台灣供應鏈突圍與全球先進封裝競局
【作者： 王岫晨】
CoWoS封裝產能、HBM記憶體供應、ABF基板產能—同時陷入緊繃，成為全球AI基礎設施擴張的最大瓶頸。台灣身為先進製程與封裝重鎮，如何透過設計服務、基板與材料的升級來化解挑戰？
AI訓練與推論帶動NVIDIA、AMD的加速器全面採用CoWoS與HBM（High Bandwidth Memory）。然而，CoWoS產能、ABF基板與HBM供應同時吃緊，形成「先進封裝—記憶體—基板」三重瓶頸。
需求暴衝與三重瓶頸
AI伺服器的記憶體頻寬與容量成為效能關鍵，NVIDIA Blackwell、AMD MI350 系列等AI GPU/加速卡採多顆 GPU +多顆HBM的2.5D異質整合，標配 CoWoS（Chip-on-Wafer-on-Substrate）與HBM3E及下一代HBM4。需求遠超既有產能，使得CoWoS產能、HBM產能與ABF基板同步緊繃。TSMC 2025年CoWoS產能規模上看7.5萬片／年，並在2024–2025年連續倍增，仍難完全滿足NVIDIA等客戶；TSMC亦開始將部分CoWoS流程委外至OSAT（如日月光、矽品）。
技術面，TSMC正加速從CoWoS-S（矽中介層）轉向CoWoS-L（RDL/有機介電層）、CoWoS-R等族系，以支援更大封裝尺寸、更多HBM堆疊與走線密度。這些變體被視為在不犧牲性能下擴大可量產性的重要路徑。
HBM：從3E邁向4／4e
JEDEC已於2025年正式發布HBM4（JESD270-4）：單堆疊介面位寬擴至2048-bit、速率至8 Gb/s，每堆疊頻寬可達2 TB/s、容量最高64 GB，目標是滿足下一代AI訓練平台對更高頻寬、更低能耗的要求。HBM4e作為擴充世代，業界預期將在2027前後量產、頻寬更進一步並引入客製化base-die（邏輯基底晶片）方案。
供應面來看，SK hynix以MR-MUF（Mass Reflow-Molded Underfill）封裝流程在HBM 3/3E市場領先，散熱與良率被廣泛認可；三星正導入MUF家族技術以改善HBM良率，Micron於2026年量產HBM4、並規劃後續 HBM4e。2025–2026年的HBM產能幾乎被大客戶預訂，顯示記憶體仍是AI 供應鏈的關鍵閘門。
【欲閱讀更豐富的內容，請參閱CTIMES出版中心】
延伸閱讀
相關新聞
5G固定無線接取將成寬頻主戰場
過去FWA常被視為光纖難以到達區域的權宜方案，但在5G中頻與毫米波網路鋪開後，FWA已成為固定寬頻成長最快的品類之一。FWA已是與光纖並列、以體驗工程與商業設計取勝的新一代固定寬頻方案。
光照即頻譜—VLC可見光通訊產業與技術全覽
可見光通訊（Visible Light Communication, VLC）正從實驗室階段加速跨入可商用的專網市場。其核心價值在於把照明設備升級為通訊節點，利用LED、μLED或雷射二極體以強度調變/直接偵測的方式在可見光頻段傳輸資料。由於光不穿牆、頻譜極寬且不受傳統RF法規束縛，VLC在電磁相容要求高、保密需求強與干擾敏感的場域，展現出更可控與可預測的連網品質。
從資料中心到車用 光通訊興起與半導體落地
隨著數位化浪潮的加速，從雲端服務到人工智能應用，再到車用電子與醫療影像處理，龐大的數據流量正以指數型態成長。傳統電子訊號的傳輸方式，雖然在過去數十年間支撐了資訊產業的發展，但如今已逐漸遭遇頻寬與能耗上的瓶頸。電訊號在長距離傳輸時，會受到電阻與電容效應影響，導致延遲上升與功耗大增。相比之下，光訊號具備高速、低延遲、低損耗的特性，使其成為新一代資料傳輸的關鍵解方。
CPO與 LPO 誰能主導 AI 資料中心？
隨著AI運算需求持續飆升，從大型語言模型（LLM）、生成式AI到高效能運算（HPC），資料中心面臨的最大瓶頸已不再是單純的晶片效能，而是頻寬、功耗與散熱。傳統電連接逐漸無法滿足AI GPU/TPU所需的龐大資料傳輸，促使 光電整合（Opto-Electronic Integration）成為必然趨勢。其中，CPO（Co-Packaged Optics，光電共封裝）與LPO（Linear Drive Pluggable Optics，線性可插拔光模組）兩種不同架構的方案，正成為全球大廠與台灣光通訊供應鏈的競逐焦點。
台灣供應鏈突圍與全球先進封裝競局
CoWoS封裝產能、HBM記憶體供應、ABF基板產能—同時陷入緊繃，成為全球AI基礎設施擴張的最大瓶頸。台灣身為先進製程與封裝重鎮，如何透過設計服務、基板與材料的升級來化解挑戰？
以先進封裝重新定義運算效能
在過去近六十年的時間裡，半導體產業的發展軌跡幾乎完全由摩爾定律所定義，即積體電路上可容納的電晶體數目，約每18至24個月便會增加一倍，帶來處理器效能的翻倍成長與成本的相對下降。
贊助廣告
商品推薦
udn討論區
- 張貼文章或下標籤，不得有違法或侵害他人權益之言論，違者應自負法律責任。
- 對於明知不實或過度情緒謾罵之言論，經網友檢舉或本網站發現，聯合新聞網有權逕予刪除文章、停權或解除會員資格。不同意上述規範者，請勿張貼文章。
- 對於無意義、與本文無關、明知不實、謾罵之標籤，聯合新聞網有權逕予刪除標籤、停權或解除會員資格。不同意上述規範者，請勿下標籤。
- 凡「暱稱」涉及謾罵、髒話穢言、侵害他人權利，聯合新聞網有權逕予刪除發言文章、停權或解除會員資格。不同意上述規範者，請勿張貼文章。
FB留言