鐵工廠谷底翻身!高明鐵股價兩年翻60倍,董座一句「沒有逃避的退路」熬出CPO第二春
鐵工廠谷底翻身!高明鐵股價兩年翻60倍,董座一句「沒有逃避的退路」熬出CPO第二春

1994年,陳志鑫與兩名同學集資500萬元,在彰化開了一家模具機械五金行,做的是沖床模具零件、導柱、導套。誰能想到,30多年後,這家鐵工廠不但一路跨進蘋果供應鏈、矽光子與CPO設備,股價更從2023年的11.1元,一路漲到2026年的682元,短短兩年多翻了逾60倍。

這家公司,就是高明鐵(4573),高明鐵於2018年7月登錄興櫃,截至2026年第2季,股本為4.57億元。

從最早的模具加工,到自動化設備,再到今天主攻矽光子「耦光設備」,高明鐵30多年來至少兩度面臨原本的生意做不下去,如今CPO站上AI高速傳輸的浪頭,這家彰化老工廠到底做了什麼?本文將為您一一拆解。

不讓日商專美於前,30年底蘊狂攻矽光子

高明鐵現在最受市場關注的產品,是矽光子製程使用的「耦光設備」。事實上,耦光設備長期由日本設備商掌握,高明鐵則是少數切進這個市場、並進一步走向量產的台灣業者。

在光通訊系統裡,光晶片處理完訊號後,還得把光準確送進光纖;但光晶片上的通道極為細小,只要位置稍微偏掉,光就進不去,或造成訊號損耗。耦光設備的工作,就是透過極精密的移動與量測,一邊調整光纖和晶片的位置、一邊尋找訊號最強的位置,最後完成組裝。

這也正是高明鐵過去30年累積的「精密運動控制」技術,能和矽光子接上的地方。目前高明鐵以六軸主動對位平台、AI耦合演算法及晶圓級光學檢測為核心,產品已從一般光模組耦光,延伸到晶圓級測試、FAU+MLA精密組裝,以及NPO、CPO封裝測試設備。

而隨著CPO逐步走向商業量產,高明鐵布局多年的耦光設備,也開始從題材反映到訂單與財報。2026年,輝達Spectrum-X Ethernet Photonics等CPO交換器進入量產,市場對矽光子封裝、耦光與測試設備的需求跟著升溫,高明鐵股價也在這波行情中快速攀升。

高明鐵登錄興櫃以來股價變化

項目 股價 日期
登錄興櫃以來最低 11.1元 2023年11月24日
登錄興櫃以來最高(盤中) 682元 2026年4月21日
2026年以來最低 65.7元 2026年1月27日
2026年以來最高(盤中) 682元 2026年4月21日

股價之外,營運也開始跟上。高明鐵目前已通過全球前十大光通訊品牌廠認證,取得800G與1.6T光模組耦光對位模組訂單,並進一步切入CPO封裝測試設備與FAU+MLA精密組裝。

2026年7月合併營收達2億元、年增298.5%,創掛牌以來單月新高;前7月累計營收9.03億元、年增168.2%。其中,上半年營收7.03億元,已超越2025年全年的6.03億元;稅後淨利1.21億元、EPS 2.9元,也從2025年全年每股虧損2.96元轉為獲利。

為因應後續需求,高明鐵也開始擴產。2026年6月,公司以每股325元完成現金增資,發行400萬股、募得13億元,主要投入矽光子設備產能擴充、核心技術研發及營運周轉。

曾遭遇兩次重大危機,「生意一下就沒了!」

現在看似風光的高明鐵,其實一路走來歷經許多挫折。

1994年,陳志鑫與專科同學張朝凱、廖宇憲集資500萬元,在彰化市成立「盛鐵模具機械五金行」。隔年買下工廠、增資至2,000萬元並更名為高明鐵,主要生產精密沖床模具零配件、導柱與導套。

怎料2005年,台灣模具訂單開始大量外移中國,市場逐漸萎縮。陳志鑫感嘆道:「一個產業3年不成長,是一件相當可怕的事。」後來,他決定利用既有的精密加工能力,往線性傳動元件與自動化設備發展。

這一轉,讓高明鐵從傳統模具廠跨進電子業供應鏈。2010年代,高明鐵打進蘋果iPhone供應鏈,供應電動滑台模組與相關零組件,接著又取得華為訂單,營收一路拉升。2018年,公司營收達7.6億元,創下當時歷史新高。

但高峰只維持了一年。

2019年5月,美國將華為列入實體清單,高明鐵的大客戶訂單驟減。陳志鑫後來回憶,那時候「生意一下就沒了」。

2019年,高明鐵營收掉到5.28億元,較前一年大減約3成,全年每股虧損3.26元。原本靠手機自動化設備撐起的成長引擎,突然失速。

也是在這段時間,高明鐵開始尋找下一條路。陳志鑫曾帶著主管進行一趟近300公里的長途徒步,希望重新思考公司下一步。最後,高明鐵把方向轉向當時還稱不上熱門的光通訊設備。

這次並不是從零開始。過去做模具與自動化設備累積的精密加工、運動控制與機構整合能力,恰好也是耦光設備需要的基本功。只是從「把機械移到正確位置」,進一步變成「把光對到最精準的位置」,中間還多了光學量測與演算法。

從2019年華為斷單,到2026年CPO開始放量,這條路走了約7年。

當年被迫尋找的第二條生路,最後反而成了今天高明鐵最受矚目的事業。

一代創辦人的重任,陳志鑫:我沒有逃避的退路

帶著高明鐵一路換跑道的人,是董事長陳志鑫,出身雲林務農家庭的他,經歷兩次危機,對傳統產業轉型也有一套很鮮明的看法。

他曾說:「傳統產業的轉型困難,很大的原因是第一代寄望第二代領導轉型,而第二代認為第一代可以為他撐起江山,結果什麼都沒有做!」

對他來說,第一代創辦人「沒有逃避的退路」。

這句話放回高明鐵的發展歷程,倒也相當貼切。2005年模具業外移,他沒有等下一代接班後再處理;2019年手機供應鏈遭逢劇變,也沒有繼續死守原本的產品。兩次危機,高明鐵都選擇自己換下一條路。

7年虧了5年!獲利翻正後,下一步看什麼?

把時間拉長來看,2019年至2025年的7個年度中,高明鐵有5年虧損;直到2026年上半年,才交出稅後淨利1.21億元、EPS 2.9元,重新回到獲利軌道。

換句話說,現在的高明鐵,仍處於「獲利剛翻正」的階段。

一方面,800G、1.6T光模組與CPO需求開始進入訂單,前7月營收已達9.03億元;另一方面,公司才剛完成13億元現增,準備把資金投入矽光子產能與研發。接下來要看的,就是這些訂單能不能隨著CPO量產擴大,持續變成設備交機與營收。

從彰化鐵工廠走到矽光子設備,高明鐵已經花了30年證明自己能換跑道;接下來要證明的,是這條新跑道究竟能走多遠。

延伸閱讀

資料來源:櫃買中心(興櫃歷史行情)台中學研究中心謝金河臉書

本文初稿為AI編撰,整理.編輯/林育萱

往下滑看下一篇文章
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

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