邊緣AI把封測拉進來，日月光與矽格新產能稼動率能拉高嗎？

 

聯發科把手機推向分散式AI算力節點

截至今年9月16日，聯發科(2454)近期首次同時發表天璣9600 Pro與天璣9600M兩款旗艦手機晶片，分別採用台積電(2330)的2奈米與3奈米製程。產品方向鎖定邊緣運算與代理式AI，讓更多AI推論直接在手機完成。

Token是AI模型處理文字與資料的基本單位。聯發科預估，2030年Token經濟規模將達5,000億美元。這項預估涵蓋雲端與終端設備產生的運算需求，也反映AI使用量可能從少數大型資料中心，逐步擴散到數十億台消費性裝置。

代理式AI則指能夠理解目標、規劃步驟並執行任務的AI系統。當手機具備足夠算力，部分推論可以留在終端完成，降低網路延遲，也能減少資料頻繁往返雲端的需求。

 

天璣9600 Pro提升效能，同時壓低多核功耗

天璣9600 Pro採用AI原生架構與全大核設計。相較上一代，單核效能提升17%，多核效能提升15%，多核功耗則降低61%。這組數字顯示聯發科把效能與能源效率放在同一條產品路線上。

手機的散熱空間與電池容量有限，單純增加算力容易遇到溫度與續航限制。多核功耗降低61%，有助於延長高負載運算時間，也提高代理式AI在手機持續執行的可行性。

晶片內建第十代超性能NPU，也就是專門處理AI運算的神經網路處理器。每瓦可生成的Token數提高55%，代表同樣電力可以完成更多推論工作。透過混合運算模式，手機將有機會成為分散式AI算力節點，擴大即時翻譯、影像生成與個人助理等應用場景。

 

先進製程需求向後延伸至高階測試

天璣9600系列採用2奈米與3奈米製程，直接支撐晶圓代工的先進製程需求。晶片整合更多CPU核心、NPU與高速連接功能後，電性驗證、功耗測試及可靠度測試的複雜度也會上升。

這項變化會向半導體後段傳導。高階晶片需要更多測試時間、更高功率設備與更細緻的驗證流程，因此測試產能可能成為量產節奏的重要環節。晶片複雜度推升測試價值量，封測廠也開始增加設備與廠房投資。

這類資本支出反映供應鏈正在提前準備產能。後續產值能否持續提高，仍取決於旗艦手機出貨量、AI功能使用率，以及高階測試設備的稼動率。

 

日月光、矽格與京元電擴充高階測試能力

截至今年9月16日，日月光投控(3711)近期投入測試設備的資本支出已達8.04億美元，主要用於擴大高階測試產能。這個規模反映封測業者對高效能晶片測試需求的準備程度。

矽格(6257)新購的湖口廠已投入量產，竹東新廠預計今年第四季完工。兩座廠區提供更直接的實體產能，後續可觀察新產能爬坡速度，以及客戶訂單能否支撐稼動率。

京元電(2449)則以自製高功率預燒設備支援晶片驗證。預燒測試會讓晶片在高溫與高負載環境下運作，用來篩選早期失效產品。AI晶片功耗提高、架構更複雜後，高功率預燒設備的重要性上升。

 

Token成長需要轉成出貨量與設備稼動率

聯發科提出的5,000億美元Token經濟規模，提供了長期需求的尺度。天璣9600系列則把這項趨勢落到單核效能、多核功耗與每瓦Token產出，供應鏈也開始透過資本支出回應技術升級。

目前可以確認三項進展：終端AI晶片規格提升、先進製程持續導入，以及封測產能開始擴張。下一階段要追蹤量產轉換效率，包括旗艦手機出貨、終端AI功能使用頻率、封測訂單延續性與新產能稼動率。這些數據將決定邊緣AI能否從晶片規格升級，進一步形成可持續的半導體產值。