半導體的「第三次日出」在哪?台積電「研發6騎士」楊光磊:台灣不可錯過歐洲、南洋新戰場!
半導體的「第三次日出」在哪?台積電「研發6騎士」楊光磊:台灣不可錯過歐洲、南洋新戰場!

半導體在地生產成為國際新趨勢,在美國、日本之後,歐洲也正積極爭取加入這場晶片競賽。《數位時代》邀請到曾任台積電研發處長,被稱為「台積電6騎士」之一的楊光磊博士分享歐洲半導體產業的第一手觀察,深入解析台灣經驗如何成為歐洲半導體「第三次日出」的關鍵推手?

Q:為何稱歐洲為「台灣科技業遺忘的樂土」?潛在優勢為何?

我一直將歐洲形容為「台灣科技產業遺忘的樂土」。

雖然歐洲是個大歐盟,但各國發展很不一樣。西歐國家如法國、德國、荷蘭在半導體發展上較早,像荷蘭的飛利浦(Philips)當年就是台積電重要的股東與技術提供者。然而,隨著時間推移,我在台積電時也看到歐洲市場的比重逐漸下降,到後來我們幾乎遺忘了這個市場。

我發現,中歐和東歐地區,其實有著很強的科學與工程背景,例如捷克的半導體發展甚至可追溯到 70 年前,最早的公司叫 Tesla(非電動車品牌)。中歐如捷克和波蘭,過去都有很強的基礎科學背景。這是歐洲發展半導體的潛在優勢。

Q:傳統 IDM 模式難以複製台灣代工的成功,歐洲應如何切入新一波半導體發展?

歐洲的 IDM 模式(整合元件製造)過去主要著重於滿足在地市場需求,缺乏代工模式所需要的「服務文化」,這讓他們在全球競爭中逐漸衰退。當然,歐盟擁有超過 5 億人口的大市場,若能以「保護性市場」機制來扶植半導體,絕對是可行的。然而,歐盟市場效率不夠,各國間仍有各自的策略。

我認為,歐洲的半導體絕對可以走出一條不一樣的路,但前提是必須一致化整個歐盟的市場策略,先聚焦於歐盟內需,而非急著外銷。

Q:半導體業的「第三次日出」,會發生在歐洲嗎?

現在捷克,很自然地成為了台灣進入歐盟的一個重要切入點。主要原因是,捷克是歐洲國家中對台灣最友善的國家之一。台灣最大的強項是半導體,如果能用半導體來幫助這些國家,對方的接受度很高,同時也能讓台灣的影響力進入

歐盟市場,這是巨大的未來機會。我將這視為人生中有機會接觸到的「第三次日出產業」。

第一次日出: 發生在 1980 年的美國半導體產業。

第二次日出: 發生在 1995 年的台灣半導體產業。

第三次日出在哪裡?除了歐洲之外,南洋半導體(東南亞)以及復甦中的日本半導體也有機會,台灣都可以扮演「起頭的」角色,與這些國家成為共同的市場創造者。

Q:您對捷克政府提出了什麼不同於「招商引資」的建議?台灣的成功經驗可以如何複製?

我跟捷克政府強調的是,不能只把所有希望寄託在台積電這個「招商引資」專案上。台積電沒有義務幫助捷克發展半導體產業。

我的核心建議是:捷克本身需要有一個「根」的組織。就像台灣早期有工研院,透過技術移轉、實驗室孵化在地企業。這是一個更長期的規劃。

我建議捷克:
1.建立根基: 成立一個類似工業研究院或實驗室的組織,將海外技術移轉與招商引資的活動集中於此,作為產業發展的「根」。
2.設置孵化器: 讓本土企業能夠進入,發展未來的核心技術,進行長期的規劃。
3.重點切入: 考量捷克在化合物半導體和類比訊號領域的基礎,且不同於台灣目前強項的數位訊號晶片,雙方具備互補性,可避開與中國的直接競爭。

Q:捷克有機會成為歐洲無晶圓(Fabless)IC設計的中心嗎?

在 IDM 強勢的地方,Fabless 設計文化通常難以成功,如同日本和韓國。但捷克人願意投入電路設計的人才相對較多,投資報酬率也較好。

因此,捷克有機會成為歐洲切入 Fabless 模式(編按:Fabless(無晶圓廠)模式是指半導體產業中公司只專注於晶片設計,將製造、測試、封裝等生產環節全部外包給晶圓代工或其它專業公司,自己不擁有製造設備或工廠。)的一個很好的切入點。我們在國科會的計畫下,正透過捷克去發展 Fabless Smart Company。

模式: 讓捷克人用台灣的技術平台(Technology Foundry),設計符合當地市場的產品。
定位: 捷克可以成為台灣在歐洲設立的一個 IC Design Service Hub,以布爾諾(Brno)等科技園區為中心,讓整個歐洲的國家來利用這個資源。
優勢: 透過共享 EDA 資源,可以降低歐洲 IC 設計的成本,讓這個地區成為 IC 設計的中心。

這不只是訓練人才,更是創造需求。如果當地訓練出的人才,在捷克就能找到IC設計的工作,甚至到德勒斯登設廠的台積電供應鏈工作,就能形成正向循環。

Q:除了協助產業落地,台灣有機會輸出整套「造山者」模式嗎?

「十年樹木,百年樹人」,人才培養是一個國家創造影響力最直接、最有利的方式。台灣要對世界產生長遠的影響力,人才輸出是關鍵。

我現在在台科大想做的,是培養高端領導思維的人才。台灣半導體產業相對成熟,高位職缺有限。我們應該鎖定海外人才,讓他們到台灣接受培訓,除了知識,更包括產業規劃的能力:

訓練目標: 讓這些學生或年輕工作者,熟悉台灣的生態系統(Ecosystem)和模式。
長遠目標: 等他們回到自己的國家時,能夠成為該國半導體產業的領導者或政策規劃者,創造一個新的產業。
影響力: 這一批由台灣培養出來的「造山者」,將會讓該國的半導體產業與台灣有強烈的連結。這種以少數領導人所產生的投資回報(Return on Investment),遠高於培養單純的基層員工。

台灣的經驗告訴我們,只要有一批「種子」先回來,就能點燃產業發展。未來,台灣不僅輸出晶片與工廠,更將輸出整套的管理與造山模式,讓摩爾定律的下一個 30 年,有台灣的一份貢獻。

免費報名楊光磊博士直播:南洋半導體熱潮,台灣不能缺席的新戰場!再免費收藏簡報檔>>https://pse.is/8azqex

(完整Podcast|EP 241. 全世界都想發展半導體,為何台灣該關注捷克? ft.台積電前研發處長楊光磊

延伸閱讀:因為梁孟松!台積電「研發六騎士」,20年後照片變4人⋯揭開背後故事

在半導體業打拚30多年!台積電「研發6騎士」楊光磊告白:我為什麼選擇提前退休?

關鍵字: #半導體產業
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