ 業者提供

Substrate的策略,是以新型曝光機切入此高壁壘市場;若其粒子加速方案真能達到甚至超越現行EUV在解析度、疊對精度與產能表現,將直接影響尖端製程路線圖與設備採購結構。

此舉不僅挑戰ASML的技術優勢,也可能為代工與IDM(整合元件製造)在先進節點(如2nm、1.x nm)帶來新的工藝選擇,牽動上游材料、光罩設計與下游高效能運算(HPC)與AI晶片的產品時程。

Substrate表示,目前已解決「技術上最棘手的難題」,把突破點鎖定在「曝光精度」與「產能」兩大指標,欲讓製造商在成本與良率上取得競爭優勢。

總體而言,Substrate的願景在於:透過自家設備將半導體製程中的曝光成本減半,藉此在美國本土建立先進晶片製造產線、降低對海外供應鏈的依賴,並重奪半導體製造的主導權。

三年內造出供應鏈?時程遭質疑過於激進

依據《華爾街日報》報導,業界普遍認為先進曝光技術的研發與量產門檻極高。ASML投入約25年、逾100億美元(約新台幣3067億元),才讓EUV微影技術大規模導入;單機售價超過3.5億美元(約新台幣107億元),主要客戶為台積電與英特爾(Intel)。

報導並引述不具名專家指出,要在更大晶圓面積維持同等精度並實現高速曝光,往往需要十年級距的技術累積;中國業者多年嘗試突破相關瓶頸,仍受限於工藝與供應鏈。

針對外界對技術門檻的疑慮,Substrate提供奈米級印刷圖像以佐證性能,但外界對其三年內建成複雜且資本密集的半導體供應鏈抱持保留,認為其2028量產時程偏「激進」。

此外,Substrate提出以「數十億美元」資本支出建廠的構想,遠低於今日動輒200億美元以上的先進晶圓廠建置成本,亦引來可行性質疑。

半導體界的Tesla?Substrate有望顛覆產業結構

Substrate倡議的垂直整合路線,與半導體產業近半世紀的全球分工模式相左。報導引述產業人士指出,在高研發、高資本支出的大型製造業中,將設計、設備到量產全握於一家公司,難以長期維持財務與技術韌性。不過若成功,Substrate將有助於美國在地製造與供應鏈安全,也符合川普政府的政策方向。

報導指出,在拜登政府期間,Substrate曾與CHIPS研發辦公室接觸,但部分官員認為其計畫難以實現。Proud於2019年取得美國籍,並表達希望遏止中國在半導體的進展;若其技術與商業模式落地,有機會如Tesla、SpaceX般,以解決艱難工程問題並掌控製造流程來重塑產業結構。

Proud強調:「我們想大幅增加晶圓的數量;我們認為需求會存在。」

延伸閱讀:ASML入主Mistral AI!斥資13億歐元「換1席董事」,聯手推動半導體設備AI化

資料來源:WSJ彭博社金融時報

本文初稿為AI編撰,整理.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