群聯5月8日公布2026年第一季財報，每股盈餘EPS達68.80元，營收與獲利同步改寫歷史單季新高；單季合併營收達新台幣409.67億元，季增79.7%、年增196.0%。4月合併營收達202.07億元，年增236%；今年前4個月累計營收為611.74億元，年增208.32%，同步刷新歷史同期新高。
潘健成指出，群聯已逐步從傳統NAND控制晶片與NAND儲存方案公司，轉型為AI儲存基礎架構暨邊緣AI運算平台供應商，邁向「PHISON 3.0」。
《數位時代》整理群聯法說會五大關鍵問答，帶讀者一次看懂群聯如何回應NAND漲價、庫存升高、AI儲存需求，以及從模組廠邁向AI儲存平台的轉型布局。
Q1：EPS衝上68.8元，群聯這季到底賺在哪？
群聯第一季營收、毛利率與獲利同步創高，每股盈餘達68.80元，高於前一季的21.74元與去年同期的5.53元；第一季合併毛利率達61.3%，較前季增加19.6個百分點，淨利為151.75億元。
潘健成表示，第一季營收成長主要來自平均銷售單價上升，加上PC OEM出貨增加。在NAND供應有限下，群聯也將資源優先投入AI相關儲存模組、嵌入式與工業應用等產品線。
「在供應受限的情況下，群聯會把有限的NAND資源，用在可以創造更高價值的產品。」他進一步指出，群聯消費性模組占比已經降低，目前會優先投入企業、AI、嵌入式與工業等應用市場。群聯本季毛利率拉升，除了反映NAND報價上漲，也與產品組合調整有關。
Q2：NAND還會缺貨多久？會回到記憶體景氣循環嗎？
NAND供需吃緊，是群聯本季財報大幅成長的關鍵因素之一。 群聯指出，目前全球NAND市場供給依舊吃緊，價格持續上升，短中期內尚未看到明顯舒緩跡象。
潘健成透露：「3月有零組件單日平均銷售單價上漲50%，4月又上漲20%。」他也表示，希望價格維持平穩或小幅上升，若價格上漲過快，對市場發展並不健康。
群聯指出，這波需求來源與過去消費性電子景氣循環不同。潘健成表示：「AI會走向邊緣端，PC、筆電、桌機都需要使用AI。」隨著AI應用從模型訓練走向大規模推論與落地部署，AI推論產生的資料量快速增加，也讓基礎架構逐漸轉向以資料與儲存為核心，進一步推升高容量、高效能NAND儲存需求。
Q3：庫存衝到721.99億元，群聯為何還敢繼續備料？
群聯的高庫存也成為本次法說會焦點。群聯第一季存貨淨額達721.99億元，平均存貨週轉天數也升至315日。公司指出，存貨以應用於非零售市場為大宗，後續將依市場需求與公司策略進行調節。由於預期年底AI新平台推出後，NAND供應可能更加吃緊，部分庫存可能會保留到第四季。群聯也規劃發行海外可轉換公司債籌資8億美元（約新台幣251億元），以支應庫存與後續備料需求。
潘健成說明，群聯建立庫存，是因為已取得客戶設計導入與採用，需要提前準備材料。他直言：「如果我們辛苦完成design-in、design-win，結果到年底發現買不到料、出不了貨，前面就等於做白工。」
他也強調，公司不是為了操作低價庫存，而是要確保已取得的專案能如期出貨，表示：「群聯的核心競爭力，從來都不是建立在低價庫存操作，而是建立在長期技術領先、完整客製化能力，以及協助客戶共同創造高附加價值產品與解決方案。」
Q4：研發費用單季達86.71億元，群聯把錢押在哪？
群聯第一季費用同步增加，其中研發費用達86.71億元，占營收21.2%，高於前一季的52.54億元與去年同期的25.66億元。群聯表示，營業費用增加主要來自長期技術與產品布局，包括先進製程研發、光罩費用、AI儲存與邊緣AI平台開發，以及關鍵人才延攬與員工獎酬提升。
潘健成在法說會中也提到，群聯在台灣約有3500名研發工程師，去年研發費用超過130億元，今年可能超過200億元，甚至達230億元以上。他指出，群聯持續投入研發，是為了提高高附加價值產品比重，並支撐AI儲存、企業級SSD、邊緣AI平台與軟體方案等新產品線。
Q5：從SSD到AI儲存平台，「PHISON 3.0」想做什麼？
潘健成表示，群聯已逐步從傳統NAND控制晶片與NAND儲存方案公司，轉型為AI儲存基礎架構暨邊緣AI運算平台供應商。他指出，未來包含AI資料平台、企業級SSD、aiDAPTIV技術方案與AI軟體等AI生態系相關方案，都將成為群聯未來重要成長動能。
在法說會中，潘健成表示，群聯產品已涵蓋控制晶片、韌體、板級設計、模組、系統與服務。群聯也將布局軟體與平台服務，包含整合伺服器、儲存與管理軟體的基礎架構方案，以及讓AI應用串接底層硬體資源的介面服務。群聯未來也會與軟體服務夥伴合作，把AI儲存方案延伸到基礎架構與平台服務。
其中，群聯近期推出的aiDAPTIV Hybrid AI SSD與aiDAPTIV Hybrid Claw方案，主打降低企業資料外洩風險，並協助客戶節省超過70%的Token使用成本。潘健成也提到，群聯正與GPU、CPU伺服器夥伴合作，透過自家技術與快取方案，讓有限的GPU資源也能支援模型微調與推論。
