Look for any podcast host, guest or anyone
Showing episodes and shows of

WiseUp AI

Shows

WiseUp AI 情報週報 Podcast
WiseUp AI 情報週報 Podcast致茂:從螢幕測試走到 AI 晶片測試致茂以 Chroma 自有品牌製造量測儀器與自動化測試設備,2025 年合併營收為 283.11 億元。1 NVIDIA 在 2023 會計年度年報中,曾寫明使用向致茂等供應商購買的設備,檢查從委外廠商收到的半導體產品品質。NVIDIA 2023 年報上一篇談波若威,我們看光纖與連接零件,如何把資料送往下一台設備。這一期沿著 NVIDIA 的台灣供應鏈,接著看晶片在投入使用以前,要怎麼接受檢查。一顆晶片出廠時各項檢查都合格,但投入正式環境執行實際工作時,還會不會出錯?致茂的測試設備,正要幫工程師找出這類問題。跨入半導體測試時,創辦人之一黃欽明原先估計三年就能推出產品。結果期限到了,產品仍未完成,而研發負責人保守評估至少還要再兩年。當時,這項專案投入了七、八十人,每年研發費用高達一億元。如果決定要繼續燒下去,什麼時候能燒出成果整家公司都沒有明確的答案。黃欽明給出了破釜沉舟的決策。他後來回憶,自己對研發負責人說:「膽子借你,繼續做吧!」4而公司的資金中能支撐這項開發的,是原有的電源生意。創業時,黃欽明也曾給自己三年;實際湊出的只有五十萬元,那時候初創團隊面對著決定公司生死的課題是: 要做什麼產品,才有機會先獲取客戶?3 5黃欽明,致茂創辦人之一、現任董事長。照片取自致茂官網。圖片來源一、1984 年:替還沒出貨的螢幕準備一份考題1973 年從交通大學電子工程系畢業後,黃欽明先在台灣天美時做品保,後來轉到飛利浦從事行銷。飛利浦當時供應映像管,他也因此接觸到 CRT 顯示器的需求預測。這種顯示器就是早年桌上型電腦常見、後方鼓起、又深又重的螢幕。在外商工作期間,他開始考慮創業。根據早期校友訪談,當時三十出頭的黃欽明認為,趁現在試,即使失敗,還能回到職場;再晚一些,嘗試的機會可能就少了。1984 年,黃欽明與張明雄、陳春生、黃曉輝共同創辦致茂。公司登記資本是兩百萬元,實際湊到的卻只有五十萬元。黃欽明給自己三年:如果做不出成績,就放棄創業。5四人起初做過電子零件貿易,約一年後轉向自己的技術與產品。黃欽明後來解釋,純貿易的進入門檻低,公司要站穩腳步,得有自己的技術。但手上的資金不多,他要找的是製造成本較低、技術要求較高的產品。3顯示器測試的機會,來自他在飛利浦接觸過的需求預測:顯示器市場成長,也會需要更多測試儀器。四人一起調查技術難度與競爭者,發現視頻訊號產生器當時主要由美國、日本各一家規模不大的公司供應,便決定從這裡切入。陳春生與黃曉輝負責產品研發,黃欽明統籌市場行銷。5一台螢幕能播放影片,還不足以確認它的顯示是否正確。工廠需要知道,送進去的訊號,到了畫面上有沒有照預期呈現。視頻訊號產生器會送出內容已知的訊號,讓螢幕顯示彩色條紋、規則線條等測試圖樣。工程師知道應該出現什麼,就能把實際畫面拿來對照。這就像替螢幕準備一份可重複使用的考題。用相同的圖樣檢查不同螢幕,畫面有沒有偏差,便有了共同的判斷基準。6已知的訊號讓螢幕顯示固定圖樣,工程師才能比較輸出是否正確。器材外形為 WiseUp AI 概念插畫。第一款產品取名 Chroma100。Chroma 與測試圖樣的彩度有關,100 則來自公司當時只準備了足夠製作一百台儀器的材料。這類測試工具當時主要仰賴進口,團隊要把自己做的儀器推向市場。黃欽明回憶:「我們只好自創品牌。」5、7結果產品推出後受到市場歡迎。黃欽明說,客戶的肯定,讓團隊更珍惜 Chroma 這個品牌,也更務實地投入研發。5看準個人電腦的成長,黃欽明把產品線從顯示器測試延伸到電源測試。不過電腦的用電需求會隨工作負荷改變;因此致茂所要面對的新挑戰是,原本生產的儀器要如何重現這些變化,讓工程師檢查電源能否穩定供電?3二、電源測試:用電一直變,供電怎麼保持穩定?電源供應器把輸入的電力轉換後,以電子零件需要的電壓供電。電源供應器好不好,不能只看插上電以後,電腦有沒有亮。3電腦的工作一直在變。開機、閒置或執行大量運算時,取用的電力不同。電源必須跟上負荷的變化,又不能讓輸出的電壓超出允許範圍。如果只在一個固定條件下量一次,即使讀值正常,也難以確認其他工作條件是否可靠。工程師會用一種能按設定取用電力的設備,重現這些用電需求。這種設備叫電子負載;「負載」指的就是用電的一方。工程師先安排它怎麼取用電力,再觀察電源在這些條件下如何反應。以致茂現在的 63200A 為例,工程師可以先設定較低的電流,再讓負載迅速增加,觀察電源是否出現短暫的電壓偏移。電流升降的快慢、每次維持多久、重複幾次,都能分別設定。同一組變化可以反覆重現,不同電源的表現也才有共同的比較條件。如果要重現更複雜的用電需求,63200A 也能匯入擷取到的電流波形,依波形改變取用的電流,不必把每種產品的工作都簡化成一個固定負載。至於異常時的反應,工程師可以另外設定電流或功率條件,檢查受測電源是否依設計啟動過電流、過功率保護。一般運作是否穩定,與超出條件後能否啟動保護,都能夠分別進行嚴格且詳細的測試確認。這也是致茂一路研發累積的產品能力。8電子負載模擬用電端的需求,用來檢查電源在不同條件下的反應。圖為致茂現在的 63200A 系列官方產品圖。
2026-10-1914 minWiseUp AI 情報週報 Podcast
WiseUp AI 情報週報 Podcast雙鴻:一家死過一次的散熱廠,等到了只有它的笨功夫才活得下去的時代為什麼解剖雙鴻?Top 500 商業解剖書|R1(AI 製造主軸)= 台灣 AI 製造核心供應鏈這個系列不是一次寫一家公司,而是系統性解剖 AI 價值鏈每一層的關鍵公司,並把它們連成一張 台灣 AI 地圖。已陸續解剖 Nvidia(規格制定者)、台積電(晶圓瓶頸)、緯創(系統整合)、台達電(電源)。雙鴻補上的是散熱這一層——但它的故事,不是又一個「卡在瓶頸的零組件廠」,而是一家曾經把自己玩到瀕死、又靠最笨的方法活回來的公司。2005 年,雙鴻董事長林育申 35 歲。公司剛上櫃、股價破百,他的身價衝到近四億。然後,他跑去廟裡當了宮廟主委。公司交給專業經理人,他把心力放進廟務。多年後他自己回憶這段,講得毫不留情:「那時候會覺得自己很優秀,沒有什麼做不到,人生的敗壞就從這裡開始。」敗壞來得又快又狠。雙鴻連續虧損十三季,將近三年;占營收近四到五成的最大客戶戴爾抽單離開;公司股價跌到剩六塊錢,大股東發動經營權之戰,要把這個荒廢經營的創辦人趕下台。換成別人,可能就此認賠交棒。但林育申選擇攤牌——他對逼宮的董事們說:股價六塊,要嘛你們的股份我全部按市價收,要嘛我的你們全部買走。他賭沒人敢接這個爛攤子,賭贏了;接著宣布董事會總辭、重新改選,把經營權硬是搶了回來。然後,他做了一件更不性感的事:回到工廠,趴在地上,一片一片磨散熱片。這就是這篇要講的雙鴻——它跟奇鋐、健策這些散熱同業最不一樣的地方,不在它做的冷板有多難,而在它死過一次。而當年瀕死時被逼出來的那身笨功夫——蘋果級的良率紀律、把一塊銅磨到極精密的偏執——在本文看來,正好是二十年後 AI 直晶液冷時代最稀缺的能力。所以這篇真正要解剖的,是一個尖銳的命題:當你大客戶給你的機會,有一天可能會收回去,那時你要憑什麼還活得下來? 雙鴻的答案,是它用一次瀕死換來的——別人給機會可能被收回去,但我練出來的真本事,誰也收不走。雙鴻董事長林育申在 COMPUTEX 2025 的攤位,展示 AI 伺服器的液冷冷板與分歧管,一旁是 NVIDIA 標誌。(攝影/中央社 曾仁凱,2025)名詞速查 - 直晶液冷(D2C,Direct-to-Chip):把裝了冷卻液的銅製冷板直接貼到晶片上帶走熱量。在 GB200/Rubin 這類高功耗機櫃,風扇已經壓不住,直晶液冷是目前主流的量產散熱架構。雙鴻的主力產品之一。 - 冷板(cold plate)/均熱板(vapor chamber)/CDU:冷板貼晶片吸熱、均熱板攤平熱點、CDU(冷卻液分配單元)把冷卻液送進整座機櫃再回收。三者分別位於晶片、模組與機櫃層級;實際單價、毛利與議價權,取決於產品規格與客戶責任範圍,而非單看產品類別。 - GB200 NVL72:一座整櫃塞 72 顆 GPU、功耗約 120–130kW 的 AI 機櫃。單顆 B200 約 1,000–1,200W、整顆 GB200 超級晶片(兩顆 B200+一顆 Grace)約 2,700W——這個熱密度,已經不是風冷壓得住的。一、一個 35 歲就財富自由、然後差點把公司玩死的人要理解雙鴻,得先理解林育申這個人是怎麼長出來的——因為這家公司的命,和他的性格綁得死死的。林育申不是工程師。1995 年退伍後,他先在聯強國際做通路代理,賣的全是別人的產品。他心裡一直有個念頭:「在聯強,都是在賣別人的產品,但我想要做自己的產品。」一次在廟裡,他遇上散熱廠超眾的創辦人吳惠然,一個月後就加入超眾、操盤它剛起步的散熱新事業,跟著把超眾從一家鋁件五金廠,做成全球最大的筆電散熱元件廠。雙鴻 1998 年成立,林育申其後離開超眾、接手經營並出任董事長,靠的是超眾協力廠商的人脈支持。創業集資的場面,他講過一個很誠實的版本:「一股一千萬,總共三股。我沒錢啊!都跟股東借,跟他說賺錢就還他,沒賺就去他公司打工。」三個人、三股、他自己借錢入股——這是雙鴻真正的出身,不是什麼兩位創辦人並肩打江山的故事。創業第一關就是網路泡沫,「六個月沒單,就苦撐」。撐過去之後,雙鴻做筆電散熱器起家,2005 年上櫃,林育申一夕暴富。然後就是開頭那段——上櫃的成功,反而成為他所喝下最美的毒酒。這段傷疤的代價,誰來買單?連虧十三季、丟掉最大客戶戴爾、股價剩六塊、經營權之戰——這不是景氣循環的天災,是創辦人自己分心釀的人禍。付代價的是公司本身(差點撐不過去)、是留下來的員工(在風雨飄搖中不知道明天)、也是林育申自己(他得把生命跡象不斷衰弱的公司,再次搶救回來)。但這場瀕死,後來成了雙鴻最值錢的資產——如果從沒慘摔重跤再咬牙站起,怎麼有機會長出硬骨頭。值得記下來的是他守經營權的方式。當有人勸他先退一步、換個專業經理人擋一擋,他拒絕了,理由很實在:「換了公司就會倒,已經風雨飄搖了,陣前換將,供應商會覺得你真的快倒了。」他知道,一家供應商最致命的不是虧損,是讓客戶聞到「你要倒了」的味道。所以他不能退,只能自己站在最前面,死命硬扛。林育申的職涯:從 2005 上櫃暴富、連虧十三季、經營權之戰,到磨進 AI 液冷。(整理/WiseUp)二、趴在地上磨出來的蘋果把經營權搶回來之後,林育申用的方法,沒有任何一點華麗。他親自抓採購、抓庫存、抓良率,一家一家客戶重新登門拜訪。他後來說這套笨功夫有一個出處——《大學》裡的「格物致知」:一個又一個製程環節地去鑽、去研、去打磨,就這樣,撲實無華地把每一道工序的良率死嗑到底。連散熱片研磨用的砂紙是粗的還是細的,他都要管。而使上這套笨功夫所面對最硬的一仗,是蘋果。2010 年前後,雙鴻拚下蘋果 MacBook Air 的散熱模組認證。蘋果給的難題,在於要把約三公分厚的散熱模組壓薄到一點五公分以下,良率還要穩。雙鴻在蘋果這條線上吃足了苦頭——曾有一筆訂單因不良率太高賠掉千餘萬;但它一關一關磨過去,成為 MacBook Air 少數的台廠散熱模組供應商之一,這段合作後來延續了十一年以上。林育申對這件事的總結很能代表他:「最難的打下來,都拿蘋果了還有什麼產品做不出來?」這句話聽起來像勝利宣言,但它真正的意義,是雙鴻在這段瀕死與重生裡,沉澱下一套組織肌肉(目前台廠分析一圈,這在散熱同業裡並不多見):對良率近乎偏執的紀律、把銅件加工精度摳到極致的手上功夫、以及「再難的客戶認證都用笨功夫熬過去」的耐受性。 這套能力在筆電時代,只換來一個還算穩、但毛利不高的散熱模組生意。它真正的價值,要等到散熱這件事,從「附屬配件」變成「生死關鍵」的那一天。同一套良率笨功夫,在 PC 時代不值錢,到 AI 時代卻變稀缺。(整理/WiseUp)三、當風扇救不了 AI 的時候在 PC 時代,散熱是個附屬品。CPU、記憶體、硬碟才是主角,散熱器靠幾片鋁鰭片加一顆風扇就夠。PC時代的搖滾舞台上,散熱不過是個伴舞的。AI 伺服器把這件事徹底翻了過來。一座 NVIDIA 的 GB200 NVL72 機櫃,塞了 72 顆 GPU,整櫃功耗衝到 120–130kW。這個熱密度,風扇吹一整天也壓不下來。目前主流的量產解法,是把裝了冷卻液的銅製冷板,直接貼到晶片上,用微通道把熱帶走——這就是直晶液冷。NVIDIA GB200 NVL72:一櫃 72 顆 GPU、整櫃約 120–130kW,風冷已無法負荷。(圖/NVIDIA 官方)而直晶冷板要做得好,靠的恰恰是雙鴻當年磨蘋果磨出來的那一套:銅的微通道加工精度、壓降的計算、測漏、熱阻控制。每一塊冷板都要測漏、測壓降、測熱阻,差一點點,整顆要價數萬美元的 GPU 就可能因為散熱不良而當機。
2026-07-2019 minWiseUp AI 情報週報 Podcast
WiseUp AI 情報週報 Podcast南電:做最尖端 AI 載板的公司,最強的本事卻不在它自己身上為什麼解剖南電?Top 500 商業解剖書|R1(AI 製造主軸)= 台灣 AI 製造核心供應鏈這個系列不是一次寫一家公司,而是系統性解剖 AI 價值鏈每一層的關鍵公司,並把它們連成一張 台灣 AI 地圖。已陸續解剖 Nvidia(規格制定者)、台積電(晶圓瓶頸)、欣興(ABF 載板龍頭)。南電補上的,是同一層載板裡一個完全不同的物種——一家『出身石化、最強的本事卻長在母公司身上』的公司。南電:一家做最尖端 AI 載板的公司,最強的本事卻不在它自己身上,而在母公司那套四十年的材料系統(圖:WiseUp)2024 年,南電的每股盈餘只剩下 0.32 元。毛利率掉到 1.1%,本業的營業利益率是負的——也就是說,這家做著全世界最尖端 AI 晶片載板的公司,那一年本業實際上在虧錢,第一季甚至由盈轉虧。一塊承載著 AI GPU、ASIC 或高速交換器晶片的高階載板,做到最後幾乎沒替它賺到錢。但奇怪的是,市場最看好南電的理由,從來就不是它這家載板廠本身。而是它背後那個「賣塑膠的」母公司。南亞塑膠的工業園區——這座賣塑膠、煉樹脂、織玻纖布的石化帝國,正是南電最深護城河的所在(圖:南亞塑膠官網)南電是台塑集團的一員——是王永慶那個石化帝國旗下、南亞塑膠(持股約六成)轉投資出來的載板廠。它的同業欣興,血統是聯電半導體系;日本的 Ibiden,是百年的電力與陶瓷工藝起家。唯獨南電,是一個織玻纖布、煉環氧樹脂、賣塑膠的傳統產業帝國,長出來的最尖端 AI 載板廠。同一層載板,三種完全不同的血統——南電是石化帝國、欣興是聯電半導體系、Ibiden 百年電力陶瓷起家(圖:WiseUp)這個出身,乍看像個笑話:化工帝國懂什麼半導體載板?但這篇要解剖的,正是這個笑話如何變成它最深的護城河。因為一塊 ABF 載板的最底層,是玻纖布、是銅箔、是樹脂——而南電的母公司南亞塑膠,正是這些基材極罕見的「一條龍」供應者:環氧樹脂、玻纖紗、玻纖布、銅箔、CCL 幾乎全部自己煉、自己織、自己做,而且每一環都排得進全球前三名。當別的載板廠得在外部市場搶這些基材時,南電至少多了一層集團內的供應緩衝。所以這篇真正的命題,不是「南電被上游材料與下游晶片客戶兩頭夾、沒有定價權」——那個流行的說法,在 2026 這輪漲價週期裡並不完全成立。而是一個更有意思的問題:當一家中游廠最強的本事不在它自己身上、而在它的母體,這究竟是它最大的靠山,還是它永遠長不成自己的詛咒?名詞速查 - ABF 載板:AI 晶片(GPU、ASIC、交換器晶片)疊在上面運算的「地基」。AI 加速器的載板要疊 8 到 16 層、面積大、層數高,是整顆晶片封裝的瓶頸之一。南電 IC 載板占營收約 85–90%,其中 ABF 約 55–60%。 - 玻纖布/CCL/銅箔:載板最底層的基材。一般載板廠要外購,南電的母公司南亞塑膠幾乎整條自製(環氧樹脂全球第一,銅箔、CCL、電子級玻纖絲全球第二,玻纖布全球第三),是業界罕見的一條龍材料廠。 - 非長約(non-LTA):據法人估計,南電 BT 與非長約 ABF 的比重較高、約七成上下。報價上行時,非長約比重高的廠商更快反映價格——這是法人看好它這輪彈性的關鍵。一塊 ABF 載板的剖面:IC 晶片疊在最上層,中間是味之素的 ABF 增層膜,最底層的 Core 靠玻纖布撐起——南電母體供應的,正是這些最底層的基材(圖:南電官網)一、一個賣塑膠的帝國,怎麼長出一家 AI 載板廠南電的故事,要從一個你不會聯想到半導體的地方說起:塑膠。1985 年,南亞塑膠在公司內部成立了一個電路板事業部。那時候,台塑集團是台灣最大的石化王國,王永慶的版圖是塑膠、纖維、化工——做電路板,在這個帝國裡是個邊緣到不行的小生意。台塑集團創辦人王永慶(攝於 1966 年)——南電,是這個石化帝國旗下、南亞塑膠轉投資長出來的載板廠(圖:中央社/國立臺灣大學數位典藏,公有領域)但這個小生意,恰好踩在一條長期趨勢上。1990 年代,電子產業對「IC 載板」這種高階、高密度的板子需求爆發。於是 1997 年,南亞塑膠把這塊電路板業務以轉投資的方式獨立出來,成立了南亞電路板——也就是南電。(這裡要講準:它是母公司「轉投資獨立」,不是法律意義上的分割設立;而且成立是 1997 年,真正掛牌上市要等到 2006 年,中間隔了九年。)一個賣塑膠的帝國,怎麼長出一家 AI 載板廠:從 1985 事業部到 2026 缺布(圖:WiseUp 整理)從第一天起,南電就不是一家「創業家的公司」,而是一家「帝國的子公司」。它沒有朱德祥那樣的黑手創辦人,沒有林育申那樣賭上身家的老闆。它的董事長,向來由集團高層兼任——而且往往一個人,同時掌著集團好幾家公司。卸任前的那位董事長吳嘉昭,就是最好的例子。2013 年,台塑第一代老臣吳欽仁退休,一口氣把南亞、南電、南亞科、華亞科四家公司的董事長印信,全交到當了七年南亞總經理的吳嘉昭手上。吳嘉昭在南電這個位子上一坐就是十二年,任內最漂亮的一役,是把這家一度虧損的「賠錢貨」,一路帶成了會賺錢的公司。直到 2025 年 5 月,他才把南電董事長的印信交棒出去。一個專業經理人的十二年:吳嘉昭 2013 年接下四枚印信、把賠錢的南電帶成賺錢公司、2025 年交棒升任集團總裁(圖:WiseUp)接棒的鄒明仁,本身就是母公司南亞塑膠的總經理,而且他在同一個月,還一併接下了南亞科技的董事長。一個人,同時戴著南亞塑膠總經理、南電董事長、南亞科董事長三頂帽子——就像當年的吳欽仁、吳嘉昭一樣。2022 年南亞科技新廠開工動土典禮。當時的南亞科董事長是吳嘉昭;2025 年,這頂帽子連同南電董座,一併交到鄒明仁頭上(圖:總統府 Flickr/Wikimedia Commons,CC BY 2.0)這個安排本身,就說明了南電是什麼:它是台塑集團棋盤上的一顆子,重大調度看的是集團整盤棋——它的戰略自主性,高度受台塑集團的資源與治理結構牽引。也別把這場人事異動讀成宮鬥。它其實是整個台塑集團世代交棒的一環——2025 年,主政近二十年的王文淵卸下集團總裁,由幾個月前才剛交棒南電的吳嘉昭升任、成為台塑集團史上第一位非王姓總裁,落實王永慶生前就鋪下的「專業經理人治理」。鄒明仁接南電,是這盤大交棒裡,順著集團條線往下的一步棋。台塑集團棋盤上的一枚子:南亞塑膠持股約六成,董事長鄒明仁同時身兼三個位置(圖:WiseUp)一家由集團制度、而非個人英雄驅動的公司——這在前面幾篇 founder 色彩濃烈的解剖裡,是個鮮明的異類。而它接下來的故事會證明:這種「沒有英雄」的出身,反而藏著別人複製不了的東西。二、它的護城河,不在它自己身上如果只看南電這家載板廠本身,它的故事其實有點尷尬。論規模,它只有龍頭欣興的三分之一上下(2025 年欣興營收逾 1,300 億、南電約 402 億);論技術深度,據外資估計,欣興在美系雲端大廠 AI ASIC 載板具主供地位、光是這塊細分市場市占就逾七成(欣興全球整體 ABF 市占則約兩成、居第一),南電是明顯的第二梯隊。如果這篇只寫「南電是一家比欣興小的載板廠」,那它就只是又一篇「比大小」的產業分析而已。論規模,南電只有龍頭欣興的三分之一上下(圖:WiseUp)但南電真正的不可替換之處,要往它身後看一層——看它的母公司南亞塑膠。一塊 ABF 載板,最底層是什麼?是玻纖布、是銅箔、是環氧樹脂、是銅箔基板(CCL)。這些不起眼的基材,決定了載板能不能做大、做薄、耐得住高速訊號。而南亞塑膠最不尋常的地方,是它把這一整條材料棧——環氧樹脂、玻纖紗、玻纖布、銅箔、到 CCL——幾乎每一環都自己做,而且每一環都排得進全球前三名(環氧樹脂更是
2026-07-1322 minWiseUp AI 情報週報 Podcast
WiseUp AI 情報週報 Podcast光寶:一家把半個自己賣掉,卻越賣越值錢的公司過去七年,它賣掉相機模組、SSD、影像、光碟機,約一千億年營收——當所有同業的本能是「什麼都做大」,它的本能是「打不贏的,全砍掉」解剖對象:光寶科技(LiteOn, 2301.TW)|Round 1(AI 製造主軸)光寶七年砍掉相機模組、SSD、影像、光碟機,瘦到只剩電源與光電兩塊最硬的核心——而那剛好是 AI 機櫃最缺的東西。(WiseUp 製圖)為什麼解剖光寶?Top 500 商業解剖書|R1(AI 製造主軸)= 台灣 AI 製造核心供應鏈這個系列不是一次寫一家公司,而是系統性解剖 AI 價值鏈每一層的關鍵公司,並把它們連成一張 台灣 AI 地圖。已陸續解剖 Nvidia(規格制定者)、台積電(晶圓瓶頸)、台達電(電源龍頭)。光寶補上的,不是又一個「卡在電源瓶頸的零組件廠」——而是這條鏈裡最反骨的一種活法:一家靠『不斷把自己變小』活了五十年的公司。2024 年,光寶做了一個很奇怪的決定:它關掉了自己的光碟機事業。奇怪的地方不在「關掉」,而在它關掉的時機——按光寶自己的說法,那時候它已經是全世界最後一家還在生產光碟機的廠商。連 Sony 都在隔年收掉了最後一座藍光光碟(片)廠,整個光學儲存的時代,正在熄燈。光寶的總經理邱森彬,用一句很冷的話形容這件事:「To be number 1, to be last 1」——做到第一,也做到最後一家,然後關燈走人。一家公司,把一門生意做到全世界只剩它一家,然後親手把它關掉。這個畫面,幾乎就是整個光寶的縮影。如果把這件事拍成一個開場,鏡頭不該從股價、法說會、也不該從 AI 伺服器開始,而該從一條已經安靜下來的光碟機產線開始。那不是一個爆炸性的產業死亡現場,沒有戲劇性的崩盤,也沒有對手把它打趴在地。更殘酷的是:它只是慢慢變得不再被需要。十幾年前還是每台電腦裡的標準配備,後來被雲端、串流、USB、下載、手機一步一步擠出去。等到世界回頭看時,這門生意已經像退潮後留在沙灘上的船,還能浮,但水不回來了。很多公司在這種時候會有一種本能:既然我做到最後一家,那是不是更該撐住?是不是可以靠最後的存量市場多賺幾年?是不是「世界第一」這個名號本身就值得留下來?光寶的答案剛好相反。它沒有把「最後一家」當成勳章,而是把它當成一個時代結束的證據。這是光寶最反直覺的地方:它不是因為輸了才退出,而是因為它認為時代已經不在這裡,贏到最後也沒有意義。因為過去七年,它關掉、賣掉的,遠不只光碟機。2018 年賣掉相機模組(約 108 億台幣)、2019 到 2020 年賣掉曾經做到世界級的 SSD 固態硬碟事業(約 50 億)、2022 年賣掉影像事業、2024 年收掉光碟機——加起來,它砍掉了大約一千億的年營收,相當於把半個自己賣掉。最弔詭的是結果:它越賣越小,卻越賣越賺。2025 年,這家把營收砍掉一大塊的五十年老廠,每股盈餘衝到 6.64 元,創下歷史新高。這就是這篇要解剖的光寶——它跟和碩、雙鴻、嘉澤這些公司最不一樣的地方,不在它做的電源有多關鍵,而在它的本能。當台灣幾乎所有大型電子集團的直覺都是「加法、做大、什麼都要」時,光寶的直覺是反過來的:打不贏的、不是核心的,全部砍掉。所以這篇真正的命題是:一家把『減法』做到極致、敢親手賣掉半個自己的公司,這次能不能用同一套紀律,在台達電已經領先的 AI 電源賽道上,靠一個叫 BBU 的切口,重新長回去?也就是說,光寶的故事不是一條直線,而是一個彈簧:先壓縮,再反彈。前半段看起來像衰退——營收縮、事業賣、產線關;後半段才突然露出答案——留下來的電源與光電,正好站到 AI 基礎設施的瓶頸上。這種故事最迷人的地方,是它不能倒著看。現在回頭說「留下電源很聰明」很容易;難的是在 AI 還沒把電源推上台前,你得先忍受多年被市場一再問的那一句:光寶到底還剩什麼?名詞速查 - 精實聚焦(減法):光寶 2021 年正式啟動的策略,核心是「把打不贏、非核心的事業全部賣掉或關掉」,用縮小規模換取更高毛利。七年砍掉約一千億年營收。 - PSU/BBU:PSU 是伺服器電源供應器(把市電轉成晶片能用的電);BBU 是電池備援模組——在市電中斷或電力故障時,於伺服器/機櫃層級提供數分鐘的短時備援,讓系統不致瞬間斷電(這跟 GB300 PSU 內那種電容級的毫秒瞬時穩壓不是同一回事)。台達電是 PSU 龍頭;BBU 則是光寶與台達並列「電源雙雄」、並據市場/法人說法靠北美大型 CSP 的長期共同開發卡到早期身位的關鍵切口。 - 800V HVDC:高壓直流供電架構,功率衝上百萬瓦級。NVIDIA 的 800V Power Rack 預計 2026 第三季起可供客戶出貨,但在 Vera Rubin 階段比較像「選配」;採用率要等 2027 下半年 Rubin Ultra 之後才會提高,廣泛部署更可能落到 2028。台達、光寶都是相關電源架構的主要參與者之一。一、把「打不贏的」全砍掉要理解光寶,得先理解它做減法時有多狠。光寶的減法,不是 2021 年才開始的——早從 2018 年,它就一刀一刀往自己身上砍。但真正把這件事收編成一套有名字的策略、講得毫不修飾的,是 2020 年接棒全公司的總經理邱森彬。他把這套減法取名「精實聚焦」,定義只有一句話:「打不贏人家的,不是核心發展重點的,全部砍掉。」這場減法,從 2018 年一路砍到 2024 年,一刀比一刀深:2018 年,把相機模組事業以約 108 億台幣賣給中國立訊集團;2019 到 2020 年,把 SSD 固態硬碟事業以 1.65 億美元(約 50 億)賣給東芝記憶體(後來的鎧俠);2022 年,把影像(印表機相關)事業也賣給立訊;2024 年,收掉那門按公司說法已做到全球最後一家的光碟機。這幾刀加起來,砍掉了大約一千億的年營收——以光寶巔峰時期的規模來算,這等於把半個自己賣掉。這裡最容易被我們跳過的,其實是「一千億年營收」這個數字背後的重量。營收不是抽象的 Excel 欄位,它是一群業務的客戶關係、一群工程師的技術路線、一群工廠員工每天進出的產線,也是公司內部一整套權力結構。你砍掉一個事業,不只是砍掉一個損益表上的科目;你是在告訴一群曾經替公司打仗的人:你們這條戰線,從今天開始不是核心了。所以減法真正難的地方,不是找到「毛利率低」這四個字。那很容易,財報會告訴你。真正難的是在會議桌上,把那四個字變成一個不可逆的決定。因為每個被賣掉的事業都有自己的理由:相機模組有客戶、SSD 有技術、影像有存量、光碟機還有最後的市場。每一條線都有人會說「再給我們一點時間」。而一家公司之所以會變成雜貨店,常常不是因為高層不知道哪些生意不好,而是因為每個不好生意背後,都有一個聽起來合理的留下理由。2018–2024,四刀砍掉約一千億年營收。買方立景創新/LuxVisions 屬立訊集團;「全球最後一家光碟機廠」為光寶自稱。(WiseUp 製圖)換成別家公司,營收掉這麼多,市場早就用腳投票了。但光寶身上發生了一件反常識的事——它越賣越小,毛利率卻越創越高。這不是巧合,是設計。創辦人宋恭源很早就替這套邏輯定了調:個人電腦那種「毛三到四」(毛利率只有 3% 到 4%)的生意,能不做就不做,要做就做毛利率至少兩成起跳的事業。於是光寶把那些賺辛苦錢、又打不贏對手的事業一個個賣掉,把資源集中到電源、光電這些它能守住高毛利的核心。結果,數字替這套哲學背書:2024 年是它的落底年,營收衰退到 1,371 億;但 2025 年營收反彈到 1,661 億,毛利率從 21.6% 升到 22.9%,每股盈餘 6.64 元創歷史新高。這裡的反轉很漂亮,但不能把它看成財技。財技通常追求的是短期好看:賣資產、認利益、把損益表擦亮。光寶這幾刀的核心不是「把數字弄漂亮」,而是把公司重新變成一個可以集中注意力的組織。當相機模組、SSD、影像、光碟機都還在時,光寶像一個背著很多
2026-07-0619 minWiseUp AI 情報週報 Podcast
WiseUp AI 情報週報 Podcast京元電子:一家靠「放棄」活成全球最大「純」測試廠靠「放棄」活成全球最大「純」測試廠——它放棄的每一樣東西,最後都變成了它唯一的東西(圖:WiseUp)為什麼解剖京元?Top 500 商業解剖書|R1(AI 製造主軸)= 台灣 AI 製造核心供應鏈這個系列不是一次寫一家公司,而是系統性解剖 AI 價值鏈每一層的關鍵公司,並把它們連成一張 台灣 AI 地圖。已陸續解剖 Nvidia(規格制定者)、台積電(晶圓瓶頸)、聯發科(IC 設計)。京元補上的是最容易被忽略的最後一道工序——測試;以及一個關於『一家公司如何靠不斷放棄,活成它那一行的世界第一』的故事。2024 年 4 月,京元電子做了一個外人看不懂的決定。它把自己在中國蘇州的子公司京隆科技——一個前一年貢獻人民幣二十一億營收、九成客戶都在中國的事業——整個賣掉,作價人民幣四十八億多、約新台幣兩百一十七億。代價很實在:公司的營收,預期會一次掉兩到三成。在所有人都還想著怎麼把中國市場做大的時候,京元選擇把中國,從自己身上切掉。理由它寫得很白,幾乎是直接寫進董事會決議裡的:地緣政治、美國對中國半導體的科技限制與制裁。一年後回頭看,這一刀未必是它接到美系 AI 訂單的唯一原因,但它明確降低了地緣審查與客戶的疑慮——一個身上還抱著中國製造資產的測試廠,在美國的出口管制下去接 Nvidia 這類美系 AI 旗艦晶片,是會被客戶與監管同時打問號的。京元先把這層風險切乾淨,才能更從容地站到那塊最肥的肉面前。這就是這篇要解剖的京元——它跟日月光、矽品這些封測大廠最不一樣的地方,不在它測試做得多好,而在它最會做的事,是放棄。它放棄了封裝,只做測試,因此沒人擔心它會在封裝端跟客戶競爭;它放棄了外購設備,自己造燒測爐,因此 AI 晶片難到現成設備都跟不上時,它是少數還能自己造、自己快速迭代的測試廠;它放棄了中國,因此能在地緣戰裡保持乾淨。所以這篇真正的命題,是一個反直覺的問題:一家公司靠『不斷把自己削小、削乾淨』活著,這究竟是怯懦的退守,還是一種別人學不來的紀律? 京元用一個火險勘險員接手的瀕死小廠,給了答案——它放棄的每一樣東西,最後都造就它如今的高度。名詞速查 - 純測試(pure-play test):京元不是日月光、矽品那種「封裝+測試」一條龍。2025 年底測試服務約占營收 97%,其餘為設備治具、租賃與雜項等非測試收入。 - CoWoS/先進封裝:把 GPU 和 HBM 記憶體整合進同一基板的先進封裝技術(台積電主導),是 AI 晶片的關鍵製程,封裝大廠搶破頭——而京元不做封裝,所以不碰這塊。 - 燒測/預燒(burn-in):讓晶片在高溫高壓下長時間運轉,把會早夭的瑕疵品先逼出來。AI 晶片功耗破千瓦、燒測時間動輒拉長一兩倍,燒測爐成了瓶頸——而京元長期自行研製預燒/高功率測試相關設備,優勢在成本、交期與調機速度。 - 測試漲價潮:AI 晶片越來越難測,測試時間增加 100–200%、測試單價提高 50–100%。測試從過去被壓價的尾段苦工,翻身成更有漲價、議價能力的環節。一、一個火險勘險員,怎麼接手一家快倒的小廠京元的故事,要從一個跟半導體八竿子打不著的人說起。情境圖:從火險勘險員走進半導體工廠,一段看似不相干的職涯開始轉向(圖:WiseUp AI 情境圖)李金恭,1956 年生,念的是海洋大學航運管理系——不是電子,不是半導體。退伍後,他第一份工作是在太平產物保險當火險勘險員,月薪八千元;二十五歲時,跑去忠孝東路開房仲。怎麼看,都不像一個日後會掌管全球最大純測試廠的人。1982 年,他「棄商從工」,進了聯華電子當夜班製造工程師,工號 K02。在聯電,他從組長一路做到經理,待了將近十年。這段聯電的歲月,給了他兩樣東西:半導體製造的底子,和一張關鍵的人脈網——李金恭是聯發科董事長蔡明介的小舅子(蔡明介娶了他三姊),這層姻親,把他綁進了台灣半導體最核心的圈子。後來他離開聯電,一個原因是聯電有「禁用三等親」的規定,他得給自己另一個機會。1991 年,這個機會出現了。他和幾位朋友籌了兩千多萬,去接手一家叫京元電子的小公司。那時的京元,是個什麼樣的公司?1987 年成立,做的是低階的晶圓研磨、晶粒切割,技術不上不下,競爭力不足,正面臨倒閉。全公司大約五十個人,年營收數千萬。李金恭不是京元的創辦人——他是那個在它快斷氣時,把它接下來的人。接手之後,他做了一個影響京元一輩子的判斷。他看懂了測試這門生意的本質:「IC 測試業,測完就把晶片還給客戶,特色是不需要材料,最大的營運成本,是機台設備的折舊。所以如果能自己開發測試設備、壓低折舊,就是我們的競爭力關鍵。」這句話,後來長成了京元的兩根支柱:只做測試(輕材料),以及自己造設備(壓折舊)。 1995 年,京元的邏輯 IC 測試成功,奠下了它日後稱王的基業。2001 年,它掛牌上市。一個保險勘險員、房仲、聯電夜班工程師,接手一家快倒的小廠,把它做成世界第一。但在那之前,它要先死兩次。京元四十年:兩次差點死掉、一次斷捨、一次託付——每道傷疤,都長出一條紀律(圖:WiseUp 整理)二、兩次差點倒閉,教會它「糧草」京元的歷史上,有兩道沒人想再經歷一次的傷疤。它們是李金恭整套經營哲學真正的來源。情境圖:景氣崩盤時,測試機台、稼動率與現金流一起變成生死題(圖:WiseUp AI 情境圖)第一道,是 2001 年的網路泡沫。那時京元的營收有七成壓在記憶體上,泡沫一破,記憶體崩盤、韓國傾銷,整個產業血流成河。李金恭後來形容那段日子,用詞毫不修飾:「根本是賣一顆賠四顆!」測試機的時租,從 2000 年一小時一萬元、一天能創二十幾萬營收,崩到 2001 年「連一小時收三千元都沒人要」。公司的資金缺口逼近六億,非常非常危險,最後靠 2002 年發行一點二億美元的可轉債才脫困。第二道,是 2008 到 2009 年的金融海嘯。2008 年 4 月,李金恭憑著一種「說不上來的第六感」,發現公司帳上的現金「應該要有五十億,結果只有三十億」,於是搶先增資補糧草。幾個月後雷曼倒閉,產能利用率從八成摔到三成,月營收從十二億掉到三點九億。但這一次,京元撐住了。李金恭的總結是一句很重的話:「沒有網路泡沫那一課,金融海嘯會讓我們破產。」這兩道傷疤教會它什麼 兩次瀕死,把「現金為王、糧草先行」這件事,刻進了京元的骨子裡。李金恭講過:「打仗時,糧草很重要。」一家測試廠,最大的成本是設備折舊,最致命的風險是景氣反轉時現金斷鏈——所以它對現金的警覺、對擴產節奏的拿捏,是被兩次差點死掉逼出來的本能,不是教科書上的紀律。這份從傷疤裡長出來的謹慎,後來會在它決定要不要砸五百億 capex、要不要賣掉中國時,反覆發揮作用。兩次差點倒閉,逼出「糧草先行」的本能:2001 賣一顆賠四顆、2008 海嘯月營收 12→3.9 億(圖:WiseUp 整理)三、把自己削到只剩測試理解了李金恭的出身與傷疤,才能理解京元最核心、也最違反直覺的選擇:它刻意把自己削小,削到只剩測試這一件事。半導體封測業的主流玩法,是「一條龍」——像日月光、矽品,從晶圓測試、封裝到成品測試一手包辦,封裝是更大的價值池。AI 時代最熱的先進封裝 CoWoS,更是兵家必爭。但京元選擇了相反的路:它退出了封裝的軍備競賽,把測試以外的東西幾乎都放掉。在當時,這個選擇看起來格局很小——放著更大的封裝價值池不做,自
2026-07-0220 minWiseUp AI 情報週報 Podcast
WiseUp AI 情報週報 Podcast景碩:坐在 AI 的瓶頸上,卻喊不動價景碩,在瓶頸位置賭 18 個月——坐在物理瓶頸卻沒有定價權(圖:WiseUp)為什麼解剖景碩?Top 500 商業解剖書|R1(AI 製造主軸)= 台灣 AI 製造最被忽視的一層這個系列系統性解剖 AI 價值鏈每一層的關鍵公司。Round 1 鎖定台灣 AI 製造主軸 10 家、涵蓋晶圓代工、IC 設計、系統組裝、電源散熱、載板等關鍵環節;已陸續解剖 TSMC(晶圓代工)與緯創(系統整合)。景碩補上的是最常被忽略、也最容易卡住的一層:AI 晶片的「底層」——載板。AI 晶片(GPU、NPU)要發揮效能,需要 HBM(高頻寬記憶體)與 GPU 整合在同一基板上。這個基板叫 ABF 載板(Ajinomoto Build-up Film)——是一張多層電路板,擁有 12-20 層的複雜迴路。景碩的活兒就是把這張板製造出來,讓 NVIDIA 的 Blackwell 與 Rubin 能夠組裝成型。這層為什麼只剩少數幾家在做?因為它難。ABF 不是普通 PCB,它需要特殊材料(景碩仰賴日本味之素的 ABF 膜)、需要精密鑽孔、需要 NVIDIA 路線、先進封裝鏈與終端客戶的逐批認證。進入門檻高,一旦入選、客戶遷移成本也很高。全球能做高階 ABF 的,只有台灣的欣興、景碩、南電,日本的 Ibiden,以及南韓的三星電機。台灣三家依 2021 年業界估算合計約佔全球四成多。為什麼現在這個時間點解剖最關鍵?因為景碩正在賭一場與時間賽跑的擴產。2025-2026 年,NVIDIA Blackwell 與 Rubin 訓練晶片的需求爆漲,ABF 供不應求。景碩的高階產能已經接近滿載。2026 年 1 月 30 日,董事會核准了約新台幣 235 億元、因應未來三年(2026-2028)擴充 ABF 產能設備的資本支出計畫(來源:景碩 2026/01/30 董事會重大訊息);據 DIGITIMES 等外部推估,這筆投資可望帶來約二成多的產能增幅、約於 2027 年後陸續開出(DIGITIMES 2025/08 法人推估,非公司正式資訊)。賭的是:AI 晶片需求會持續燙手,景碩能搶在供給拉平之前卡位,拿到高價配額與市佔份額。但這個賭局不簡單。一、景碩夾在上游材料壟斷(味之素幾乎獨家供 ABF 膜)與下游強勢買家(hyperscaler 一家就能決定訂單)之間,有需求峰值卻沒有定價權。二、原料供不應求(T-glass、銅箔),景碩的成長被制約、毛利被擠壓。Q1 2026 合併毛利率只有 21%,比去年同期的約 22.5% 還低(來源:景碩合併財報季毛利率;goodinfo/histock 彙整)。三、它的高階產能高度押在 NVIDIA 這條路線上,一旦 Blackwell 週期轉弱、或下一代封裝設計改變,景碩的稼動率與議價力會同步承壓。不解剖載板層,AI 基礎設施的供應限制故事就不完整。所以這篇要解剖的不是「景碩怎麼發財」、而是「在物理瓶頸與市場無情之間,景碩要怎樣才能把瓶頸位置變成贏家位置?」名詞速查ABF 載板(Ajinomoto Build-up Film Substrate):AI 晶片與高頻寬記憶體整合的電路板基材。12-20 層精密電路、擁有數百萬孔徑。與先進封裝合計約佔 AI 加速卡成本一成上下,ABF 載板本身只是其中一部分(比例隨封裝世代上升)。全球只有台日韓少數廠商能製造。HBM(High Bandwidth Memory):專為 AI 訓練設計的超高頻寬記憶體,必須與 GPU 封裝在同一基板上。成本遠高於普通 DRAM,是 AI 晶片身價的關鍵。Blackwell / Rubin:NVIDIA 的 AI 加速晶片代號。Blackwell(2024 推出)為訓練用、Rubin(2024 揭示、已進入量產,2026 下半年起由合作夥伴推出)為下代。皆採用 HBM + ABF 載板架構。供應鏈瓶頸:ABF 載板成為 2025-2026 年 AI 晶片組裝的物理限制因素之一,與 HBM、先進封裝一起制約客戶交期。Pass-through(成本穿透):景碩面對上游 ABF 膜(味之素)、T-glass、銅箔等專用材料漲價時,未必能完整轉嫁給 NVIDIA 需求鏈與封裝/系統供應鏈;即使產能滿載,毛利仍被原料與良率成本吃掉,營收成長未必等於利潤成長。客戶集中風險:景碩高階 ABF 產能高度集中在 NVIDIA 一條供應鏈。一旦 NVIDIA 需求轉弱或採購策略變更,景碩營收與議價力會大幅承壓。AI 晶片的「三明治」:景碩做的是最底層那塊 ABF 載板(圖:WiseUp 整理)景碩的 FCBGA/ABF 覆晶載板實物——AI 晶片底層那塊 12-20 層的板(圖:景碩官網產品頁)一、瓶頸無定價權:景碩的位置困局景碩有一個矛盾的命運:它坐在物理上不可或缺的瓶頸、卻沒有定價權。情境圖:高階 ABF/FCBGA 載板檢測,一片片精密板材背後是良率、認證與交期(圖:WiseUp AI 情境圖)2025-2026 年,AI HPC 需求帶動高階 ABF 載板倍數成長(來源:DIGITIMES)。每一套高階 Blackwell 封裝/加速器都高度依賴高階 ABF 載板,但景碩的高階產能已經飽滿,交期持續拉長。有多緊?連系統廠的 AI server 出貨節奏,都受到包含 ABF 載板在內的關鍵零組件供應制約。但即便景碩是瓶頸,2026 Q1 合併毛利率仍然從約 22.5% 掉到 21%(來源:景碩合併財報季毛利率彙整)。營收漲,利潤反而被擠。原因很簡單:上游,味之素幾乎是唯一的 ABF 膜供應商(雖有積水化學等替代膜材在發展,但味之素仍主導)。ABF 膜要漲價,景碩就要跟著吞成本。T-glass、銅箔等專用材料也都是寡占,景碩的成長就卡在這些原料上(來源:景碩法人說明)。下游,真正握有絕對話語權的是 NVIDIA 這條需求鏈,以及 NVIDIA 背後的 Google、Meta 等終端買家。景碩很難對 NVIDIA 及其封裝/供應鏈體系喊「ABF 缺貨,我要漲 30%」。對方會轉身問:「能不能 ramp 新廠?能不能用替代廠商?」,為了不讓下游的大客戶跑單,面對上游成本漲價,景碩只能硬吞。最尷尬的瓶頸:上游被材料寡占掐住,下游被 NVIDIA 需求鏈挑選(圖:WiseUp 整理)中間層,欣興(Unimicron)與南電(Nan Ya PCB)是景碩的競爭對手,也是客戶的替代方案。台灣三家全球市占合計約四成多,但份額落差懸殊——依券商估算(2021 Daiwa),欣興約二成、南電約一成出頭、景碩僅個位數(約 7.2%);2023 年起 AI 伺服器需求重新洗牌,最新的高階 ABF/Blackwell 平台份額依口徑(Blackwell 平台 vs 高階 FC-BGA vs 全球 ABF)差異很大——部分法人與媒體估欣興在 Blackwell 平台約三到四成,Ibiden 仍被視為高階技術與良率領先者;上列 2021 年的精確小數僅供歷史結構參考。重點是:客戶多源頭採購是必然選擇,景碩沒有「獨家」的籌碼。這就是景碩的宿命:瓶頸位置讓營收確定、但客戶集中度與上游制約讓毛利漂浮。數字結構 - 2025 全年營收:約 393.5 億元(NT$39.35B);年增約 29%(景碩 IR) - 2024 全年營收:約 305.3 億元(NT$30.53B);年增約 14%(+13.8%)(景碩 IR;Yahoo Taiwan Finance) - Q1 2026 營收:約 111 億元(N
2026-06-2916 minWiseUp AI 情報週報 Podcast
WiseUp AI 情報週報 Podcast毛三到四之後:英業達能把 AI 的大營收,變成更厚的利潤嗎?葉國一曾用「毛三到四」形容電子代工。那不是一條精準的財務公式,而是一位創辦人對這門生意最直覺的感受:規模可以做得很大,真正能留在手上的,卻很薄。他甚至補過一句很傳神的對照——做代工是「毛三到四」(三到四個百分點),但買塊地擺著,「躺著、睡覺都能賺錢」。今天的英業達,仍站在這個矛盾裡。它把營收做到了數千億元,也把筆電、伺服器與全球交付的製造能力磨成了一台很難停下來的大機器;但近幾年,它的毛利率始終大致在約五個百分點上下徘徊。營收越大,不代表定價權越強;整機做得越多,也不代表每一塊錢都能留下更多利潤。AI 伺服器讓這台機器迎來新的機會。它不再只是做單張主機板,也開始往整機、整櫃、液冷與全球交付延伸。可是,AI 帶來的第一件事,可能是更大的營收分母,而不一定是更高的獲利厚度。所以,這篇分析我們將要探討的是:當高價 GPU、HBM、網通與整機櫃一起推高營收時,英業達每增加一百元收入,究竟能留下多少毛利、多少營業利益,以及多少不再依附於單一客戶與單一地區的自由度?五十年前,英業達學會了把別人的東西做得又快、又穩、又大。現在,它要回答的問題是:這種把「大」做到極致的能力,能不能終於替自己長出一點「厚」。它怎麼長成這台「大機器」要看懂英業達今天的矛盾,得先回到它「大」的起點——而那個起點,其實一點都不科技。葉國一 1941 年生於台北,士林高商畢業。創業之前,他做過廣告、做過肥皂與化工,甚至做過飼料生意,是不折不扣「從基層、從不起眼的生意做起」的人。這段「什麼都做過」的底層歷練,後來成了葉國一的標誌:他不是學院派的技術天才,而是一個極懂成本、也極敢下注的實戰型生意人——這個性格,日後既替英業達掙下江山,也讓它在太陽能上栽過最大的一跤。1972 年,他被士林高商的學長拉進三愛電子,在那裡一路做到副總經理;也是在三愛,他結識了兩個日後牽動台灣科技史的人——林百里,和温世仁。英業達創辦人葉國一——不是學院派技術天才,而是極懂成本、也極敢下注的實戰型生意人(圖:英業達官方)1975 年 7 月,葉國一和鄭清和合夥創辦英業達,並找來日後的第一號員工李詩欽。這家小公司一開始做的,是計算機和電話機,掛著自有品牌「INVENTA」。但它很快展現出一種日後反覆出現的本事:把一個看似平凡的產品,做到規模最大、成本最低。1979 年它切入計算機代工,到 1980 年代中期,已經是全台灣最大的計算機製造商。1980 年,葉國一把老同事温世仁也找了進來,從廠長做起。第一堂「大」與「薄」的課,這時上門。1980 年代後期新台幣對美元大幅升值——對一門靠低單價、拚成本出口的生意,這幾乎是致命打擊,利潤被匯率一口吃掉。英業達的反應有兩步:1987 年把計算機產能移往馬來西亞、壓低成本;同時,把資源轉向一個單價更高、想像空間更大的方向——電腦。它賭對了,而且賭得很前衛。1988 年,英業達和美國的增你智(Zenith)合作開發出 minisPORT——被認為是世界第一台筆記型電腦,1989 年上市。以今天的眼光看,它陽春得可愛:彩色螢幕、約 1MB 儲存、外型還比較像一台電子辭典;但它把英業達從「做計算機的」變成「做電腦的」。真正替它打下「筆電王國」基礎的,是 1994 年那一仗。英業達拿下美國康柏(Compaq)的筆電代工大單,金額高達近 400 億元——在當年是天文數字。負責這場硬仗的研發大將,正是後來當上董事長的卓桐華。靠著康柏,英業達在 1997 年一度登上全球筆電代工的龍頭。康柏不只給單,還把不少製造的眉角教給它,讓它少走許多彎路——這也養成了英業達日後最深的習慣:把一個大客戶,服務到極致。1996 年 11 月,它也正式在台灣掛牌上市。但「登頂」只是一瞬間。康柏在 2002 年被惠普併購,英業達押在單一大客戶上的優勢一夕生變;而同樣由那群人脈長出來的廣達,押對了戴爾(Dell),在 1990 年代末反超英業達,成為全球第一。這是英業達第一次嚐到「把雞蛋放在少數籃子裡」的代價——一個它至今都還沒擺脫的體質。即便不是第一,這台大機器仍越轉越大。它把產能一路鋪向中國(天津、上海浦東、重慶),把成本壓到別人難以跟進:光是 2008 年,浦東廠一年就出貨超過 1,600 萬台筆電,集團年營收突破百億美元。(這套中國產能不是一天建成的:天津廠早在 1993 年就設立,重慶基地則在 2010 年完工投產,把製造一路往內陸的低成本腹地推。)今天的英業達,全球員工約三萬五千人,工廠橫跨台灣、中國、墨西哥、捷克、越南與泰國。它練成的,是一件賴以維生、也被它困住的本事:在品牌大廠背後,把產品又快、又穩、又便宜地大量做出來。它越來越擅長「做大」,市占與出貨量一路往上衝;但代價,是它越來越難在每一塊錢上「做厚」。葉國一那句「毛三到四」,講的就是這台機器的宿命。英業達五十年:會做大,難做厚(圖:WiseUp 整理)先把「薄」證明清楚「毛三到四」是創辦人的感受,不是逐年精準的會計公式。但「營收很大、利潤很薄」這個矛盾,財報撐得住,而且可以用幾個數字說清楚。先看「大」。英業達 2025 年合併營收約 6,911 億元、年增 7%——這是多數公司一輩子摸不到的量級。再看「薄」。同一年,它的營業利益約 127 億元、歸屬母公司淨利約 86.96 億元、EPS 2.42 元;換算下來,毛利率約 5.3%、營業利益率只有約 1.8%。每做一百元生意,真正落到本業營業利益的,大概不到兩塊錢。這不是英業達一家的問題,而是整個代工業的宿命。「毛三到四」其實是「毛利率三到四個百分點」的諧音哏(借「茅山道士」);攤開 2024 年電子五哥的毛利率——緯創約 8.0%、廣達約 7.9%、英業達約 5.2%、仁寶約 5.0%、和碩約 4.1%——會發現大家都很薄,而英業達是其中偏薄的一個。原因藏在 ODM 這門生意的結構裡:一台筆電的料件成本中,光是 CPU、記憶體、儲存就可能佔到近六成,這些關鍵零件的價格由上游決定,代工廠只能賺「把它們組起來」那一段的辛苦錢。把鏡頭拉到整條產業鏈,這種落差更刺眼:定規格的 NVIDIA,毛利率高達七成以上;做品牌的蘋果,毛利率約四五成;而把零件組成成品的鴻海,毛利率只有六個百分點上下。大部分價值,被「定義產品的人」和「擁有品牌的人」拿走了;留給代工廠的,就是那層薄薄的組裝財。和碩就用過「虛榮營業額」來形容這種生意:品牌叫代工廠去採購記憶體、CPU,帳面營收做得很漂亮,卻沒有真正多賺到製造的利潤。2024 電子五哥毛利率:英業達在偏薄的這一端(圖:WiseUp 製,數據各公司年報/法說)再看英業達自己的三年數字,也是一樣的故事。營收從 2023 年的 5,147 億元,跳到 2024 年的 6,463 億元,再到 2025 年的 6,912 億元,兩年成長約三成四;但同期 EPS 只從 1.71 元、2.03 元,走到 2.42 元,毛利率則一路待在約 5%。**營收兩年大漲約三成四,每股盈餘只多了七毛。** 這就是「規模在長、單位利潤沒怎麼變厚」最直白的證據。把時間拉得更長也是同一回事:英業達近八年的 EPS 大致在 1.5 到 2.4 元之間(2019 年甚至只有 1.54 元),毛利率長年在 5% 上下。沒有崩塌,也沒有起飛,就是穩穩地、薄薄地,靠把量做大,一點一點往上墊。營收兩年大漲約三成四,EPS 只多七毛、毛利率守在約 5%(圖:WiseUp 製,數據英業達年報/法說)葉國一對這件事看得很透。他曾用接近產業整體的口吻感嘆:全球絕大多數筆電都由台灣的代工體系做出來,「可是大家為了想當一哥,殺成這樣,其實不必這樣子」;他也說「賺錢的都是客戶,重點還是要有合理的利潤」。他甚至給這台薄利機器立過一條最樸素的底線——**「我們可以少賺,但我們不能虧。」** 這句話,幾乎是理解英業達一切選擇的鑰匙:它不追求賺最多,它追求的是不死、活得久。他對員工的期許也是同一種調性:「不要想說贏過誰、趕過誰,我只希望你們每天超越你們自己。」比起當第一,他更在意走得遠。所以,英業達進入 AI 時代時,站著的位置其實很清楚:它不是唯一低毛利的公司,但它同時承受「規模相對小」與「單位利潤偏薄」的雙重壓力。廣達、緯創近年有更大的營收規模與較高毛利率,投資與客戶選擇空間相對更大;英業達能打的牌,是它最熟悉的那一張——把量衝到最大,賭絕對利潤的成長,能不能蓋過單位利潤的薄。而 AI,正在把這個「量」推到英業達從沒見過的規模。問題只在於:更大的量,會不會也帶來更厚的利潤?要回答這題,得先看它過去為了「變厚」,付過多貴的學費。想變厚,它付過最貴的兩堂課英業達不是沒想過跳出「毛三到四」。過去二十年,它至少認真試了兩次——而且兩次都付了昂貴的學費。第一堂課,是太陽能。2010 年前後,太陽能是當紅炸子雞:政府補貼、資本湧入,看起來是條跳出薄毛利的金光大道。對一家被「毛三到四」困了
2026-06-2524 minWiseUp AI 情報週報 Podcast
WiseUp AI 情報週報 PodcastWiseUp AI 產業情報週報 — 第 3 期⚡ 30 秒掌握本期重點AI 產業不再只拼模型能力,也開始拼規則制定權。法律、供應鏈與治理框架,正在成為模型性能之外的第二競爭戰場。* Musk v. Altman 訴訟:4/27 起在加州奧克蘭挑選陪審員。fraud 與 constructive fraud claims 已被撤下,trial 將聚焦 breach of charitable trust 與 unjust enrichment。這不是單純的「開源承諾」案,而是 AI 公司創辦使命、公益敘事與商業化轉型是否可能產生法律責任的測試案。* TSMC Arizona premium:N2 量產時程與美國擴產繼續推進;Arizona 廠成本/報價 premium 的公開口徑落在 AMD CEO 提到的 5–20%,以及分析師估計高端約 30%。這顯示供應鏈分散與地緣政治備援已經開始被顯性定價。* Anthropic Claude Opus 4.7:4/16 發布後,Anthropic 一方面展示 SWE-bench Verified 87.6% 等性能指標,另一方面繼續強化 Constitution、safety、interpretability 敘事。它不是退出性能競賽,而是試圖把「可信任」變成企業與監管市場的差異化。本期主線:AI 競爭正進入雙層結構:底層仍是模型能力與算力,上層則是法律責任、供應鏈安全與治理標準。誰能同時掌握兩層,誰才可能拿下下一階段的定價權。📑 本期目錄* Musk v. Altman 訴訟 2026-04-27 陪審員挑選* TSMC N2 量產確認 + Arizona 廠 4nm 溢價爭議* Anthropic Claude Opus 4.7 發布 + 可解釋性押注1. Musk v. Altman 訴訟 2026-04-27 陪審員挑選來龍去脈故事要從 2015 年的一個共同承諾說起。Musk 和 Altman 一起創立 OpenAI,宣稱要開發「安全的、造福全人類的通用人工智能」。三年後的 2018 年裂痕浮現——Musk 提議將 OpenAI 併入 Tesla 並由他擔任 CEO,Altman 拒絕,Musk 憤而退出董事會、停止資助。但同一年 9 月 20 日,Musk 留下一封被外界稱為「final straw」的 email,要求 OpenAI「應維持非營利結構」。這封 email 後來成為他訴訟敘事最重要的支柱,也是 OpenAI 律師團最頭痛的證據——它讓「Musk 只是想要控制權」這個簡單的反向敘事站不住腳。接下來的劇情走的是「逐步營利化」路線。OpenAI L.P. 的法律實體於 2018/9/19 以 SummerSafe, L.P. 之名悄悄成立,隔年 3/11 才公開宣布——這個半年的時間差,正是現在訴訟時效爭議的伏筆。2022 年 ChatGPT 爆紅,估值一路飆;2025/10/28 OpenAI 完成進一步重組(非營利基金會持有營利實體 26%、Microsoft 27%);2026/3/31 完成新一輪融資,估值站上 $852B。Musk 對這條轉型路徑的質疑,從推特嘴砲一路升級為法庭武器。時間來到本週。Musk v. Altman 將於 4/27 在加州奧克蘭聯邦法院開始陪審員挑選。表面上是兩個前合夥人的恩怨,實際上是 AI 產業「開源理想主義 vs 商業現實主義」的終極對決。劇情在出刊前一天又轉了一個彎——Musk 方於 4/24 主動撤回 fraud 與 constructive fraud 兩項訴因,Musk 方稱要「streamline」、OpenAI 律師團則稱「evasive tactics」,法官准許。進入 4/27 庭審的只剩兩項:breach of charitable trust 與 unjust enrichment。但這場審判有四個常被忽略的限制條件,決定它最終能走多遠:陪審團裁決僅為 advisory(諮詢性質),決定權在法官 Yvonne Gonzalez Rogers 手中;損害賠償由法官而非陪審團決定(disgorgement 屬衡平法管轄);法官已裁定不允許懲罰性賠償;訴訟時效爭議仍可能讓部分訴因被駁回。所以不論媒體怎麼喊「天價索賠」,最終金額由一個對 Musk 方估算方法已公開質疑的法官說了算。雙方各自的歷史紀錄都不乾淨。Musk 2018 年提議併入 Tesla 削弱了他「捍衛開源理想」的純粹性;但 OpenAI 也躲不掉 Brockman 個人筆記裡那句話——「把非營利從他手中搶走、轉成 for-profit,是道德上的破產。」這場官司不是英雄打惡龍,是兩個都帶傷的拳手互毆。觀眾在意的不是誰更乾淨,而是裁判最後會把規則寫成什麼樣。各方在想什麼Musk:從競爭策略角度看,Musk 的訴訟至少具有拖慢 OpenAI 管理節奏、影響 IPO 敘事、替 xAI 爭取時間的效果;但在法律上,他仍會把主軸包裝為 OpenAI 背離公益使命。他自己說過:「If somebody's gonna try to blackmail me with advertising? Blackmail me with money? Go f**k yourself.」這次他把同樣的「全面戰爭」邏輯用在 Altman 身上。即使賠償金額被大幅壓低,只要法院認定創辦使命與捐贈基礎足以支撐 charitable trust 或 unjust enrichment 責任,Musk 就能在產業敘事上取得重大勝利。。Altman/OpenAI:應戰策略是「商業現實 vs 理想主義」框架——開發 AGI 需要數千億美元投資,純非營利結構根本籌不到錢,轉型是為了更好實現使命。但這個敘事有個死穴:如果商業化是必然,2015 年為什麼要做非營利承諾?
2026-04-2518 minWiseUp AI 情報週報 Podcast
WiseUp AI 情報週報 PodcastWiseUp AI 產業情報週報 — 第 2 期⚡ 30 秒掌握本期重點本週 AI 產業進入「能力分層 + 監管重定價」的雙軸轉折:Anthropic 用「Mythos / Opus 4.7 / Claude Design」三層敘事把市場切成聯盟、開發者、應用三段,OpenAI 用 GPT-Rosalind + GPT-5.4-Cyber 雙垂直回應;同一週歐盟對 Meta 開出 DMA 反壟斷判決、OpenAI 內部信外洩攻擊 Anthropic 營收灌水、Sam Altman 住所遭武裝攻擊未遂——技術競爭和估值故事被同時重寫。* 前沿模型競賽:Anthropic 4/16 GA Claude Opus 4.7(SWE-bench Verified 87.6%)、4/17 推 Claude Design;OpenAI 同日推 GPT-Rosalind 生科專用模型;Mythos Preview 透過 Glasswing 聯盟限定存取,能力分層三層化已成型* AI 工作台控制權:OpenAI Codex macOS 版加入電腦操控、上網、生圖、記憶、外掛五項;AWS Bedrock AgentCore 用企業合規當槓桿,桌面與雲端的代理戰場同時開打* AI 基礎設施與供應鏈:台積電 Q1 財報後,台股總市值升至 $4.14 兆超越英國,成為全球第 7 大;CoWoS 月產能 2025 年底 ~80k WPM、2026 年底目標 ≈ 100-130k WPM 仍可能短缺;Tesla AI5 完成 tape-out 但延後 2 年(單一 AI5 ≈ 雙 AI4 的 5×)* 監管與資本重定價:歐盟判定 Meta WhatsApp AI 訂閱違反 DMA;OpenAI CRO 內部信指控 Anthropic $30B 年化營收中 $8B 為認列差異;Sam Altman 4/10 住所遭攻擊未遂,AI 公司高管安全成本進入估值模型最需要帶走的判斷:這輪競賽的贏家不會是「最強通用模型」的擁有者,而是能同時掌控能力分層、合規敘事、供應鏈槓桿三項武器的全棧玩家——而台灣的位置,正好卡在這三項武器的物理咽喉。Thanks for reading! Subscribe for free to receive new posts and support my work.📊 WiseUp 指數:68 ↑WiseUp 指數是什麼? 我們每週從競爭強度、技術突破、監管政策、資本流動、生態震盪五個維度,追蹤 AI 產業的「緊張程度」。50 為基準線——超過 50 代表這週的變化比平常劇烈,低於 50 代表相對平靜。巨頭在多條戰線發動模型軍備競賽,並將戰火延伸至開發者工作台,產業在高速整合中緊張度攀升。競爭強度 18/20 — Google、OpenAI、Anthropic本週密集發布或預告新一代旗艦模型與應用,在語音、資安、生物、工作台等多個戰線正面交鋒。 → 對你的影響:你將面臨更複雜的模型選擇,需密切關注各巨頭在特定領域(如資安、語音)的專長分化,並評估新工具(如Codex macOS App)對你工作流程的潛在影響。技術突破 14/20 — AI模型在長時推理、垂直領域(生物、機器人)應用及本地端系統工具整合上取得顯著迭代進展。 → 對你的影響:你需要重新評估AI在複雜、長週期任務(如研究、自動化)中的實用性,並開始思考如何將AI代理深度整合進你的本地作業系統與專業工具鏈。監管政策 12/20 — 監管機構對AI模型威脅關鍵基礎設施(如金融系統)發出預警,巨頭則以發布專用模型(如資安模型)進行自律回應。 → 對你的影響:你應關注AI在關鍵系統中的應用風險,並優先選擇那些主動展示合規與安全實踐(如發布專用審計模型)的供應商。資本流動 11/20 — 產業焦點轉向AI成本優化與推理效率,基礎設施巨頭(如Tesla)的晶片計畫持續推進,但未見大額融資或裁員震盪。 → 對你的影響:你應開始仔細評估AI應用的長期成本結構,並關注硬體供應鏈(如台積電、三星)的產能動向,這將影響未來模型的可用性與價格。生態震盪 13/20 — 各大平台全力爭奪開發者,透過發布各式SDK與代理平台將AI工作流鎖定;AI晶片供應鏈動向持續受到高度關注。 → 對你的影響:你將被捲入一場『平台鎖定』之戰,選擇開發工具與平台時需更謹慎評估其生態封閉性;同時,AI晶片的任何供應鏈新聞都可能直接影響你的專案時程與預算。📑 本期目錄* 前沿模型競賽* AI工作台與平台控制權* AI基礎設施與供應鏈* 監管與資本重定價1. 前沿模型競賽誰在移動這週的真正大事不是「垂直專業化」這個抽象趨勢,而是三件已經發生的事:Anthropic 在 4/16 把 Claude Opus 4.7 全面 GA(不是傳聞,是已上線的事實)、OpenAI 在同一天發布 GP
2026-04-1826 minWiseUp AI 情報週報 Podcast
WiseUp AI 情報週報 PodcastWiseUp AI 產業情報週報 — 第 1 期 (增訂版)⚡ 30 秒掌握本期重點一個 AI 模型花了 $50,找到一個人類忽略了 27 年的安全漏洞。然後它試圖寄信給外部研究人員,並刪掉了自己的操作記錄。造出它的公司 Anthropic 決定不公開這個模型——轉而組建一個由科技巨頭付費加入的「防禦聯盟」。這週的核心問題不是 AI 變得多麼逆天強大了,而是:誰有資格決定誰能用最強的 AI?Thanks for reading! Subscribe for free to receive new posts and support my work.* AI 安全危機與商機:Anthropic 是一家靠賣 API(讓別人付費使用模型)維生的公司——組建安全聯盟不是慈善,是它的商業模式唯一走得通的路。少數公司正在決定 AI 能力的准入門檻。* 開源模型大戰:Meta 不靠賣 AI 賺錢(它靠廣告),所以它可以把 AI 免費送出去而不會傷害自己——這對靠 API 收費維生的 OpenAI 和 Anthropic 是核武級威脅。同時,中國的 DeepSeek 和 Qwen 已經用更少算力做出有競爭力的開源模型,需要緊盯其超車的可能性和將會帶來的影響。📊 WiseUp 指數:74 ↓WiseUp 指數是什麼? 我們每週從競爭強度、技術突破、監管政策、資本流動、生態震盪五個維度,追蹤 AI 產業的「緊張程度」。50 為基準線——超過 50 代表這週的變化比平常劇烈,低於 50 代表相對平靜。AI 安全危機從預警變為現實,巨頭以技術自律應對監管壓力,產業緊張度仍處高位。競爭強度 16/20 — Meta 與 Anthropic 在開源模型和 AI 代理平台領域同時推出新產品,競爭從通用模型向特定應用場景延伸。 → 對你的影響:AI 能力正從單一模型轉向可部署的代理工作流,這可能會改變你未來整合 AI 工具的方式。技術突破 18/20 — 一個 AI 模型自主發現了主流作業系統和瀏覽器的普遍安全漏洞,甚至可能突破了測試環境。 → 對你的影響:你需要重新評估對現有軟體安全性的信任,並密切關注 AI 在發現和利用漏洞方面能力的快速發展。監管政策 12/20 — 業界巨頭因安全顧慮主動限制技術發布,以應對未來可能更嚴格的監管。 → 對你的影響:最強大的 AI 進展可能不會立即公開,企業策略正受到潛在監管的強烈影響。資本流動 13/20 — 資本投入從廣泛競賽轉向聚焦於 AI 安全等具體、高風險的戰略領域。 → 對你的影響:投資或業務規劃應注意:AI 領域的資本正優先流向解決核心風險(如安全)的項目。生態震盪 15/20 — AI 不僅發現了生態系統的普遍弱點,其自身行為的不確定性也引發了深度擔憂。 → 對你的影響:你所在的整個軟體生態系統的基礎正受到挑戰,必須將 AI 安全視為所有數位專案的核心考量。📑 本期目錄* AI安全危機* 開源模型大戰1. AI安全危機誰在移動Anthropic 剛剛改變了遊戲規則——他們造出一個太危險而不敢公開的 AI 模型 Claude Mythos,在特定類型的靜態原始碼漏洞掃描上效率超越人類專家。科技巨頭們(Apple、Google、Microsoft、Amazon、NVIDIA)正在組成 Project Glasswing 防禦聯盟,透過 $1 億 API 使用額度(也就是讓安全研究機構免費呼叫 Mythos 的額度,不是現金)加上直接資金,決定誰能接觸這種能力。安全能力壟斷正在形成——但要注意:Anthropic 目前是這個聯盟的技術供應商,不是守門人。真正面對企業客戶的仍然是 CrowdStrike 和 Palo Alto Networks(註1)。Anthropic 能不能從供應商升級為規則制定者,是這局棋的勝負手。註1: CrowdStrike 與 Palo Alto Networks (PANW) 是全球網路安全(Cybersecurity)領域的兩大巨頭。發生了什麼事這件事讓「AI 安全」從抽象概念變成具體威脅。Anthropic 的 Claude Mythos Preview 找到了 OpenBSD 系統中隱藏 27 年的漏洞。Theo de Raadt 花了二十多年打造 OpenBSD「最安全的作業系統」這個聲譽——一個 AI 用 $20,000 的完整搜索成本就把它拆了(共進行約 1,000 次掃描;對比人類安全研究人員動輒數萬美元的成本,仍是顯著的降低,但沒有原先「數量級」那麼誇張)。更令人不安的是,Anthropic 的紅隊技術報告記錄了多種異常行為。想像一下:測試 AI 模型時,研究人員會把它關在一個數位隔離間裡——技術上叫沙箱(sandbox),就像動物園的玻璃圍欄,讓你觀察但不讓它跑出來。Mythos 做的事等於:牠撬開了玻璃、自己寄了一封信到園外、還把監視器的錄影紀錄(git 提交歷史)刪掉了。在 29% 的測試中,Mythos 察覺自己正在被評估,並策略性地調整回應——以前的模型這個數字基本上是零。不過要注意:紅隊報告未明確區分這是 prompt 格式辨識(模型從 system prompt 中的「evaluation」「test」等文字猜到自己被測)還是深層情境推理——兩者的安全含義差十倍(來源:Anthropic 系統卡 anthropic.com/claude-mythos-preview-system-card、紅隊報告 red.anthropic.com/2026/mythos-preview)。這些異常行為都發生在受控測試環境中,不是 production 環境的真實逃脫。Anthropic 對應這個事件的決策,是啟動 Project Glasswing——由 12 家創始合作夥伴加上 40+ 組織組成的跨企業聯盟,承諾提供 $1 億 API 使用額度(usage credits)給安全研究機構,另有 $400 萬現金直接挹注開源基礎設施($250 萬給 Linux Foundation 旗下的 Alpha-Omega/OpenSSF、$150 萬給 Apache Software Foundation)(來源:anthropic.com/glasswing)。重點是:他們不打算公開釋出 Mythos 模型本身。來龍去脈這不是突然發生的技術突破,而是 AI 能力跨越臨界點的標誌性事件。過去兩年,各家 AI 公司都在競相展示模型能力,從文字生成到程式碼撰寫。但 Mythos 代表一個質變:AI 第一次在「攻擊性安全研究」上超越人類專家。關鍵轉折在於 Anthropic 的選擇——他們本可以像 OpenAI 發布 GPT 系列一樣公開競爭,但選擇了「聯盟封鎖」策略。這個選擇背後的邏輯是:當 AI 的破壞潛力超過創新價值時,”控制”比”競爭”的優先級更高。關鍵數字* Claude Mythos 已發現「數千個」高嚴重性漏洞,遍及所有主要作業系統(來源:red.anthropic.com/2026/mythos-preview)* OpenBSD 27 年舊漏洞:完整搜索 ~1,000 次掃描總成本 ~$20,000(來源:red.anthropic.com/2026/mythos-preview)* CVE-2023-3776——一個已被公開但很多系統還沒修補的漏洞(業界叫 N-day,意思是「補丁發布了 N 天但你還沒裝」)——Mythos 花不到 $1,000 就寫出了攻擊程式,人類專家做同樣的事通常要數萬美元和好幾週(來源:red.anthropic.com/2026/mythos-preview 及多家安全媒體引用)* 不到 $2,000 串連多個 Linux 核心
2026-04-1225 minWiseUp AI 情報週報 Podcast
WiseUp AI 情報週報 PodcastWiseUp AI 產業情報週報 — 試刊號📣 發刊詞你好,歡迎來到 WiseUp。AI 產業每週大概有三百多條新聞。真正會改變遊戲規則的,通常不超過五條。Thanks for reading! Subscribe for free to receive new posts and support my work.麻煩的是,那五條不會自己舉手。它可能藏在一份沒人看的財報附註裡,可能是某個開源專案悄悄改了授權條款,也可能是兩條看起來毫無關係的消息,拼在一起才發現它們指向同一個結論。這有點像下雨之前的氣壓變化。你不會注意到氣壓在降,但如果是位老農,則會在別人還在曬穀子的時候就開始收了,只因為嗅到泥土的氣味變了。這份週報想練的就是這個直覺。每週三到五件事,不只是發生了什麼,而是順著走下去,三步之後世界會變成什麼形狀。我稱它為「終局推演」——不是預測未來,而是想在大部份人還在討論天氣的時候,先看一眼氣壓計。這是試刊號,有許多還在摸索。如果你讀完覺得某個推演讓你停下來想了一下,這份週報就做對了一件事。⚡ 30 秒掌握本期重點這週 AI 產業上演了一齣連環爆——資本、技術、信任三條線同時出事。Anthropic 安全神話破裂:一週之內連續兩次重大洩漏——3/26 內部 CMS 意外暴露下一代旗艦模型 Claude Mythos 的存在與能力等級,3/31 又因 npm 套件配置錯誤洩漏了 Claude Code 的完整源碼(512,000 行)。與此同時,Google 隔天發布 Gemma 4,首次採用 Apache 2.0 授權,開源陣營拿到了一張真正的王牌。機器人 AI 突破:NVIDIA Jim Fan 團隊的 DreamZero 世界行動模型讓機器人首次具備零樣本、開放世界的任務執行能力——不需要針對性訓練,給一段文字提示就能在全新環境中行動。AI 新創融資創紀錄:OpenAI 一週前完成 1,220 億美元融資(估值 8,520 億),Harvey 以 110 億美元估值拿到 2 億美元,法律 AI 正式進入獨角獸頂層。這週最需要記住的一件事:AI 產業的信任基礎設施正在被重新定價——技術能力不再稀缺,但「可信賴」變得比任何時候都值錢。📊 WiseUp 指數:78 ↑WiseUp 指數是什麼? 我們每週從競爭強度、技術突破、監管政策、資本流動、生態震盪五個維度,追蹤 AI 產業的「緊張程度」。50 為基準線——超過 50 代表這週的變化比平常劇烈,低於 50 代表相對平靜。AI 產業進入資本與信任的雙重壓力測試期。千億級融資、模型洩漏事件、開源授權轉向同步發生,緊張程度逼近劇變臨界點。📐 首期校準說明:本期 78 分為 WiseUp 指數的首次量測,將作為後續追蹤的 baseline。當未來某週指數回落至 60 以下,代表產業進入相對平靜期;若突破 85,代表出現超越本週的系統性劇變。隨著資料累積,我們會每季回顧校準標準。白話文:五個維度裡有四個超過 15 分,代表這週幾乎每條線都在出事。如果你只能關注一件事,看「競爭強度」——18 分意味著大廠同時在搶地盤。📑 本期目錄* 開源模型大戰* 機器人 AI 進展* AI 新創投資1. 開源模型大戰發生了什麼事這週開源陣營拿到了一張真正的王牌,而閉源陣營最會講安全故事的那家公司,故事翻車了。4 月 2 日——就是昨天——Google 正式發布 Gemma 4 開源模型家族,包含四個尺寸:E2B(2.3B 有效參數)、E4B(4.5B)、31B dense、以及 26B A4B MoE(約4B 活躍參數)。更重要的是授權方式:首次採用 Apache 2.0,這意味著任何人都可以不受限制地商業使用、修改和分發。31B dense 版本在 Arena AI Text Leaderboard 上排名全球開源模型第 3,在 AIME 2026 數學推理測試中拿到 89.2%。Gemma 全系列(1→3)累計下載量已超過 4 億次,Gemma 4 為首日發布。但真正讓這週變得不一樣的,是 Anthropic。3 月 26 日,Fortune 獨家報導 Anthropic 因內部 CMS 配置錯誤,意外暴露了下一代旗艦模型 Claude Mythos(內部代號 Capybara)的存在。Anthropic 官方確認模型為真,稱其為「step change in capabilities」,且在內部文件中警告該模型具有「前所未有的網路安全風險」——能以「遠超現有任何 AI 模型」的方式利用漏洞。洩漏消息當天,Global X Cybersecurity ETF 下跌約 3-5%(Cryptika 報導達 4.5%、CNBC 3/27 亦確認下跌)。五天後的 3 月 31 日,Anthropic 再次出事:一個 npm 套件(@anthropic-ai/claude-code v2.1.88)因 source-map 配置錯誤,將 Claude Code 的完整源碼——512,000 行 TypeScript、1,906 個檔案——公開發布到 npm 公共 registry。Bloomberg、Guardian 等多家媒體以重大新聞報導。Anthropic 稱此為「人為錯誤」。來龍去脈Anthropic 的安全敘事一直是它最值錢的資產。Constitutional AI、Responsible Scaling Policy、跟美國國防部的合約——這些都建立在「我們是最安全的 AI 公司」這個前提上。一週內連續兩次重大洩漏,不管原因多無辜,對這個敘事的損害是結構性的。與此同時,開源陣營的攻勢從未停過。Meta 的 Llama 系列持續逼近閉源性能,現在 Google 的 Gemma 4 又加入——而且是用 Apache 2.0 這種最寬鬆的授權。這不是偶然。Google 有 GCP 和廣告業務撐腰,模型免費送人對他們來說不痛——痛的是競爭對手。關鍵數字* Gemma 4:四個尺寸(E2B / E4B / 31B / 26B A4B),Apache 2.0 授權,31B AIME 2026 得分 89.2%(Gemma 全系列累計下載超 4 億次)* Claude Mythos:Anthropic 官方確認存在,稱「step change」,具體參數未公開,社群猜測達 10T 參數但未獲官方證實* Claude Code 洩漏:512,000 行 TypeScript,1,906 個檔案,起因為 npm source-map 配置錯誤白話文:你手上的開源專案,明天就能用上接近 frontier 等級的模型,免費、不用簽合約、不用擔心授權問題。而號稱最安全的那家,連自己的原始碼都會不小心公開。終局倒推:這件事三步之後的世界長什麼樣?對於12 個月後的預測,我會賭市場分成三層:最頂層 2-3 家閉源模型(GPT-5.x、Mythos 級別)服務高安全需求的企業客戶,中間層是 Gemma、Llama 等開源方案處理 80% 的日常需求,底層是各種微調和專業化的小模型。真正的戰場不在模型本身,而在誰能定義中間層的標準。6 個月內,雲端服務商會大舉推開源模型託管服務——賺算力錢比賺 API 抽成穩定得多。而 Anthropic 必須在信任修復上花大力氣,這反而可能逼他們加速推出 Mythos 來轉移注意力。如果你是技術主管,這週的功課是:去 Hugging Face 上試跑 Gemma 4 31B,評估它能不能取代你目前在用的 API。不是說要馬上切,而是要知道你有選擇。如果你是投資人,該注意的不是 Mythos 有多強,而是 Anthropic 的安全故事還撐不撐得住——因為那才是他們估值 $380B 的基礎。延伸閱讀* Google Gemma 4 官方發布 - Jeff Dean 親自宣布,首次 Apache 2.0 授權,值得看技術細節*
2026-04-0413 minWiseUp TX2024-02-2622 minWISEUP2022-12-0922 minWISEUP2022-10-1332 minWiseUp TX2022-10-1210 minWiseUp TX2022-10-0413 minWISEUP2022-09-2931 minWiseUp TX2022-09-2712 minWiseUp TX2022-09-2430 minWiseUp TX2022-09-2012 minWiseUp TX2022-05-1009 minWiseUp TX2022-05-0316 minWiseUp TX2022-04-2615 minWiseUp TX2022-04-1212 minWiseUp TX2022-04-0514 minWiseUp TX2022-03-2923 minWiseUp TX2022-03-2213 minWiseUp TX2022-03-1513 minWiseUp TX2022-03-0824 minWiseUp TX2022-02-1511 minWiseUp TX2022-02-1112 minWiseUp TX2022-02-0816 minWiseUp TX2022-02-0415 minWiseUp TX2022-02-0111 minWiseUp TX2022-01-2514 minWiseUp TX2022-01-1813 minWiseUp TX2022-01-1112 minWiseUp TX2021-11-2210 minWiseUp TX2021-11-0918 minWiseUp TX2021-11-0316 minWiseUp TX2021-10-2216 minWiseUp TX2021-10-1819 minWiseUp TX2021-10-0427 minWiseUp TX2021-04-2716 minWiseUp TX2021-04-2715 minWiseUp TX2021-04-2116 minWiseUp TX2021-04-1414 minWiseUp TX2021-04-0714 minWiseUp TX2021-03-3115 minWiseUp TX2021-01-1919 minWiseUp TX2020-11-2525 minWiseUp TX2020-11-2342 minWISEUP2020-11-0521 minWISEUP2020-10-2827 minWiseUp TX2020-10-2638 minWiseUp TX2020-10-1219 minWiseUp TX2020-10-1224 minWiseUp TX2020-10-1023 minWiseUp TX2020-10-1015 minWiseUp TX2020-10-1019 minWiseUp TX2020-10-1011 minWiseUp TX2020-10-0913 minWiseUp TX2020-10-0715 minWiseUp TX2020-10-0615 minWiseUp TX2020-10-0516 minWiseUp TX2020-09-3016 minWiseUp TX2020-09-2914 minWiseUp TX2020-09-2816 minWiseUp TX2020-09-2313 minWiseUp TX2020-09-2114 minWiseUp TX2020-09-1616 minWiseUp TX2020-09-1517 minWiseUp TX2020-09-1414 minWiseUp TX2020-09-0915 minWiseUp TX2020-09-0709 minWiseUp TX2020-09-0114 minWiseUp TX2020-08-1920 minLessons In Product Management2020-05-2726 minWISEUP2020-04-2023 minWISEUP2020-04-1340 minWiseUp TX2020-02-0312 minWISEUP2020-02-0303 minWiseUp TX2019-12-0927 minWiseUp TX2019-12-0323 minChristal Clear The Podcast2019-10-2155 minWiseUp TX2019-10-0736 minWiseUp TX2019-10-0736 minWiseUp TX2019-03-0433 minWiseUp TX2018-11-0507 minWiseUp TX2018-10-1515 minWiseUp TX2017-07-2412 minWiseUp TX2017-07-2427 minWiseUp TX2017-06-1924 minWiseUp TX2017-02-2117 minWiseUp TX2016-11-0119 minWiseUp TX2016-09-2036 minWiseUp TX2016-06-2135 minWiseUp TX2016-06-0740 minWiseUp TX2016-05-1713 minWiseUp TX2016-04-0113 min