日月光吳田玉:台灣供應鏈像同學會,這是全世界複製不了的優勢!股東會關鍵問答全解析
日月光吳田玉:台灣供應鏈像同學會,這是全世界複製不了的優勢!股東會關鍵問答全解析

AI晶片需求持續升溫,封測產能也成為兵家必爭之地。日月光今年資本支出已上調至85億美元,後續甚至可能再上修。日月光6月24日舉行股東會,營運長吳田玉會後說明AI與先進封測需求、資本支出規畫與全球布局,並回應外界關注的封測價格、台灣供應鏈競爭力,以及面板級扇出型封裝量產進度。

為什麼日月光敢連續三年大幅拉高投資?先進封測會不會因此漲價?台積電與艾克爾合作,是否會改變封測競爭版圖?《數位時代》以下整理幾個關鍵提問,以及日月光高層的回覆。

Q1:資本支出衝到85億美元,為什麼敢連續三年大幅上修?

AI與先進封測需求升溫,日月光今年投資規模也快速拉高。吳田玉表示,日月光過去年度投資規模約20億美元,去年增加至53億美元,今年已上調到85億美元,後續「可能還要上調」。

吳田玉指出,資本支出提高,反映的是日月光對未來產能與客戶需求的準備。他說,目前蓋廠成本相對較低,但所需時間較長,不能等需求完全出現才開始準備。從疫情後幾年的經驗來看,過去預先準備的廠房與產能,可能在需求突然爆發時很快就被用完。

他強調,日月光這波投資不是只看近兩年需求。「大家要有長線思維,這絕對不是為2027、2028做準備,而是要有更長線的計畫。」吳田玉也提到,日月光今年除既有廠區擴充,也包含新開發、新建廠房與外部資產取得,集團正在為更長期需求準備產能。這些布局對日月光與客戶來說,都是信心的加持。

Q2:封測產能吃緊,客戶會不會面臨漲價?日月光如何評估價格?

先進封測需求持續增加,外界也關注日月光是否會調整價格。對此,吳田玉表示,「我覺得漲價是非常敏感的事情」,必須拆成不同層次來看。

第一,是反映原材料成本。若原材料價格上漲,價格調整有其必要性。第二,是反映投資成本。吳田玉舉例,日月光資本支出從過去約20億美元,增加到去年的53億美元,今年再上調到85億美元,這些投資都會進入成本考量。

第三,則是因實際供需失衡而採取的價格策略。對此,吳田玉並未把話說滿,只表示這部分見仁見智,也希望外界「保留一些空間,給經營團隊做適當的考量」。

不過,他也強調,價格不能只看短期供需。「任何價錢調整,必須顧到客戶對我們長期的信心。」

Q3:台積電與艾克爾合作,會不會威脅日月光?

封測二哥艾克爾(Amkor)於美國時間6月16日宣布與台積電的十年期合作案,是否會影響日月光?吳田玉表示,「我們樂觀其成」。

他指出,美國客戶很多,相關需求不只來自美國,也包括台灣、台灣以外與全球市場。這不只是供應鏈考量,也涉及戰略、製程與供應鏈韌性;每個國家、每個區域,都有國安與商業考量。

不過,吳田玉也強調,最後仍要回到競爭力。他說:「競爭力不是台灣製、美國製,也不是韓國製,而是全球產業的一個競爭力。」

他表示,日月光在美國、台灣、馬來西亞、韓國與菲律賓已經有綜合布局。換言之,日月光看待競爭,不會只從單一地區製造或單一合作案判斷,而是回到全球布局下的整體競爭力。

Q4:台灣供應鏈真正難被取代的地方是什麼?

談到台灣供應鏈在AI浪潮下的優勢,吳田玉直言,不應把答案簡化成「只有台灣能做」。

「沒有什麼事只有台灣能做,任何事情全世界都可以做。」吳田玉說,真正的差別,在於做得快不快、夠不夠便宜,以及需求增加時,上量速度有多快。他指出,台灣真正強的是量產能力。「真正的競爭不是做第一顆,也不是做第十顆,而是第一億顆到第十億顆。」

除了量產效率,台灣另一個優勢是上下游協調能力。吳田玉形容,台灣產業鏈「像個同學會」,大家非常熟,從工程師到董事長之間都能密切協調。他說,這種上下游的緊密聯絡與快速協作,「是全世界沒有辦法複製的」。

吳田玉也提醒,台灣供應鏈的優勢,不只是台灣自己努力而來,也與國外客戶的長期信任有關。他指出,前瞻布局不是台灣單方面完成,關鍵在於誰告訴台灣企業該往什麼方向布局,而這多半來自國外客戶。

「國外的客戶對你沒有長線的信心,不會把這個訊息跟你分享。」吳田玉說,台灣的好,很大一部分是在國外客戶信任、合作、支援與長期扶持下累積而來。

Q5:面板級扇出型封裝(FOPLP)量產進度如何?

面板級扇出型封裝(FOPLP)是近年先進封裝熱門技術之一。被問到日月光在FOPLP的進展,吳田玉表示,日月光原本就已有相關生產線;但預計今年底量產的,是「完全自動化、大規模、真正有經濟效益」的產線。

吳田玉指出,目前客戶安排、機器設備安排與認證都非常順利,希望在今年底法說會時,能對外說明更多消息。

不過,對於FOPLP後續能否成為主流,他的態度仍偏審慎。吳田玉表示,後續要看市場接受程度,其他與PLP相關的衍生技術也仍在初期階段。他說,面板級封裝會有其他協力廠商與競爭者一起參與,最後仍要回到市場機制。「市場的經濟會決定誰會是最後的贏家。」

延伸閱讀: 功率半導體是什麼?MOSFET、IGBT、SiC、GaN差在哪?台股18檔概念股一次看 記憶體最大買家換人了!威剛董座:別再用4年循環看產業,Google、Microsoft才是新主力

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