智原(3035)AI ASIC 走強，真正被放大的不是先進製程，而是交付能力

先進製程越擠，AI ASIC 的價值就越從「節點」轉向「交付」

當先進製程一路往前推，市場很容易看清楚一件事：能把最先進的節點做出來，和能把晶片真正交付、量產、商用化，根本是兩套不同的能力。

一旦產能分配更緊、驗證流程更長、流片時程更難排、量產協調更複雜，單純比誰的製程節點更漂亮，重要性就會下降。這時候真正被放大的，反而是誰能把整條開發鏈接起來，讓風險下降、時程縮短，最後把案子推進到可商用階段。

也就是說，AI ASIC 的競爭焦點，正在從「先不先進」慢慢移到「整合得好不好」。像智原這種偏平台型、協作型的 ASIC 服務，在這種環境下存在感自然會變強。

 

市場買單的，不只是規格表，而是能不能更快變現

現在看 AI ASIC，市場早就不只盯著 node 是否夠先進，而是在看更實際的問題：

• 設計能力能不能快速整合
• IP 能不能有效重用
• 驗證流程能不能縮短
• 流片與量產協同能不能穩定推進

這些看起來很工程，但本質上都是商業效率問題。客戶真正願意付錢的，很多時候不是一份規格表上的數字，而是產品能不能更快從設計階段走到收入認列。

AI 需求強，這點幾乎沒爭議；但不代表每個案子都非得綁在最先進製程上。實務上，很多客戶更在意的是：

• 能不能更快導入
• 能不能更快出貨
• 能不能更早商用
• 能不能在成本與效能間找到平衡

所以會看到一個很明顯的趨勢：中階製程、邊緣運算、客製化架構，反而開始變得更有吸引力。對不少客戶來說，最重要的 KPI 不是「用了多先進的節點」，而是能不能先把產品做出來、先賣出去。

 

平台型 AI ASIC 的核心，不是重做一次，而是把能力做成可複用資產

平台型服務真正厲害的地方，不是每個案子都從零開始，而是把過去累積的經驗整理成可以重複使用的底層資產。

例如：

• IP 設計方法學
• 驗證流程
• 整合經驗
• 流片與量產協同流程

如果這些能力先模組化，再依照不同客戶需求做局部調整，整個專案效率就會高很多。優勢很直接：

• 不需要每個案子都重頭來過
• 不必把所有風險壓在單一高階製程上
• 設計與驗證時間有機會縮短
• 專案複用率提升
• 試錯成本較容易控制

所以平台真正賣的，從來不只是「能不能做晶片」，而是能不能把晶片更快推進到可量產、可交付、可商用的階段。

在先進製程資源偏緊的情況下，這種整合效率就更容易被客戶排在前面。放回聯發科 AI ASIC 的布局脈絡來看，這類協作型、平台型角色，確實更有機會在瓶頸期發揮價值。

 

AI 需求很強，但不代表財報會立刻同步加速

不過這裡要分清楚：平台價值提升，和營收數字馬上加速，中間通常還有一段距離。

平台型業務本身就有幾個現實變數：

 

1. 客戶集中度

如果案源太集中在少數大專案，營收認列還是會很波動。

 

2. 專案複用率

平台能不能從一個客戶延伸到更多客戶，會直接影響規模效益能不能持續放大。

 

3. 大案落地速度

就算市場情緒很熱，只要認列時間往後延，短期數字還是可能和預期有落差。

還有一個常被忽略的點是：先進製程越吃緊，市場對平台型服務的期待就越高，題材也越容易發酵，但不代表財報會同步反映。很多時候是題材先跑、數字後到，甚至短線還可能因為認列節奏而被市場嫌慢。

 

真正值得看的，是它能不能長成結構性能力

如果把時間拉長來看，智原這類 AI ASIC 平台真正重要的，不是眼前接了多少案，而是它能不能逐步變成一種更穩定的結構能力。

比較值得觀察的機制包括：

• 平台能否複製到更多客戶
• 客戶是否願意長期採用這種服務模式
• 聯發科 AI ASIC 的整體布局，是否需要更多協作夥伴來分擔製程與交付壓力

這些問題，通常比單看題材熱度更接近本質。因為在先進製程愈來愈擠的情況下，市場會重新定價那些能幫客戶：

• 縮短開發週期
• 降低整合難度
• 提高量產確定性

的公司。

智原的價值，也是在這樣的環境裡被放大。

但最後決定評價和成長曲線的，終究不是題材有沒有，而是平台能不能從個案服務，慢慢長成可持續擴張的結構能力。

當製程瓶頸還沒完全鬆開時，平台型 ASIC 服務，會不會反而變成 AI 晶片落地的必經路徑？