三星3奈米良率成謎、英特爾4年推5製程,台積電的領先地位真穩了嗎?
三星3奈米良率成謎、英特爾4年推5製程,台積電的領先地位真穩了嗎?

全球能夠量產7奈米與更先進製程的公司,僅有台積電、三星電子及英特爾三大半導體公司。

目前台積電居於領先地位,最先進的製程為採FinFET(鰭式場效電晶體,fin field-effect transistor)架構的3奈米製程,已開始量產。蘋果是最先採用台積電3奈米製程的公司,2023年9月推出的iPhone 15 Pro Max的應用處理器,就是採此製程生產。

台積電於2022年年底正式宣布3奈米製程量產,這與原來預計的量產時程相較,拖延不少時日。主要是因3奈米製程有不少工程障礙待克服,無法依原來設定的進度推進。

三星電子於2022年6月底正式宣布成功量產3奈米製程,需要注意的是採用GAA架構,這是比FinFET更先進的半導體架構,台積電預計在2奈米製程才會使用GAA架構。從表面上看,三星電子在3奈米製程狠狠地超越台積電,不僅量產時程領先,而且在技術上直接跳躍到次一世代的半導體架構。然而實際的狀況是,似乎沒有大客戶(如高通、輝達等)採用三星電子的3奈米製程,主因是良率不佳。

曾傳出三星電子3奈米製程的良率大幅提升到60%,勝過台積電的55%,不過實際情況恐與傳言差很多。直到2025年3月,尚未見到三星電子的3奈米製程接到大客戶的代工訂單,顯示良率仍未提升到讓大客戶滿意的程度。

英特爾本來是半導體製程技術的領導者,技冠全球。然而英特爾在14奈米邁向10奈米(現Intel 7)的過程中蹉跎許久,讓台積電能夠在7奈米製程脫穎而出,成為全球半導體製程技術最領先的公司。英特爾前執行長季辛格上任後,肩負復興大計,除了揭櫫「IDM 2.0」策略外,也在歐洲、美國大舉投資興建晶圓廠,同時更是非常積極地開發先進製程。

英特爾的豪賭,四年五世代製程拚彎道超車

根據英特爾的技術藍圖,從2022到2025年,四年間將推出五個世代的製程(Intel 7、Intel 4、Intel 3、Intel 20A、Intel 18A)。Intel 7目前已經進入大規模量產,Intel 4於2023年下半年開始量產。相當於台積電3奈米製程的Intel 3,於2024年下半年開始量產,Intel 3也和台積電一樣採用FinFET架構。Intel 20A預計於2024年下半年準備量產,Intel 18A預計於2025年下半年量產,這兩個製程相當於2奈米、1.8奈米。

倘若英特爾能如期量產Intel 20A、Intel 18A,就可能超越台積電、三星電子(這兩家公司皆預定在2025年量產2奈米製程),重新奪回全球製程技術的龍頭地位。

2023年7月25日,英特爾宣布瑞典電信設備供應商愛立信(Ericsson)將使用Intel 18A製程,生產愛立信新的晶片。英特爾及愛立信沒有提供進一步細節,也未提供晶片產出的日期。這則新聞有點像英特爾吹口哨走夜路的感覺,找愛立信背書英特爾的先進製程將如期推出。

2奈米技術的進入門檻應該很高,台積電、英特爾將在2奈米導入GAA架構以及「晶背供電」等新技術(台積電在1.6奈米才會導入晶背供電),這將面臨不少工程的挑戰。英特爾在實驗室可能已經完成2奈米、1.8奈米的試做,愛立信應該已經在英特爾實驗室投片試做新晶片,也可能有實驗室的晶片產出,因此英特爾才發表愛立信將使用Intel 18A的消息。從實驗室到工廠量產,有一段很長的路要走,有很多障礙必須克服,英特爾四年五製程是否能順利達陣還有待觀察。

英特爾、三星電子積極搶進最先進製程,對台積電將造成不小的壓力。目前台積電在7、6奈米、5、4奈米、3奈米製程取得領先,蘋果、超微、高通、聯發科、輝達等公司大部分皆採用台積電的先進製程。三星之前在4奈米製程的性能、良率皆不符客戶要求,使高通、輝達等不得不將需要最先進製程的產品轉向台積電投單。如今三星電子的良率已有改善,因此頻頻對高通、輝達、超微等公司招手,相信三星電子會祭出最好的條件,希望能搶到台積電先進製程的訂單,不過成績似乎不佳。

號稱「台灣貝爾實驗室」的台積電全球研發中心於2023年7月28日正式啟用,將有七千名研發人員進駐,專注於2奈米製程,以及更先進的製程技術開發。台積電每年研發預算約占營收8%左右,2022年研發預算高達54.72億美元(約占營業額的7.2%),與2021年的44.65億美元(約占營業額的7.9%)比較,成長了22.6%。主因是台積電2022年營收達758.81億美元,較2021年的568.2億美元成長33.5%,因此2022年研發費用占營收的比率下降,不過研發費用的金額仍有兩位數的成長。

在半導體先進製程的賽道上,除了研發必須投入龐大的資金、資源外,建立生產線更是需要龐大的資金,台積電近幾年每年資本支出都在300億美元以上。三星電子與英特爾皆是資本雄厚的公司,因此有足夠的資源投入先進製程的開發。

台積電、三星電子及英特爾目前皆積極發展3奈米、2奈米先進製程。三星電子雖然最先發表3奈米GAA製程量產,不過目前為止似乎還沒有大客戶採用三星電子的3奈米製程。台積電雖然較三星電子晚約半年宣布3奈米製程量產,然而現在蘋果、超微、高通、輝達、聯發科等大客戶皆在台積電3奈米製程投片量產。英特爾的3奈米製程於2024年下半年才開始量產,因此目前台積電在3奈米製程處於領先地位。

2奈米製程將會是這三大公司的決戰點。量產時程只要不要相差太多,就不會是勝負的重點,製程的性能、良率、客戶接受情形,才是勝負的關鍵點,能夠推出性能最佳、良率最好,以及價格合宜的2奈米製程的公司,就會成為2奈米製程爭霸賽的贏家。

即使漲價也無法轉單?恩智浦CEO道出台積電的統治力

台積電除了在先進製程領先外,成熟製程也競爭力十足。2023年,荷商恩智浦的執行長在法說會上,坦承前兩年受到頗負盛名的一線晶圓代工廠(委婉指台積電)持續漲價的影響,墊高成本,影響該公司的獲利。

恩智浦的執行長說,目前二線晶圓代工廠已顯著調降晶圓代工價格,但仍對恩智浦幫助不大,主因是恩智浦的一線客戶以及車用、工業用等晶片,皆由台積電代工,而車用、工業用等晶片規格嚴謹,對品質要求很高,因此很難取得客戶的同意更換晶圓代工廠。這突顯台積電的品質深獲客戶信任,然而從2022年下半年起,半導體市場開始反轉,景氣急轉直下。

2023年半導體產業在庫存調整,終端需求疲弱下,市場陷入衰退泥沼,晶圓代工廠的產能利用率下滑到60%至70%左右,連台積電也不能倖免。二線晶圓代工廠開始以各種方式迂迴降價(例如投一百片晶圓,額外送二十片免費),後來甚至直接降價。不過台積電的價格仍然不動,難怪恩智浦的執行長會在法說會上抱怨。

台積電應積極看待客戶對價格的看法,以避免競爭對手趁機而入。最高明的策略是在敵人未發動攻勢前,就封堵敵人可能進攻的缺口。台積電的三大競爭力為「技術領先」、「卓越製造」以及「客戶信任」,其中客戶信任,除了台積電保證決不會成為客戶的競爭對手外,與客戶共體時艱、適度地調整價格策略,也會是重要的一環。

腳踏兩條船的尷尬處境

對晶圓代工、EMS等為客戶代工生產產品的製造服務產業而言,維持自身的中立性是非常重要的原則。「不與客戶競爭」是做生意的不二法則,早期台灣宏碁、華碩這兩家個人電腦大廠,不僅有自有品牌的電腦產品,並且承接歐美品牌廠(如惠普、IBM等PC大廠)的訂單。

當宏碁、華碩自有品牌市場愈來愈大時,客戶時有抱怨,認為宏碁、華碩與客戶競爭,對客戶不利。因此宏碁、華碩採取行動,將品牌與製造分拆。品牌公司不從事生產製造,所有的產品皆委外生產。代工公司只從事代工服務,沒有自有產品。緯創便是從宏碁分割出來的代工公司,和碩則是從華碩分割出來的代工公司。

晶圓代工的中立性、獨立性,較終端產品製造更敏感、更重要。IC設計公司將自家設計的產品交給IDM廠代工時,它們會擔心設計技術外洩,IDM代工廠在供不應求的時候,會不會將產能優先分配給自家產品,而IC設計公司的產能分配順序被排在後面。因此選擇立場中立的純晶圓代工廠是IC設計公司的首選。

下面是一個真實的故事,活生生點出IDM廠與客戶的矛盾關係。1990年代初期,CD ROM光碟機開始進入PC市場,需求快速增加。台灣廠商看上這塊市場,紛紛開發CD ROM光碟機,許多大廠競相投入。例如明基、廣明光電(由廣達投資,於1999年成立)、光寶集團的源興科技(1999年光碟機事業從源興科技分割出來成立建興電子)、英群(BTC)等,皆大舉投入CD ROM光碟機的研發製造。

在台灣如火如荼發展CD ROM光碟機產業的同一時間,台灣的IC設計業也看到CD ROM光碟機的發展潛力,紛紛投入相關IC的開發設計。當時CD ROM光碟機IC的霸主是美商Oak Technology,市占率曾高達90%以上。Oak Technology的創辦人臧大化先生,早年在台灣成長,曾就讀於師大附中。後隨父親移居日本,在日本完成高中學業後進入千業大學就讀,之後移居美國並完成大學及碩士學位。

聯電是Oak Technology CD ROM解碼器IC的晶圓代工廠,在同一時間,聯電的IC設計部門也積極開發CD ROM 解碼器,明顯與Oak Technology直接競爭。除了市場商機外,Oak Technology懷疑聯電將它的IC設計「透漏」給聯電的IC設計部門,使聯電的IC設計部門得以「抄近路」設計出CDROM解碼器。

一桌矽谷餐廳真心話

1990年代初期,一位台灣半導體業界的老鳥,某天走入矽谷一家飯店,他眼睛一亮、發現幾位大人物坐在飯店一樓的餐廳。聯電高層的曹興誠、宣明智及劉英達皆是座上賓,另外一位是Oak Technology創辦人臧大化。這位老鳥進入的時間很恰巧,正好聽到這四位大人物精彩的對話。

臧大化很不高興地對曹興誠董事長說:「老曹,你太不夠意思了,居然抄我的CD ROM解碼器!」曹董急忙回答:「我沒管到這些細節,這應該問管業務的宣明智。」宣明智馬上辯解:「我只管業務,產品細節應該問管生產的劉英達。」矛頭指向管廠務的劉英達,球到手上,他只好回答:「我只管製造,產品的開發要問蔡明介。」「好佳在」當天蔡明介不在現場,否則場面一定很難看。這個真實故事凸顯IDM廠從事晶圓代工會遭遇到的狀況。

對IC設計公司而言,代工廠的首選是純晶圓代工廠(如台積電),選擇IDM廠做代工是不得已的。三星電子、英特爾欲力拚晶圓代工,儘管它們皆強調晶圓代工是獨立的事業單位,然而客戶仍會有顧忌。例如英特爾前執行長季辛格曾對超微喊話,歡迎超微到英特爾下晶圓代工訂單。即使英特爾的代工價格低廉,且生產技術精進,超微也一定不會到英特爾投單。即使沒有技術外洩的考量,在英特爾投單壯大英特爾,在在都會造成對超微的威脅。

台積電能在晶圓代工產業一枝獨秀,除了技術領先群倫外,不與客戶競爭、沒有自己的產品,是緊緊抓住客戶的基石。

延伸閱讀:台積電一口氣拍板8主管晉升,接班梯隊成形!王英郎、張宗生是誰?一窺製造與技術布局

本文授權轉載自《台灣科技島1981~2025:萌芽、破繭、轉型、爆發》,吳金榮著,商周出版

台灣科技島1981~2025:萌芽、破繭、轉型、爆發
圖/ 商周出版

責任編輯:蘇柔瑋

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