白話科技|MLCC是什麼?一顆比鹽巴還小的電容,如何成為AI伺服器關鍵零件?
白話科技|MLCC是什麼?一顆比鹽巴還小的電容,如何成為AI伺服器關鍵零件?

MLCC是什麼?這種積層陶瓷電容原本是電子產品裡常見的被動元件,近期卻因AI伺服器需求升溫重新受到關注,國巨、華新科等台灣供應商也成為市場焦點。

三星電機指出,AI伺服器使用的MLCC數量,是通用伺服器的10至15倍。TrendForce也指出,AI伺服器與自研ASIC平台需求升溫,使高階MLCC供應趨緊,短期內不易快速緩解。價格端也開始出現變化。日系主要MLCC廠太陽誘電率先調漲低容值消費性與部分車用MLCC價格,漲幅約6%至13%;這也帶動通路市場反應,並使三星電機評估調整代理商定價。

過去,MLCC多被視為標準化程度高、景氣循環明顯的被動元件;但在AI伺服器需求升溫後,它不再只是消費性電子景氣的配角,而成為觀察AI供應鏈供需變化的另一個切口。

電容是什麼?電路裡的「蓄水池」功能一次弄懂

電子產品裡的電流並不會永遠穩定。當晶片高速運算、元件快速切換時,電壓與電流都可能出現瞬間波動。這些波動若沒有被控制,輕則造成訊號不穩,重則影響晶片運作,甚至損害元件。

電容的功能,就是在電路裡暫時儲存電荷。當電壓突然升高時,電容可以吸收多餘電荷;當電壓下滑時,又能快速釋放電荷,協助維持電壓穩定。可以把它想成電路裡的小型蓄水池,颱風來臨、水量洶湧時蓄水,水量不足時再補水。

早在18世紀,萊頓瓶就已經是早期儲存電荷的裝置。但真正讓電容大量進入現代電子產品的,是後來高度小型化、可以大量貼裝在電路板上的各類電容。其中最常見、也最重要的類型之一,就是MLCC。

MLCC是什麼?積層陶瓷電容的結構、特性與競爭優勢

MLCC全名積層陶瓷電容(Multi-Layer Ceramic Capacitor)。從結構來看,MLCC是把陶瓷介電層與金屬電極一層一層交替堆疊,再經過燒結,形成一顆固體電容。這種多層堆疊設計,是MLCC能在很小體積內提供足夠電容量的關鍵。

簡單說,MLCC的價值在於把電容做得很小、很薄,又能大量放進電路板。目前最微型化的MLCC尺寸已縮小到 0.16mm × 0.08mm,這種極致的小型化能力對於空間寸土寸金的智慧型手機、穿戴式裝置至關重要。

白話科技MLCC

MLCC也具有幾個特性。它體積小,適合高密度電路板;高頻特性較好,能用在高速訊號與電源穩定場景;可靠度高,能應付車用、工業與伺服器等不同環境;同時也適合用自動化表面黏著技術大量生產。

相較之下,鋁質電解電容容量可以做得很大,但體積較大,高頻特性也較不適合高度密集的先進電子產品。鉭質電容穩定度高,也常用在高階電子設備,但成本與材料限制較高。MLCC則是在體積、成本、可靠度與高頻特性之間取得平衡,因此成為現代電子產品最常見的電容類型之一。

AI伺服器為何大量需要MLCC?用量、規格與供給壓力全解析

MLCC已經存在數十年,過去多被歸類為低單價、標準化程度高的被動元件。它不像GPU、HBM或先進封裝一樣直接決定算力表現,但幾乎存在於所有電子產品的電路板上。AI伺服器需求升溫後,MLCC受到關注的原因,主要來自用量增加與規格提升。

根據TrendForce研究,NVIDIA GB200單板約搭載6,500顆MLCC,下一代Rubin平台因熱設計功耗提高、電源管理設計更複雜,單板用量約上看12,000顆。三星電機也指出,AI伺服器使用的MLCC數量,約為通用伺服器的10至15倍;村田製作所則預估,AI伺服器用電容需求將在2030年度達到2025年度的3.3倍。

延伸閱讀:Vera Rubin是什麼?概念股有哪些?

用量增加之外,產品規格也同步提高。AI伺服器用的高階MLCC,和一般消費性電子使用的標準品不同。隨著AI伺服器功耗提高,電源系統正從傳統12V架構,往48V、54V甚至更高前端直流電壓演進。這使部分位於電源轉換路徑上的MLCC,必須具備更高耐壓、更高容值與更高的溫度可靠度。

高階MLCC的製造難度也因此提高。為了在有限板面空間內提高電容量,廠商必須把陶瓷介電層與金屬電極做得更薄,並精準堆疊更多層。三星電機即指出,高容值MLCC可堆疊至600層。當介電層越薄、堆疊層數越高,材料均勻性、燒結控制與良率,都會影響產品可靠度。

這代表AI伺服器帶動的需求,並不只是一般規格MLCC的數量增加,而是讓高容值、高耐壓、高可靠度產品的重要性提高。

AI伺服器功耗提高後,供電系統不只需要更多MLCC穩定電壓,也需要功率半導體負責電力轉換與管理。如果想要進一步了解MOSFET、IGBT、SiC、GaN等元件如何影響AI伺服器與電動車電源設計,可以參考這篇文章:〈功率半導體是什麼?台股18檔概念股、MOSFET、IGBT、SiC、GaN一次看懂〉

主要MLCC製造商有哪些?日韓台廠商格局一次看

MLCC市場高度集中,主要供應商集中在日本、韓國與台灣。其中,日本廠商長期在材料、製程、小型化與高可靠度產品上具備優勢;韓國三星電機則是全球主要競爭者之一,積極切入AI伺服器、車用與工業市場;台灣則以國巨、華新科為主要代表。

若以全球MLCC市場來看,村田製作所仍是龍頭廠商。金融時報指出,村田供應全球約40%的MLCC。韓國媒體ChosunBiz則引述iM證券資料指出,在AI伺服器用MLCC市場,村田市佔約45%,三星電機約39%,兩家公司合計占據多數高階需求。

村田製作所的產品強項在小型化、高容值與高可靠度MLCC,是AI伺服器、車用與工業應用的重要供應商。三星電機則主攻高容值、高壓MLCC,近年積極布局AI伺服器、車用與工業市場,並推出對應高壓電源系統的高階產品。

其他日本廠商中,太陽誘電也是主要MLCC供應商之一,產品涵蓋車用、工業、通訊與消費性電子,具備高可靠度被動元件基礎。TDK則是全球主要被動元件廠,布局車用、高壓、工業與電源相關應用。

台灣廠商方面,國巨是台灣最大被動元件廠,產品涵蓋MLCC、鉭質電容、晶片電阻與磁性元件,應用橫跨車用、工業、伺服器與網通市場。華新科則是台灣主要MLCC與晶片電阻供應商,布局車用、工業與標準品市場,受被動元件景氣循環與部分高階需求影響。

MLCC應用場景:AI伺服器、電動車、智慧型手機用量差多少?

MLCC的應用可以分成三層來看:第一層是AI伺服器與電動車,屬於目前成長最快、規格升級最明顯的市場;第二層是智慧型手機與消費性電子,出貨量大,但較容易受到景氣循環與庫存調整影響;第三層是工業、醫療、航太與國防設備,市場規模未必最大,但重視可靠度與長期供貨。

AI伺服器與電動車:用量與規格同步升級

如前文所述,AI伺服器是目前MLCC需求成長最快的應用之一。電動車同樣是高階MLCC的重要市場。三星電機指出,一輛電動車約需要20,000至30,000顆MLCC,遠高於一般消費性電子產品。

MLCC廣泛用於電池管理系統、車用逆變器、車載充電器、ADAS、自動駕駛感測器與各類電子控制單元。三星電機表示,相較於消費性電子,車用MLCC更重視長時間穩定運作,必須承受高溫、高壓、震動與濕度變化,認證時間也較長。

智慧型手機與消費性電子:用量大但循環性強

智慧型手機仍是MLCC的大量應用市場。村田指出,每支智慧型手機約使用800至1,000顆MLCC;高階手機功能越多,MLCC用量也會增加。手機內部空間有限,卻需要放入處理器、記憶體、相機模組、螢幕、無線通訊、充電與感測器等零件,因此MLCC必須持續小型化,並在有限空間中維持電源與訊號穩定。

PC、平板、穿戴裝置與一般消費性電子,也都需要MLCC。不過,這類市場標準化程度較高,需求較容易受到終端銷售與庫存調整影響。相較之下,車用、工業、伺服器等高階應用更重視可靠度、認證與長期供貨,產品組合對毛利結構的影響也更大。

工業、醫療、航太與國防設備:重點在可靠度

工業、醫療、航太與國防設備對MLCC的要求,重點在於可靠度與長時間穩定運作。這類設備的使用環境可能涉及高溫、高濕、震動或高電壓,因此產品通常需要更嚴格的測試、驗證與客戶認證。

相較於一般標準品,這類高可靠度應用未必追求最大出貨量,但更重視產品規格、供貨穩定性與客戶認證能力。對MLCC供應商來說,能否切入工業、醫療、航太、國防等高階利基市場,會影響產品組合與毛利結構。

台灣MLCC概念股:國巨(2327)、華新科(2492)等廠商布局解析

國巨(2327)

國巨是台灣最大被動元件廠,產品涵蓋MLCC、鉭質電容、晶片電阻、磁性元件與感測器。根據國巨2024年年報,MLCC占整體營收19%,鉭質電容占18%。

國巨2020年完成收購美商基美(KEMET)後,產品線從MLCC與晶片電阻,進一步擴大到鉭質電容、薄膜電容、電磁與感測元件等領域。KEMET長期布局高階車用、工業、航太、醫療、雲端網通與5G設備等應用,也使國巨的產品組合更偏向高階利基市場。

若想進一步了解國巨如何從被動元件標準品,轉向高可靠度、車用、工業與AI伺服器供應鏈,可延伸閱讀:〈被動元件是什麼?國巨漲停背後:一顆被動元件,如何把陳泰銘推上台灣首富?〉。

華新科(2492)、信昌電(6173)

華新科是台灣主要被動元件廠,產品包括MLCC、晶片電阻、射頻元件、電容器與其他被動元件。其中,MLCC佔2024年營收42%,晶片電阻佔22%。

相較於國巨,華新科更集中布局標準品。若被動元件進入漲價或補庫存週期,華新科通常會被視為標準品需求回溫的受惠廠商之一。華新科旗下信昌電(6173)則以MLCC、晶片電阻、介電瓷粉等產品為主,並著重布局車規MLCC。

禾伸堂(3026)

禾伸堂早期以電子元件代理起家,後續切入利基型MLCC與固態電容製造。禾伸堂在桃園龍潭設有生產基地,製造積層陶瓷電容,並以自有品牌銷售,同時也代理多家國際半導體與電子零組件,同時具備通路與部分自製MLCC業務。

通路商:堡達(3537)、日電貿(3090)

堡達、日電貿屬於電子零組件與被動元件通路相關廠商,商業模式與MLCC製造廠不同。製造商受惠於產品規格升級與產能利用率,通路商則更受代理產品組合、庫存水位、交期變化與價格循環影響。

MLCC為什麼會缺貨、漲價?

MLCC近期再度受到關注,並不是所有規格都全面缺貨,而是高階產品與標準品市場出現分化。AI伺服器、車用與工業應用拉高高容值、高耐壓、高可靠度MLCC需求;標準品則受到產能配置、庫存控管與通路備貨影響,出現價格止跌與部分反彈。

第一,高階MLCC供給彈性有限。TrendForce指出,雲端服務商加速導入ASIC,使MLCC需求快速集中到小尺寸、高容值、耐高溫的高階品項。

並且,AI伺服器使用的MLCC必須在有限板面空間內提供更高電容量,並承受更高溫、更高電壓與更嚴苛的可靠度要求。這使高階MLCC的供給不能單靠一般產線補上。材料、薄層堆疊、燒結控制、機械強度與客戶認證,都會影響實際供應能力。即使村田、三星電機、太陽誘電等供應商擴大相關規格生產,部分高階MLCC仍因製造難度與良率問題,難以快速增加產量。

第二,標準品市場也受到產能配置影響。在AI應用需求增加下,日韓主要供應商將部分產能轉向高附加價值產品,使消費性MLCC的供給彈性逐季縮小。TrendForce指出,台灣與中國通路商因此提前備貨標準品,形成ODM實際訂單下滑、通路訂單增加的落差。

2026年4月,太陽誘電率先調漲低容值消費性與部分車用MLCC價格,漲幅約6%至13%。TrendForce也指出,受供應鏈漲價動能影響,整體MLCC平均價格跌幅收斂至不到0.5%,為近三年最小跌幅,顯示供應商議價能力有所恢復。

第三,稀土材料增加供應鏈不確定性。部分稀土元素會作為MLCC的添加材料,用來改善電容量溫度特性、壽命與可靠度。因此,中國稀土實施出口管制後,高階MLCC供應鏈也面臨材料風險。

因此,這一波MLCC漲價不能簡化成「AI伺服器把MLCC買光」。真正的變化,是AI伺服器與自研ASIC平台把需求推向少數高階規格,讓高階產能出現結構性供給壓力;同時,標準品市場又受到產能配置與通路備貨影響,使價格從過去的下跌循環中逐漸止穩。

延伸閱讀:
被動元件概念股:國巨、華新科、禾伸堂⋯被動元件缺貨潮,受惠股大盤點

關鍵字: #白話科技
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