聯發科(2454)AI客製化晶片升溫，下一個受益的是哪一段供應鏈？

半導體這條線，現在看的是「封鎖、保護、再分工」

近期半導體市場的焦點，其實不是單一財報好不好，而是技術門檻、機密防護、以及 AI 晶片分工三條線一起在動。這三件事放在一起看，會更清楚地理解台廠接下來的機會與風險。

 

先看技術管制：先進製程差距，正在被拉開

德國光學大廠蔡司高層提到，受出口管制影響，中國目前無法取得 EUV 極紫外光曝光機。這件事的意義不只是少了一台設備，而是代表先進製程的路徑被卡住了。

如果只能用現有設備去做多重曝光，勉強推進到 5 奈米，會遇到幾個問題：

• 製程步驟更複雜
• 良率更難拉高
• 生產成本明顯上升

換句話說，這不是單純「能不能做」的問題，而是做出來之後能不能有效率、有效益地量產。在這樣的條件下，外界普遍認為中國半導體製造能力大致仍將受限在 7 奈米附近，要快速縮短與領先者的差距，難度很高。

 

再看營業秘密：台積電事件凸顯防線正在升級

另一個市場很關注的焦點，是台積電前副理涉嫌竊取 21 件高階製程與國安相關機密，並企圖前往中國設立半導體材料分析公司，同時挖角台灣人才。台灣高檢署已依營業秘密等罪嫌起訴，並求處 7 年重刑。

這類事件的意義，在於它不只是單一個案，而是反映出先進製程的價值，越來越集中在「Know-how」本身。當設備、材料、參數、良率模型都變成競爭核心，防堵技術外流就不只是法務議題，而是企業護城河的一部分。

對台灣半導體來說，這也意味著未來競爭不只在產能與資本支出，還在組織治理、資安、法遵與人才保護。

 

第三條線是 AI 客製化晶片：雲端大廠開始自己算帳

除了地緣政治與技術管制，另一個正在發酵的趨勢，是雲端大廠自研 AI 推論晶片。市場傳出 Google 正在開發新一代 AI 推論晶片，重點不是單純堆算力，而是希望減少資料搬移、提升整體運算效率。

這背後的邏輯很清楚：AI 工作負載越來越大，雲端業者不再只買通用 GPU，而是開始思考CPU / GPU / ASIC 的組合怎麼優化。當推論端的成本壓力越來越高，客製化晶片就不再只是實驗案，而是雲端 capex 結構調整的一部分。

也因此，市場對聯發科的想像開始升溫。原因在於它具備 ASIC 設計能力，同時也有先進封裝整合的能力，若新一代客製化 AI 晶片專案擴大，台廠供應鏈有機會切入新一輪成長循環。這也是近期股價強勢、成交量放大的背景之一。

 

這件事的本質：AI 基礎建設不是只買 GPU，而是重新拆分供應鏈

現在市場看 AI，已經不能只停留在「Nvidia 賣多少 GPU」這個層次。更大的框架是：

• 雲端大廠持續加大 capex
• 推論需求開始放大
• 客製化晶片比重提升
• 先進封裝、光通訊、資料中心互連同步受惠

這也是為什麼 AI 基礎建設會一路牽動到半導體、光通訊、電力基建、資料中心軟體等不同環節。從更長線的角度看，這些都不是一次性的題材，而是供應鏈重新分工的過程。

例如當雲端業者想降低推論成本，除了自研晶片，也會連帶帶動封裝、記憶體、網路、交換器、電源管理等需求。這種變化不是單季爆發就結束，而是會持續反映在未來數年的資本配置上。

 

結論：真正要盯的，不只是政策，而是「誰能接到下一段需求」

目前半導體產業的主線很清楚：

1. 出口管制正在限制後進者追趕先進製程
2. 營業秘密保護變成先進製程競爭的核心防線
3. AI 客製化晶片讓台廠有機會在新分工中拿到訂單

接下來值得追的是兩件事：

• 各國出口管制政策會不會再收緊或鬆動
• Google、以及其他雲端大廠的客製化晶片專案，是否真的開始落地並擴大採購

如果這些專案持續推進，台灣半導體鏈的受惠就不只是一次性情緒，而可能是新一輪結構性需求。問題只剩一個：當雲端大廠把推論晶片開始往內做，下一個真正受益的，會是哪一段供應鏈？