輝達（NVIDIA）2026 年 10 月 21 日在德國柏林 GTC 大會正式宣布，將與矽品精密工業（SPIL）、欣興電子（Unimicron）等六大供應鏈夥伴同步擴產，確保全球 AI 算力的持續供應。其中矽品負責光引擎（共封裝光學）製造，目標在 2027 年中達到現有產能的 15 倍；欣興則負責 KF 高階封裝基板，預計從 2027 年第二季起逐步加產。這不只是一則半導體新聞，更是台灣在全球 AI 基礎建設中不可替代地位的直接體現。對台灣企業老闆來說，這項宣布代表 AI 算力普及的速度只會加快，企業導入 AI 的窗口期正在壓縮。
NVIDIA 為何要在此時大規模擴充供應鏈？
黃仁勳在 GTC 柏林演講中說了一句話：「需求是非凡的，產能是制約。」（Demand is extraordinary. Capacity is the constraint.）這句話直接道出了這次供應鏈擴張的核心背景。
過去幾年，全球企業對 AI 算力的需求幾乎是以幾何級數增長。每一次主要 AI 模型的發表，都帶動更多企業購買 GPU 伺服器、擴建 AI 機房，或是使用雲端 AI 服務。然而算力不是按個開關就有的，從晶片設計、基板製造、封裝測試到整機組裝，每一個環節都需要時間和龐大資本投入。
NVIDIA 這次宣布的擴產計畫，策略核心不是「我們要蓋更多工廠」，而是「我們已經把訂金預付給全球最頂尖的供應鏈夥伴，請他們提前建好我們需要的產能」。這是一種主動鎖定供應鏈的策略，讓競爭對手更難搶占同樣的精密製造資源。截至 2026 年 7 月，NVIDIA 在整個供應鏈上的長期採購承諾已累計達 2,790 億美元，這個數字說明 AI 算力不是短期熱潮，而是 NVIDIA 押注長達數年的長期戰略。
台灣哪些企業被 NVIDIA 點名？矽品與欣興扮演什麼角色？
這次供應鏈擴產公告共涉及六大夥伴，除了韓國三星電機、日本揖斐電（IBIDEN），以及主要在美國設廠的金宸電子（KYEC）與阿莫科（Amkor），台灣的兩家公司獲 NVIDIA 明確點名，且各自承擔最關鍵的技術環節。
| 公司 | 所在地 | 負責項目 | 擴產目標 |
|---|---|---|---|
| 矽品精密工業（SPIL） | 台灣 | 光引擎（共封裝光學） | 2027 年中達現有產能 15 倍，2028 年底再翻倍 |
| 欣興電子（Unimicron） | 台灣 | KF 封裝基板 | 2027 年 Q2 起加產，2028 年中達目標 |
| 揖斐電（IBIDEN） | 日本 | 高階封裝基板 | 2028 年 Q1 加速擴產 |
| 金宸電子（KYEC） | 台灣／美國 | 半導體測試 | 2027 年 4 月美國廠目標量產 |
| 三星電機 | 韓國 | 封裝基板 | 配合整體 2.5 倍基板產能目標 |
| 阿莫科（Amkor） | 韓國 | 先進封裝 | 2028 年底前增幅超過 300% |
從表格可以清楚看出，台灣在這次擴產中承接了兩個技術門檻最高的環節：光引擎（SPIL）與 KF 基板（欣興）。前者是 AI 晶片之間高速傳輸的核心，後者是封裝 NVIDIA 旗艦晶片不可或缺的載板。台灣製造的競爭力，不在於量，而在於其他地方做不出來的精密技術。
光引擎（共封裝光學）是什麼？為什麼矽品 15 倍擴產是大消息？
對非半導體背景的企業主來說，「光引擎」和「共封裝光學（CPO，Co-Packaged Optics）」聽起來陌生。用最簡單的方式理解：AI 晶片之間要互相傳遞資料，過去用銅線，現在要改用光。
傳統銅線傳輸在短距離沒問題，但當 AI 機房裡有幾百張甚至幾千張 GPU 同時運算，晶片之間每秒要傳輸幾 TB 的資料時，銅線的速度就跟不上了，而且耗電量極高。改用光傳輸可以更快、更省電，但過去光學模組是外掛在晶片旁邊的分離元件，彼此之間還是有損耗。
共封裝光學的突破在於：把光學元件直接封裝進晶片封裝體裡面，讓光訊號在最靠近晶片的位置進出，大幅減少傳輸損耗、提高速度並降低功耗。這個整合後的零組件，就叫做「光引擎」。
矽品精密工業是全球極少數有能力量產光引擎的廠商。NVIDIA 的新一代 Vera Rubin 平台與旗下交換器，都需要大量光引擎才能讓 AI 機房裡的 GPU 彼此高效通訊。這正是 NVIDIA 選擇鎖定矽品、把產能預約到 2028 年的原因：這項技術全球供應商屈指可數，一旦產能不夠，再多的 GPU 也組不成完整的 AI 工廠。
情境示範
想像一家中型企業要建自用 AI 伺服器機房，裡面有幾十張 GPU。這些 GPU 要同時協作才能執行大型 AI 模型，連接它們的高速通訊介面需要共封裝光學技術——也就是矽品生產的光引擎。矽品的 15 倍擴產，直接決定了 2027 年全球有多少 AI 機房能建起來，也影響雲端 AI 服務的供給穩定性。
NVIDIA 的全球供應鏈版圖：台灣在哪個核心位置？
這次公告揭露的不只是個別廠商的擴產計畫，而是 NVIDIA 對整個 AI 硬體供應鏈的戰略藍圖。在這張藍圖中，台灣的定位是「精密製造的不可替代核心」。
台灣在這條供應鏈上承擔的，集中在技術門檻最高的幾個環節：
- 光引擎製造（矽品）：共封裝光學是當前最難量產的 AI 零組件之一，全球競爭者稀少。
- KF 封裝基板（欣興）：封裝 NVIDIA 旗艦 AI 晶片的高階載板，對基板材料與精度有嚴格要求。
- 邏輯晶片晶圓製造（台積電）：NVIDIA 旗下所有高階 GPU 都由台積電以 N3 或 N2 製程製造，雖未列在本次公告，但仍是整個鏈條的核心環節。
| 供應鏈環節 | 台灣參與廠商 | 全球重要性 |
|---|---|---|
| 共封裝光學（光引擎） | 矽品精密工業（SPIL） | 全球少數能量產的廠商 |
| KF 高階封裝基板 | 欣興電子（Unimicron） | NVIDIA 旗艦平台指定供應商 |
| AI 晶片晶圓製造 | 台積電（TSMC） | 唯一量產 N3／N2 製程的廠商 |
| AI 推論晶片設計 | 聯發科、瑞昱等 | 邊緣 AI 推論與終端應用 |
從這張圖可以看出一個重要事實：台灣並非靠便宜勞動力在 AI 供應鏈中佔一席之地，而是靠技術壁壘和長期積累的製造能力，成為全球 AI 廠商最依賴的夥伴。
供應鏈擴產之後，台灣企業使用 AI 工具會變便宜嗎？
這是企業老闆最實際的問題。供應鏈的邏輯是：產能增加 → 算力供應增加 → 算力成本下降 → AI 服務使用費用可能跟著降低。但這個邏輯有幾個前提要釐清：
第一，供應增加的速度要跟得上需求增加的速度。 從 2027 年起陸續達到目標產能，但同期 AI 模型的規模也在持續擴大，更大的模型需要更多算力。AI 服務的定價最終取決於供需的動態平衡，產能擴充並不保證立刻降價。
第二，降價的好處先由雲端服務商吸收，再傳到終端企業。 OpenAI、Anthropic、Google 等 API 服務商先採購算力，再決定對企業客戶收多少錢。算力成本降低不一定立刻反映在 API 定價，但競爭壓力會讓整體趨勢走低。
第三，台灣多數中小企業用的不是 GPU，是 API。 大多數台灣企業不會自建 AI 機房，而是透過 ChatGPT、Claude、Gemini 等 API 服務使用 AI。供應鏈擴產對這些企業最直接的影響，是 AI 服務的供給穩定性提高，服務不易因算力緊缺而漲價或限制使用量。
第四，有自建 AI 需求的企業，硬體採購視窗可能在 2027 年打開。 如果公司有資料主權或資安考量，需要在本地跑 AI 推論，隨著供應鏈擴產，從 2027 年起本地 AI 伺服器（如 NVIDIA DGX 系列）的供貨時間可能明顯縮短、價格也可能趨穩。
NVIDIA 押注台灣，對台灣企業主的三層意義
這則供應鏈新聞對多數台灣企業的日常營運不會有立竿見影的效果，但從三個層面來看，它傳遞的信號值得企業老闆認真思考。
一、台灣在 AI 時代的角色更確定，跨國合作的籌碼更足
當全球最大 AI 晶片廠商公開點名台灣企業是不可或缺的供應鏈夥伴，台灣在國際科技圈的能見度直接提升。對台灣本地企業來說，這不只是製造業的榮耀，也是一張在談判桌上增加分量的牌。台灣的合作夥伴、客戶，以及外資看待台灣製造能力的眼光都會不同。
二、AI 算力進入持續成長週期，企業不導入 AI 的代價逐漸浮現
NVIDIA 願意把 2,790 億美元的長期承諾壓在供應鏈上，意味著它預期 AI 算力需求在未來幾年只會繼續攀升，不會出現斷崖式下跌。這也代表 AI 能力的進化不會停歇，更聰明的 AI 工具會持續推出。對尚未開始使用 AI 的台灣企業來說，每等一個月，競爭對手的 AI 應用就多積累一個月的優勢。
想知道自家公司在 AI 導入上目前落後了多少、有哪些立即可用的工具，不妨先做一次 免費 AI 企業健診，快速摸清現況再決定下一步。
三、製造業周邊的台灣企業，可能有意想不到的商機
矽品要把光引擎產能擴充 15 倍，欣興要擴大 KF 基板製造規模，這兩件事不只是廠商內部的事。擴產過程需要廠房工程、設備採購、精密材料供應、品質管理人才，甚至生產管理軟體的更新。這些需求，對台灣許多中小型供應商和服務廠商來說，可能是一波實際的業務機會。在 AI 時代，離「AI 製造鏈」近的企業，往往比直接使用 AI 工具更早感受到這波浪潮的商業紅利。
老闆現在可以怎麼做？5 個具體行動
- 評估目前使用的 AI 工具服務穩定性：確認公司在用的 AI 服務（ChatGPT Enterprise、Claude for Business、Google Gemini 等）有沒有服務等級協議（SLA），若業務流程已高度依賴單一平台，建議有備援方案，避免突然漲價或限制使用時措手不及。
- 盤點公司內哪些工作最耗人力卻重複性高：AI 算力擴充意味著 AI 工具會越來越強大，現在越早把這些工作場景整理清楚，越容易快速對接下一代 AI 工具。可以參考 老闆 AI 經營講座，學習同業老闆最常優先自動化的五類工作。
- 有自建 AI 需求的製造業，提前研究 2027 年採購視窗：如果公司因為資料安全或製程機密，需要在廠內跑 AI 推論（而非使用雲端 API），可以開始評估硬體規格和預算，等 2027 年供應鏈全速運轉後，可能是採購自建 AI 伺服器的好時機。
- 製造業周邊企業主動評估供應鏈切入機會：如果公司的業務涉及精密製造材料、廠務工程、品管設備或生產軟體，值得主動研究矽品、欣興等廠商的擴產計畫，了解有沒有合作機會。AI 企業內訓 也可以幫助業務、技術團隊理解 AI 供應鏈的語言，在談判中更有說服力。
- 不要把「算力變便宜」當作等待導入 AI 的理由：多數 AI 應用所需的 API 費用，現在已經很低。等更便宜的代價是失去六到十二個月的學習曲線和先發優勢。
常見問題
矽品精密工業擴產光引擎，對我這個非半導體企業有什麼意義？
間接意義很大。矽品擴產光引擎，讓 NVIDIA 有足夠的零組件建更多 AI 機房。AI 機房越多，代表 Google、OpenAI、Anthropic 等服務商能提供的算力越多，AI 服務的供給越穩定。對終端企業使用者來說，這意味著服務不容易因為算力緊缺而縮減或漲價，你的 AI 訂閱服務會更可靠。
NVIDIA 有沒有向台灣供應商預付訂金？
NVIDIA 的官方公告確認了與 KYEC（美國廠）預付 11 億美元，以及與 IBIDEN（日本）預付數十億美元。SPIL 和欣興的具體預付金額在官方公告中未揭露，但 NVIDIA 表示截至 2026 年 7 月整體供應鏈長期承諾已達 2,790 億美元。
欣興電子的 KF 基板是什麼？為什麼重要？
KF 基板是一種高階封裝基板，用於封裝 NVIDIA 旗艦 AI 晶片（如 GB200、Vera Rubin）。這類基板對材料純度、線路精密度和熱管理都有極嚴格的要求，並非所有基板廠都能製造。欣興在 KF 基板領域獲 NVIDIA 指定，代表其技術能力通過驗證，在 NVIDIA 的 AI 工廠擴張計畫中扮演關鍵角色。
NVIDIA 這次擴產計畫何時會真正影響到市場？
時間線已在公告中說明：最快從 2027 年第二季起，欣興的基板供應開始增加；SPIL 的光引擎產能在 2027 年中達到 15 倍。整體供應鏈的全面擴產效益，預計在 2028 年下半年才會全部到位。對台灣企業老闆來說，2027 年是一個觀察市場變化的關鍵節點。
資料來源
- NVIDIA 官方新聞稿：NVIDIA and Supply Chain Partners Expand Capacity to Accelerate AI Infrastructure Buildout
- XenoSpectrum：NVIDIA Expands AI Supply Chain With Six Partners Including Ibiden, Targeting 2.5x Substrate Capacity
- The Register：To help world gorge on GPUs, Nvidia brings cash bucket to fatten wafer-thin supply chain
- Data Center Dynamics：Nvidia launches DSX POD, claims the Vera-Rubin reference architecture
想知道公司哪些工作可以交給 AI？
台灣人工智慧網路（Ai.com.tw）提供免費 AI 企業健診、老闆 AI 經營講座、企業 AI 內訓與 AI 員工系統建置，以及一站式的 AI 管理系統－管理王，協助企業把 AI 真正用進日常工作。
免付費電話：0800-003-191 ｜ LINE ID：@119m
