AI时代，芯片的机会

公众号记得加星标⭐️，第一时间看推送不会错过。

AI疑是现今科技产业最强劲的引擎。随着NVIDIA董事长黄仁勋预告庞大的订单需求，AI 产业的发展已从初期的硬体布建，进入更核心、技术门槛更复杂的实质应用阶段。展望2026 年，这股浪潮将如何演变？

以下提问者为《数位时代》总编辑王志仁，回答者为Counterpoint 研究总监刘景民。刘景民研究光电及半导体产业近30 年，他指出，随着芯片算力与功耗的提升，市场焦点将转向解决「电」与「热」的物理限制，许多传统产业与利基型厂商正在崛起。

Q1：2025 年AI 产业发展快速，展望2026 年，您认为最重要的发展趋势是什么？

A：2026 年大家还是会继续看到AI 的蓬勃发展，但我观察到，因为AI 对于「速度」和「功耗」的要求越来越高，这会驱动很多新技术和新材料的导入。

具体来说，为了把运算速度拉高，同时解决随之而来的「电」的问题，业界会往两个方向走：

第一是电源效率的提升： 现在业界很热门的讨论是「高压直流电（HVDC）」，也就是把电压拉高。因为在同样的功率下，电压越高、电流就越小；电流越小，铜线传输的损耗就越少，效率就会变好，热的问题也会跟着变小。

第二是光传输：当电传输走到瓶颈，铜线无法再快时，「光」就变成很好的替代方案。

所以，关注这两个方向：如何在半导体端用光来解决速度问题，以及在电源端用高压来解决效率问题，这会是明后年的发展趋势。

Q2：随着芯片堆叠技术越来越复杂，这将带出哪些新材料或技术的发展机会？

A：先进封装（如CoWoS ）因为芯片尺寸越来越大，以前一片晶圆可以切很多颗，现在可能只能切几颗，这导致成本相应增加。因此，为了减少圆形晶圆在切割方形芯片时的边角浪费，业界开始发展「面板级封装（Panel-Level Packaging，简称PLP）」，面板由圆形变成方型，以此增加面积利用率并降低成本。

其次，「散热」与「热膨胀」也成为关键问题。现在AI 芯片由许多昂贵的元件堆叠在一起，当芯片在运算时温度相应会变得很高。因此，若周边材料无法耐高温，一经受热弯曲变形（Warpage），便会导致芯片坏掉，所以现在对材料的要求也变得很严格。以前有些高阶材料，因为成本太高，大家觉得用不上、不划算，但现在因为AI 产品单价高，这些材料就有机会切入。

举例来说：

1. 陶瓷基板： 陶瓷导热系数的理论值可到200 以上。以前这类材料多用在LED 或车用，对一般产品来说太贵（Over spec），但随着AI 芯片的发展，大家愿意付钱用更好的材料。

2. 负膨胀系数的填充材料（Filler）： 一般材料受热会膨胀，但这种填充材料是「负」的，这表示若将其加进去材料里可以让整体的热膨胀系数（CTE）变小，解决芯片受热后的变形问题。

3. 微流道（Micro Channel）： 也有人尝试在散热盖板（Lid）上刻出像微血管一样的细微沟槽，让冷却液体能直接流进去深处，大幅增加接触面积把热带走。这比传统贴在表面的散热方式效率高出非常多。

这些以前只在实验室或理论上的东西，现在因为客户愿意买单，更加速了商用化的时间。

Q3：在这波浪潮中，许多台湾传统化工厂或材料厂切入半导体供应链，甚至取代了日系、美系大厂，为什么会有这种转变？

A：这是中国台湾供应链的一个正向循环。以前半导体大厂习惯用日系供应商，但日本厂商反应比较慢，改一个样品可能要等两、三个月。但在AI 时代，像NVIDIA 这样的客户，产品更新节奏非常快，不可能等这么久。

这样的情况对中国台湾厂商而言，正是切入供应链的最佳机会点。台湾供应商就在台积电附近，反应速度快，可能一个礼拜就能给出新版本。当龙头大厂愿意尝试台厂的产品，并告诉优化或调整方向，台厂就能透过快速的修正把技术追上来。

Q4：除了上述提到的封装材料与化学品，还有哪些产业因AI 而出现结构性的转变？

A：我觉得有两个领域值得关注：印刷电路板（PCB）和测试产业。

关于PCB，以前大家觉得是传统产业，甚至有点像夕阳产业。但现在AI 伺服器需要的板层数很高（30 几层），且需要高密度连接（HDI），技术门槛变高了，良率稍微掉一点成本就差很多。一些有能力做高阶载板或HDI 的厂商，获利和业绩都变得很好。

另一个最近股价飙很凶的是测试产业。它之所以变得重要，是因为现在芯片上的零件（Component）越来越贵，例如HBM，若将其堆叠上去后才发现是坏的，那整颗芯片都报废了，无法重修的情况下会使得损失非常惨重。

所以现在业界有一个趋势叫「Shift Left（左移）」，意思是把测试的时间点往前端移。不只要在最后组装好才测，更要在晶圆（Wafer）阶段就开始测，甚至每一道制程都要确保是「Known Good Die（已知良品）」。

这就带动了两个需求：

1. 探针卡（Probe Card）：要在晶圆阶段就进行测试，就需要用探针卡去接触芯片。随着测试需求量变大、测得更精细，探针卡的需求也跟着大增。

2. 测试设备（如环境测试设备）：不只测功能，还要测耐受度。例如将芯片放到高温的环境测试设备（Environmental Test Chamber）里进行「Burn-in（预烧）」测试，模拟芯片在极端高温下是否能正常运作。这也让做检测设备的公司股价表现非常强势。

Q5：关于边缘运算（Edge AI）与机器人，2026 年会如何发展？

A：机器人和边缘运算绝对是未来的趋势，但时间点可能要更有耐心一点，或许要到2027、2028 年才会看到大爆发。

目前的AI 比较像是在解决「大脑」的问题，但机器人需要「手脚」，也就是机械结构、传动元件（如行星齿轮）等相关零件。这对中国台湾的机械产业是很好的机会。以前台湾机械业比较不被重视，但现在若能结合AI 的大脑，让传统的机构件升级，这会是台湾下一个产业升级的契机。虽然现在还没那么快反映在营收上，但这是值得长线布局的方向。

https://www.ctee.com.tw/news/20260110700005-430502

（来源：编译自ctee）

*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

今天是《半导体行业观察》为您分享的第4283期内容，欢迎关注。

加星标⭐️第一时间看推送

求推荐