全球電動車市況熱絡,車用晶片龍頭英飛凌、德州儀器等接連擴廠,恐擠壓台灣代工業者空間
![全球電動車市況熱絡,車用晶片龍頭英飛凌、德州儀器等接連擴廠,恐擠壓台灣代工業者空間](http://178.128.105.246/content-https-image1.thenewslens.com/2023/2/jy0khespf6hzmylfdc1p6ysbhhd7rm.jpg?auto=compress&h=90&q=80&w=150)
我們想讓你知道的是
隨著電動車市況越來越熱絡,過去居於二線的車用半導體業者,開始變得越來越重要,除了掌握未來龐大的車用零件市場之外,也改變了過去大量妥託代工的模式,擴大自身產能以利未來的產業調度。
面對電動車市況熱絡,車用晶片需求節節攀升,過去居於二線的晶片業者開始受到重視。其中車用晶片龍頭英飛凌(Infineon)、美國德州儀器(TI)等接連啟動擴廠計畫。市場預估車用晶片產業整體投資金額上看250億美元(新台幣7500億元),將對台灣晶片代工業造成影響。
全球車用晶片拚擴廠
根據研究調查機構Gartner數據顯示,車用晶片需求到了2024年650億美元的規模,這樣爆發性成長,和許多車廠加入各種電子輔助系統、各類感測儀器,以及自駕車和發展有關的零件。
隨著電動車快速發展,車用半導體成為關鍵。一般而言,該類晶片都是由車廠向零件商下訂單,再通過零件商委託半導體IDM業者設計生產。
這類半導體IDM業者,包辦設計和製造業務,屬於一條龍生產之業者,如德國英飛凌、日本瑞薩(Renesas)、美國德州儀器、日本Rapidus等車用晶片廠。
日前Gartner於2021年統計,目前全球十大車用半導體業者,分別為英飛凌、恩智浦(NXP)、瑞薩、德州儀器、意法半導體(STMicro)、博世(Bosch)、安森美(ON Semi)、ADI、微芯(Micro)、東芝(Toshiba)和羅姆半導體(ROHM)。
目前英飛凌、瑞薩和德儀在內的IDM廠將投入超過250億美元,進一步擴大產能。其中,車用晶片龍頭於2月16日宣布,獲得歐洲晶片法案補助,獲得10億歐元(新台幣323.8億元)的資金,於德國的德勒斯登擴大功率半導體的產能。
英飛凌執行長Jochen Hanebeck表示:「我們正擴大產能來加快公司步伐,利用減碳和數位化的趨勢為我們提供成長的機會。我們看到對半導體的結構性需求不斷增長,例如用於可再生能源、數據中心和電動車。」
英飛凌強調,德勒斯登擴廠將於2023年開始,2026年秋季正式加入生產半導體,而英飛凌的投資也完全符合歐盟要在2030年生產全球中占比20%的目標,以確保歐洲的關鍵供應鏈可以順利推進。
此外,德州儀器15日也宣布,獲得美國晶片法案補助,將在美國猶他州興建12吋晶圓廠,這是該公司在猶他州110億美元投資的一部分,此座廠房建成後將會與現有工廠合併為一家工廠。
晶片代工業者未來市況看法仍分歧
德州儀器強調,該新廠預計2023 年下半年開始興建,2026年投入生產,這是先前所宣布擴大產能的計畫中的一部分。新廠會強化現有集團產能的規劃,包括均位於德州的DMOS6、RFAB1和RFAB2和猶他州LFAB。同時也續在德州Sherman建造了4座新的12吋晶圓廠。
事實上,過去的半導體發展歷史上,此類車用半導體IDM業者為了尋求效率或者降低成長,會將一大部分的製造叫給晶片代工業者製造,如台積電(TSMC)、聯電(UMC) 和三星(Samsung)等,代工業者再依照產能需求向上游材料商,如環球晶(Globalwafers)等公司叫貨,製作完畢後送到下游封測廠測試後出貨。
但是近來車用半導體IDM轉向自己建設廠房,外界預期將壓縮代工業者的空間。位於封測大廠的業內人士David告訴《關鍵評論網》受到地緣政治改變,IDM業者開始將製造訂單收回到自己口袋,一面可以更完整調度產能,二來成本已經不是首要考量,如何維護供應鏈穩定且安全成為關鍵。
他強調,從車用晶片大廠英飛凌、德儀的設廠動態來看,在地生產車用晶片已經是趨勢,而作為二三線的半導體業者,也必須順應趨勢到各地設廠,才有辦法在獲得更多訂單。
不過,業內盛傳將擠壓到台灣代工業者的空間,David看法則較為保留,業界的看法也相當分歧。主要是在美中���抗的框架下,全球會有兩套生產系統,一套是中國,第二則是以歐美為首,在這兩者之間正是台灣有機會的地方。此外,他談到半導體設備仍是非常昂貴,若在激烈的競爭下,車用IDM廠是否有資源兼顧設計與製造,持續建廠房是一大問號。
延伸閱讀
- SEMI示警:美國無法阻止DUV設備輸入中國,紅色供應鏈仍可打價格戰搶單
- 台灣半導體產業在未來三年仍保有優勢,應留意對「無差異化」成熟製程廠商所帶來的挑戰
- 台灣因台積電而自我感覺良好,但美國的晶片布局已能看出對中國武統的疑慮
- 【台積電的地緣政治】晶片主導未來科技戰,「美歐台韓日中」各自有哪些籌碼?
- 美中晶片戰爭:當「政治」成為半導體最大考量,聯電將成為下一個關鍵公司?
【加入關鍵評論網會員】每天精彩好文直送你的信箱,每週獨享編輯精選、時事精選、藝文週報等特製電子報。還可留言與作者、記者、編輯討論文章內容。立刻點擊免費加入會員!
核稿編輯:翁世航
《台灣產業 AI 準備度調查》凸顯「數據力、運算力」重要性,Google Cloud 提供 10 個步驟建議實現生成式 AI 應用
![《台灣產業 AI 準備度調查》凸顯「數據力、運算力」重要性,Google Cloud 提供 10 個步驟建議實現生成式 AI 應用](https://image1.thenewslens.com/2024/8/xpdsin9szzqis56cvpxqinkkwrhlvf.jpg?auto=compress&h=90&q=80&w=150)
我們想讓你知道的是
過去兩年生成式 AI 的快速崛起,讓我們見證到 AI 如何以驚人速度影響著世界!不少企業對 AI 懷抱美好想像,但當實際著手導入 AI 專案,才驚覺內部 IT 基礎架構與資料策略存在許多缺漏。對此,Google Cloud 與人工智慧科技基金會(AIF)公布《台灣產業 AI 準備度調查》,作為企業經營者擘劃 AI 藍圖的參考,同時也為資訊長、IT 主管提供內部資源盤點指引。
前瞻技術能否發揮影響力,可藉助其應用產值加以觀察。根據麥肯錫 2023 年發布《生成式人工智慧的經濟潛力》報告,指出生成式 AI 每年可為全球經濟增加數兆美元的價值。另外,PwC 的 2023《全球人工智慧研究:發掘 AI 革命》預測到 2030 年,AI 將為全球 GDP 創造高達 15.7 兆美元價值。
AI 紅利大家都想分一杯羹,而究竟台灣企業普遍在擁抱 AI 機會的準備度現況又是如何? Google Cloud 攜手 AIF 製作《台灣產業 AI 準備度調查》,評估的面向涵蓋:數據力、創新力、技術力、治理力、運算力,結果發現,2024 年台灣企業整體 AI 準備度指數平均 54.08。其中,「數據力、運算力」與 IT、資訊工作最相關的指標,在這份報告提供深具價值的關鍵洞察。
![AI指數五大能力-2](https://image1.thenewslens.com/2024/8/oyq0shxjt4bkf4kbogs87f90kf42ii.jpeg?auto=compress&q=80&w=150)
![AI準備度指數-2](https://image1.thenewslens.com/2024/8/vsmal6lalxd7m4us0a5vz33fnm6a3t.jpeg?auto=compress&q=80&w=150)
企業 IT 部門最該關注「數據力、運算力」兩大指標,關鍵仍在企業策略
首先是「數據力」,對於計畫導入 AI的企業,數據的準備度至關重要。企業必須能快速蒐集、處理多個數據來源的資料庫,例如要跨部門合作打通ERP、CRM系統資訊,以整合不同來源的資料餵養企業 AI 模型、幫助企業各部門同仁從日常工作更輕鬆從資料獲取價值。
不過《台灣產業 AI 準備度調查》點出,目前僅 17.8% 的台灣企業有能力整合並快速處理不同來源資料。多數企業尚未打造一個資料存取的整合平台(如資料湖、資料倉儲),內部各類數據散落在不同單位,導致數據孤島 (Data Silos)情況普遍存在。除了業務單位無法快速、自主運用資料,當然也無法訓練 AI 模型洞察營運全貌,找出企業第二成長曲線的可能性。
至於該如何解此困境?根據《Google Cloud 如何協助機構運用生成式 AI 實現創新》白皮書,提出策略建議:善用雲端平台整合企業資料,同時在雲端環境訓練 AI 模型來深入分析營運資訊。像是 BigQuery、Cloud Spanner、Looker、乃至於 Vertex AI 相關解決方案,都已涵蓋在雲端的整合式智慧資料平台,不僅解決數據孤島還有效管理資料生命週期各個階段。
《台灣產業 AI 準備度調查》另一個值得科技人注意的是「運算力」,因深度學習訓練、圖像生成、自然語言處理等任務,皆需大量而複雜的計算,算力架構的規劃更應納入 IT 決策進行整體評估。從報告可以發現,目前 AI 模型所仰賴的 GPU 運算環境部署,混和雲、公有雲及私有雲,各有約 2 成的企業支持。
![運算環境-2](https://image1.thenewslens.com/2024/8/adkrqn63ob2npa6debwfdmfs0p55b6.jpeg?auto=compress&q=80&w=150)
![運算資源規劃-2](https://image1.thenewslens.com/2024/8/bsrve6b5mx8n4uwe9nhw9b91qi913r.jpeg?auto=compress&q=80&w=150)
不過,進一步調查企業的運算資源策略,發現達 51.5% 企業仍處於不清楚規劃或沒有需求的狀況,若想要充分發揮生成式 AI 的潛力,構建兼具性能、敏捷和可擴展的基礎設施及運算資源是至關重要的。Google Cloud 台灣技術總監安玟宇提到,「當企業在評估運算資源,可先考量是否需要發展自己的大型語言模型,或是把 AI 視為驅動企業成長的工具之一,借助第三方 AI 方案對應企業的使用場景。」
評估算力資源的方式,目前有兩大模式為主流。其一是企業準備投入人力撰寫程式碼,希望部署專為 AI 訓練優化的特殊加速器,如 Google 提供的 Tensor Processing Unit(TPU),利用更進階的硬體進行更高效益的訓練運算;另一則是使用通用型 GPU 執行,把資源投資在其他優先處理相關業務場景。
從 0 到 1 打造生成式 AI,Google Cloud 分享 10 大步驟
有鑒於眼下 AI 的快速發展,企業資訊長或 IT 主管往往肩負起高層的期望:在公司內部快速導入生成式 AI 工具,幫助各部門成員提高生產力。至於該如何從實驗階段進展到加速階段,最終走向規模化?Google Cloud 在《給高階主管的生成式 AI 指南》白皮書當中,分享「30 天內推出第一個應用實例的 10 個步驟」,幫助企業快速展開 AI 旅程。
![Screenshot_2024-08-23_at_12_53_59 PM](https://image1.thenewslens.com/2024/8/pprq0mpx5plkntvegum5p9oy90dfzh.png?auto=compress&q=80&w=150)
這 10 個步驟參考上圖所示,可粗略區分為幾大環節,第一階段是準備期(步驟 1 ~步驟 3),確認 AI 要解決哪個業務領域,或關注哪項需要 AI 輔助的工作職務。並且決定資料來源,減少幻覺回應並改善 AI 的可解釋性。
到了第二階段(步驟4~步驟7)則是展開期,包含選定專門團隊人才;確定意圖、目標和期望達到的成果;與專門團隊攜手設計提示;打造容易使用的操作體驗與介面。有了上述累積的基礎之後,到了第三階段(步驟8~步驟 10)則是擴展期,包含向團隊其他人員開放模型的使用;擬訂計畫監管 AI 模型輸出內容;以及將應用範疇拓展至其他應用實例。
當企業期待透過生成式 AI 來加快業務流程,甚至進一步為組織帶動成長,從《台灣產業 AI 準備度調查》發現,企業掌握資料搜集與應用能力的下一步,想要持續發揮 AI 價值綜效,必須在數據整合及運算工具資源繼續耕耘,尋找合適的雲端合作夥伴,AI 才會成為推動企業轉型的真正驅力。
本文章內容由「Google Cloud」提供。