【半導體ETF攻略】台灣半導體成份股推薦 台積電值得投資嗎？3076 富邦台灣半導體ETF
- 5小时前
- 讀畢需時 8 分鐘
自2022年ChatGPT面世，超大型雲端服務公司（主要為Microsoft、Meta、Alphabet及Amazon）正展開一場史無前例的算力軍備競賽。根據彭博研究，四大科技公司 2026 年新建數據中心和裝置的資本支出將達到約 6,500 億美元，預算將接近或超過過去三年預算的總和。
雲端服務公司訓練人工智慧模型及處理代理型人工智慧推理任務，絕非僅依靠單一中央處理器（CPU）或圖形處理器（GPU），而是依靠一座又一座超大型 AI 數據中心協作進行運算。
當中高度依賴整體高頻寬、低延遲的晶片生態系統，當中除了眾所周知的 CPU 及 GPU 外，包括網絡連接晶片、交換器晶片、電源管理晶片、散熱控制晶片及高頻寬記憶體（HBM）等等。
NVIDIA 創辦人黃仁勳多次公開強調台灣在全球 AI 晶片供應鏈中的關鍵地位，台積電、聯發科、鴻海、日月光等知名企業佔據整個 AI 晶片供應鏈中的重要位置，例如台積電掌握全球九成先進高階晶片製程；聯發科與 Alphabet 合作研發最新一代TPU，用作提供 Alphabet 數據中心算力。
黃仁勳在2026年 GTC Taipei 演講中提到最新一代AI運算平台 Vera Rubin 有 150 家台灣供應鏈夥伴參與。
半導體產業鏈解析
超大型雲端服務公司（如Alphabet）目前主要向 NVIDIA 採購大量最先進 Hopper、Blackwell及Rubin AI運算平台。NVIDIA 淨利潤由2022年Q1的19.12億美元，成長至2027年Q1的583.21億美元，成長超過29倍。
NVIDIA 憑強大的運算能力及 CUDA 軟體生態，按營收計算佔全球 AI 運算晶片市場約 75%。然而 NVIDIA 並未擁有自己的生產工廠，只負責晶片設計、平台架構及軟件生態，晶片製造、封裝、測試、組裝依靠外部供應商。
AI 晶片由石英砂，一步一步加工成為能裝配至數據中心的運算模組，需要經過數千道極高工藝的複雜工序。
台灣先進晶片製造：台積電做什麼？
台積電採取「純晶圓代工」（Pure-Play Foundry）模式——本身不設計晶片，只專注為全球客戶提供最先進的晶圓製造、測試與封裝服務，是推動生成式 AI 革命的關鍵「物理基礎設施」提供者。
台積電在全球 AI 生態系中的地位，可以用「絕對壟斷」與「物理瓶頸」來形容。根據 Counterpoint Research 數據，台積電掌控了全球 70% 以上、先進製程（10nm以下）更是高達 90% 的市場份額。
台積電於 2026 年Q1財務報告顯示，單季營收達 359 億美元（年增 40.6%），淨利潤達 180 億美元（年增 58%），其毛利率高達驚人的 66.2%，淨利率達到 50.5%。
台積電極高的獲利能力，源自於其前沿製程供給的絕對剛性與客戶極高的轉產成本。在製程組合方面，台積電的 3nm 與 5nm 先進製程在 2026 年第一季合計貢獻了高達 61% 的晶圓營收（3nm 佔 25%，5nm 佔 36%）。
為滿足市場對 NVIDIA Blackwell/Rubin、AMD MI 系列以及超大型雲端商自研晶片的旺盛需求，台積電投入超過 500 億美元資本開支，用作擴張先進製程產能。
台積電2021年至2026年間全球平均每年新建多達 5 至 9 座廠房，其中台灣佔最多，截至2026年6月超過 12 座包含晶圓廠與封測廠建設中，用作2納米晶片量產及CoWoS先進封裝。
除了製程領先，先進封裝技術同樣是台積電在 AI 領域的護城河。CoWoS（Chip-on-Wafer-on-Substrate）等 2.5D/3D 封裝技術，能將多顆 GPU 邏輯晶片與 HBM 高頻寬記憶體緊密堆疊，實現數 TB/s 的互聯頻寬，這正是 NVIDIA Blackwell 系列性能爆發的關鍵。目前 CoWoS 產能同樣供不應求，台積電正積極擴產。
台積電在過去一年受惠 AI 晶片需求大升，股價上升超過150%，遠超同期標普500指數升幅。
台灣 AI 晶片/半導體先進封裝
根據摩爾定律，積體電路上可容納的電晶體數量，約每隔 18 到 24 個月便會增加一倍，效能提升一倍。
然而隨著半導體製程推進至納米等級，電晶體的尺寸縮小已逼近物理極限。因此半導體行業通過 2.5D/3D 堆疊封裝技術與全新架構，在相同電晶體尺寸下提升效能及整體系統效率。
台積電的 CoWoS（Chip-on-Wafer-on-Substrate）技術是目前高階 AI 加速器的絕對標準，它將運算晶片（如 GPU/CPU）與高頻寬記憶體（HBM）水平放置在「矽中介層」（Silicon Interposer）上，再一同安裝到下方基板上，大幅縮短晶片間距離、降低功耗並提升資料傳輸頻寬。
隨著運算晶片處理數據速度及能力提升，對資料傳輸至運算晶片的頻寬需求亦愈高。通過堆疊技術組成的高頻寬記憶體 HBM4 傳輸頻寬可達到1.5 TB/s 至 2.0 TB/s 以上，遠超傳統記憶體，但要求與運算晶片（如GPU）通過 CoWoS 技術共同封裝成先進 AI 晶片，因此 CoWoS 封裝技術對先進晶片是不可或缺的一環。
最新型的 AI 晶片通過 2.5D/3D 先進封裝，將多顆核心 GPU、高頻寬記憶體（HBM）及 I/O 晶片共同封裝，如果沒有在封裝前進行嚴格測試，只要其中任何一顆微小的晶片存在瑕疵，整個價值數千美元的 Blackwell 或 Rubin 封裝晶片在最終組裝後就必須報廢。因此貫穿整個生產流程，多階段晶片測試在能有效篩選出報廢晶片，減低製造損失。
日月光半導體為全球半導體封裝及測試龍頭廠商，提供台積電「CoWoS 」封裝技術「WoS」部份的外溢產能，亦同時提供建基於自家先進技術的先進封裝，為Apple, AMD, NVIDIA, 高通及聯發科的主要供應商之一。
截至2026年7月28日，過去一年日月光半導體股價升幅達327%，同樣遠超同期標普500指數表現。
台灣 AI 晶片/半導體測試
AI 晶片測試時對晶片輸入大電流、高頻訊號進行高負載測試，晶片會在極短時間內產生大量熱能，數十毫秒至數秒內，封裝表面溫度就可能超過 200–300°C。缺乏有效的液冷和水冷板可能導致熱失控，造成晶片報廢和測試座及探針污染。
最新型的 AI 晶片通過 2.5D/3D 先進封裝，將多顆核心 GPU、高頻寬記憶體（HBM）及 I/O 晶片共同封裝，如果沒有在封裝前進行嚴格測試，只要其中任何一顆微小的晶片存在瑕疵，整張封裝晶片在最終組裝後就必須報廢，因此多階段晶片測試在能有效篩選出報廢晶片，減低製造損失。
穎崴科技為全球前三大半導體「測試座」（Test Socket）與探針卡（Probe Card）供應商，測試座是連接晶片與測試機的物理介面。在極高頻、高溫的測試環境下，穎崴提供高精密的同軸測試座與彈簧探，確保晶片接腳能在高溫測試中與測試電路完美接觸且不被損壞。
穎崴受惠於全球AI晶片需求爆發，累計前5月營收達新台幣50.43億元，年成長46.48%。
鴻勁精密為晶片測試過程「測試分選機」和「主動控溫系統」龍頭供應商，負責晶片測試的自動搬運、定位與測試後的自動分類（區分良品、不良品及不同等級），；ATC 系統則在高功率測試時精準控制晶片溫度，防止晶片因大電流過熱燒毀。
鴻勁精密高階晶片測試產能滿載，2026年首季合併營收達新台幣 107.25 億元，年增 81.39%，毛利率高達56.24%。
截至2026年7月28日，穎崴科技過去一年股價升幅高達691%，鴻勁精密亦大升139%，遠超同期標普500指數表現。
客製化 AI 晶片/半導體設計
NVIDIA 或 AMD 生產的GPU 為通用 GPU，適用於不同的場景和任務，但價格高企且供應受限。因此雲端服務商加速投入定製ASIC晶片研發，將為單一任務設計的專用晶片（如比特幣挖礦、AI 推論）速度可達 GPU 的數倍，但耗電量和單顆晶片成本大幅降低。
Google 在其最新一代張量處理器 TPU v8t及後續的 TPU v8e，納入台灣聯發科共同開發，由Google 自主設計運算元件，並由聯發科開發其他元件。
市場預測聯發科與 Google 合作的晶片出貨量將在 2028 年接近 500 萬顆，較 2026 年的約 40 萬顆實現超過 10 倍的爆發性增長。這將推動聯發科在全球 AI 伺服器運算 ASIC 晶片出貨量中的份額於 2028 年攀升至 26%，一躍成為全球僅次於博通的第二大客製化晶片巨頭。
AI 邊緣計算
目前訓練大型語言模型需要龐大算力，大部分 AI 運算集中於數據中心，因此最先受惠的是 AI 伺服器硬件供應鏈。然而 AI 發展的下一階段可能會將已經訓練完成的模型，真正部署到手機、個人電腦、汽車、路由器、智能家居、工業設備及各類消費電子產品之中。例如Apple整合 Google Gemini 模型與雲端技術至 Apple Intelligence 與新版 Siri 系統中。
Edge AI需要在有限電池及散熱條件下執行語言模型、影像生成、即時翻譯、相片處理及AI助理，因此不能單靠傳統CPU，而要加入專門處理AI工作負載的NPU。例如天璣9500搭載新一代NPU及生成式AI引擎，支援本地大型模型、長文本處理、影像生成及持續運行的輕量化AI功能。
根據DataIntelo預測，受惠生成式 AI 的興起、智慧型手機、AI 電腦、機械人的普及，神經處理單元（NPU）市場規模預計到2034年將達到527億美元，在2026年至2034年的預測期內，複合年增長率（CAGR）將達到22.9%。
蘋果的A系列和M系列晶片，到高通驍龍8代系列以及聯發科天璣系列，幾乎所有旗艦智慧型手機平台都將嵌入NPU（神經網路處理單元），從而實現即時裝置端功能，例如運算攝影、語音辨識、翻譯和生成式AI功能，而無需依賴雲端連線。
汽車亦是另一個邊緣運算的增長來源，聯發科Dimensity Auto平台可在車內終端直接執行語音助手、行程規劃、駕駛注意力監測、車內外環境感知及大型語言模型，在將來 AI 普及化中受惠。
AI 感測世界
根據Marketsandmarkets預測， 人工智慧感測器市場規模預計將從2026年的38.7億美元成長至2032年的437.8億美元， 2026年至2032年的複合年增長率（CAGR）將達到49.8%。隨著各行各業在自動化、自動駕駛和消費性電子設備等領域採用更智慧、更即時的感測技術，人工智慧感測器市場正經歷快速成長。
AI 要理解現實世界，首先需要取得資料。人類透過眼睛、耳朵及觸覺接收資訊，終端 AI 裝置亦需要攝影鏡頭、光學感測、觸控介面、聲音輸入及動作辨識元件，才能把實際環境轉化成模型可以處理的數據。因此，在終端 AI 生態（例如汽車或物聯網）中，感測晶片及人機介面控制器的地位將會逐步提升。
伴隨AI、工業自動化、自動駕駛、機械人發展，例如台灣原相科技通過開發光學動態追蹤(OMT)、光學追蹤感測(OTS)等技術，應用於自動駕駛、無人機、機械人的路徑追蹤。在新一代汽車上，原相影像感測器結合路徑規劃（path planning）及人機介面（human-machine interface）構成停車輔助系統。
另一項光學手指導航(OFN)能夠應用在AR/AI眼鏡上，將手勢化為模型輸入，令人機互動更加自然直覺。隨著AI發展，AR/VR產品普及而放量，亦可能大幅提升原相的業績成長空間。
台灣半導體供應鏈除了能捕捉AI發展、通訊需求、數據中心建設及晶片技術發展下「先進製程與封測」的機遇，若 AI 成為終端裝置的標準功能，能減低消費電子周期性，整個供應鏈更能受惠於「AI 從雲端落地到實體世界」的機遇。
富邦 NYSE FactSet 台灣核心半導體指數ETF（3076.HK）
3076 追蹤「NYSE FactSet台灣核心半導體10%場外交易權重上限指數」，提供單純台灣核心半導體供應鏈曝光（包括晶片代工+晶片設計+封裝測試），成份股包括台積電、聯發科、鴻勁、聯詠、日月光、瑞昱等全球 AI 供應鏈的重要供應商。
截至2026年7月28日，3076 一年升幅達104%，遠超標普500指數及台灣加權指數回報，為投資者提供捕捉台灣半導體產業在全球 AI 基礎建設結構性成長的機會。
目前一眾超大型雲端服務公司均投資於開發ASIC晶片，力圖減低對 NVIDIA 的依賴和分散供應鏈風險，包括Alphabet開發TPU、Amazon開發AWS Trainium及Microsoft開發Maia。然而不論 NVIDIA 或一眾超大型雲端服務公司，生產 AI 晶片均需要依靠外部供應商協助製作和生產晶片，因此晶片生產相關公司在整個行業結構性成長中，可能提供更穩健的業務持續成長。
