ASML光刻巨變、Nvidia搶PC；AI嗅覺提升良率

Summary

本集「科技產業洞察」深度剖析了在全球AI浪潮下，半導體產業的四大關鍵趨勢：ASML在EUV光源技術上實現了功率從600瓦提升至1000瓦的突破，預計到2030年能使晶片產能增加50%，鞏固其在先進製程中的核心地位；Nvidia則攜帶基於Arm架構的SoC處理器，正式進軍消費型筆記型電腦市場，挑戰Intel和AMD，將其AI全棧解決方案從數據中心擴展到邊緣設備；Ainos公司與日月光合作，計劃部署20,000個「AI鼻子」設備，透過高精度氣體感測器和AI演算法，偵測ppb級別的揮發性有機化合物，為半導體製造帶來全新的「嗅覺」品質控制與良率提升；最後，台美日聯手開發次世代的Z-Angle Memory，旨在挑戰目前HBM記憶體的寡佔格局，承諾提供HBM雙倍容量、功耗減半的潛力，力積電將負責試產，為AI和超級電腦提供更高效能的記憶體解決方案。這些發展共同揭示了半導體產業在技術、市場和地緣政治上的激烈競爭與持續創新。

Transcript

各位聽眾朋友大家好，歡迎收聽「科技產業洞察」。 我是主持人蔡珵澤。 今天的節目，我們要帶大家一起搭上這趟科技產業的雲霄飛車，

深入剖析在全球AI浪潮下，半導體市場如何經歷前所未有的加速與變革。

沒錯，珵澤。 AI的巨大需求，正像是一股不可逆的洪流，不斷衝擊並重塑著整個半導體產業的版圖。 從晶片製造的核心技術，到終端應用的市場拓展，再到製造現場的智慧升級，

以及次世代記憶體的研發競賽，每個環節都充滿了創新與挑戰。 今天我們將從這些最新的資訊中，帶大家洞察半導體產業的深層脈動， 以及台灣在這場全球科技競賽中所扮演的關鍵角色。

說得太好了！ 既然要談核心，那我們就話不多說，先來看看半導體產業的「心臟」——獨家供應商ASML， 他們又在EUV光源技術上搞出什麼大名堂了？

畢竟，EUV微影技術是推動摩爾定律持續前進的關鍵，它決定了我們能把多少電晶體塞進一顆小小的晶片裡。

好的，首先我們聚焦在EUV微影設備的獨家巨頭ASML。 他們最近宣布，其EUV光源技術取得了突破性的進展，預計在2030年前， 全球晶片產能有望因此提升高達50%。

這項技術的關鍵在於，ASML在2024年底公開了一種新的三脈衝EUV光源生成方法。 隨後在2026年2月23到24日，ASML在美國加州廠區向路透社獨家披露，

他們成功將EUV光源功率從目前的600瓦，大幅提升到1, 000瓦。 他們的目標是，到2030年，EUV機台能以1,000瓦的功率，

達到每小時處理330片晶圓，相比目前的220片，直接提升了50%的產能。

哇，從600瓦跳到1,000瓦，這聽起來像是給EUV機台加裝了渦輪引擎啊！ 50%的產能提升，對台積電、Intel、Samsung Foundry這些晶圓代工巨頭來說，

絕對是個飛躍性的進步。 那這背後有沒有什麼關鍵技術支撐呢？

當然有。 這主要是透過將錫滴噴射速率翻倍至每秒10萬滴，並改用兩或三脈衝雷射系統更精準地塑形錫滴， 來提高EUV光的轉換效率。

ASML EUV光源首席技術專家Michael Purvis也親自確認， 這個新系統能在客戶所需的所有條件下，穩定輸出1,000瓦的功率，

並表示未來甚至有通往1,500瓦、甚至2,000瓦的清晰路徑。 科羅拉多州立大學教授Jorge J. Rocca也對此成就表達了驚嘆， 認為「達到一千瓦是非常了不起的」。

確實令人驚嘆！ 這項突破不僅鞏固了ASML在全球半導體設備供應鏈的獨佔地位， 也直接影響了先進製程的發展，對AI晶片等高價值產品的大規模製造至關重要。

不過燿先，雖然光源功率提升50%聽起來很棒，但這會不會是一種「軍備競賽」的持續呢？ 晶片製造是個複雜的系統工程，光是黃光工站提升了效率，但其他製程瓶頸呢？

像是High-NA EUV設備的昂貴成本和謹慎導入，這次的提升會不會讓大家在Low-NA EUV上繼續加大投資， 反而延緩了High-NA EUV的普及？

最終，這50%的產能提升，能多大程度轉化為客戶端的成本優勢或全面普及？ 會不會反而加劇對單一設備供應商的依賴，讓ASML的議價權更高呢？

珵澤你的考量很全面，這確實是多個面向的問題。 首先，這次的提升是針對 *現有* 的Low-NA EUV機台， 而非High-NA EUV。

兩者是平行發展的技術，High-NA EUV主要針對更極致的微縮， 而Low-NA EUV的效能提升則確保了現有技術在未來幾年仍具備強大的生產潛力與成本效益。

其次，晶片製造確實是系統工程，但黃光微影是最關鍵且耗時的環節之一， 它的效率提升能有效緩解整體產能瓶頸。

雖然其他工站可能還有瓶頸，但解決了核心問題，效益依然巨大。 至於對ASML依賴度的問題，這確實是行業的現實。

ASML在EUV領域的獨佔地位，是其長期研發投入和技術積累的結果。 客戶在追求先進製程的同時，也別無選擇，這也反映了技術領先者的市場力量。

所以說，這是一場技術、成本與戰略的綜合考量。

嗯，這點我懂，魚與熊掌不可兼得嘛。 總的來說，ASML這次的EUV光源技術突破，不僅是工程上的里程碑， 更是確保摩爾定律持續推進、降低先進晶片生產成本的關鍵一步，

再次證明了ASML在半導體產業鏈中的無可取代的地位。 從半導體的心臟，我們把目光投向另一個驅動AI浪潮的巨頭Nvidia。

他們在AI領域呼風喚雨，但現在似乎不滿足於只做數據中心的老大， 竟然要進軍消費PC市場了？ 這葫蘆裡賣的是什麼藥啊？

沒錯，Nvidia最近又有大動作。 根據華爾街日報等媒體報導，Nvidia正準備在2026年上半年推出其基於Arm架構的SoC處理器，

正式進軍消費型筆記型電腦市場，這無疑是直接向Intel和AMD發出的挑戰。 這標誌著Nvidia從以GPU為主導的數據中心供應商，向提供「全棧AI解決方案」的邊緣設備供應商轉型，

試圖將其AI優勢擴展到個人電腦領域。

這可真有意思！ Nvidia一直都是GPU的霸主，現在連CPU也要自己做了， 還要搶攻筆電市場，這是要變成「全能選手」了嗎？

而且看來他們是有備而來，不是玩票性質的。

可以這麼說。 報導指出，首批搭載Nvidia Arm晶片的筆電，預計在2026年上半年發表後數月內， 就將由Dell和Lenovo等OEM合作夥伴出貨。

早在2026年1月，供應鏈就已傳出Windows on Arm平台筆電將在第一季亮相。

TrendForce甚至透露，Lenovo已經開發了六款基於Nvidia N1/N1X處理器的筆電， 包括IdeaPad Slim、Yoga Pro、Yoga 2-in-1，

甚至還有Legion電競筆電。 Dell也預計推出Alienware和XPS系列。 從目前的傳聞數據來看，Nvidia的N1X處理器據稱擁有高達20個CPU核心，

而其整合的GPU性能，甚至可能媲美桌上型的RTX 5070。 這意味著Nvidia的Arm晶片將是集CPU、GPU和NPU於一體的SoC方案， 專為AI PC設計。

市場預計AI PC市場將帶來高達1000億美元的巨大機會。

這種整合CPU、GPU、NPU的SoC設計，很明顯就是衝著AI去的。 Nvidia在AI PC市場上，面對的競爭對手不僅有Intel和AMD這兩大x86巨頭，

還有蘋果M系列晶片在高端筆電市場的成功，以及高通多年來在Arm架構Windows筆電上的耕耘。 燿先，你覺得這步棋真的能讓Nvidia在PC市場稱霸嗎？

它能否在CPU/NPU整合的技術成熟度、軟體生態的兼容性， 以及最關鍵的，消費者對Arm架構Windows筆電的接受度上取得突破？

會不會只是AI熱潮下的曇花一現，最終還是得面對巨頭的強勢反撲？

珵澤，你的擔憂不無道理。 Intel和AMD在x86市場確實根深蒂固，而蘋果和高通也證明了Arm架構在筆電市場的潛力。

但Nvidia的策略不僅是推出硬體，更重要的是將其強大的CUDA軟體生態系統和AI開發工具帶到客戶端。

這與單純的CPU競爭不同，Nvidia提供的是一個完整的AI體驗平台， 讓開發者和用戶都能在Nvidia的生態系中發揮AI的潛力。

另外，Dell和Lenovo等一線OEM廠商的積極參與， 也表明市場對Nvidia的Arm晶片抱有信心。

雖然Windows on Arm的軟體兼容性仍需時間完善， 但微軟對AI PC的推動以及Nvidia在AI領域的號召力， 可能會加速這個生態系的成熟。

這是一場硬仗，但Nvidia手上的牌確實不少，尤其是在AI時代， 擁有完整的生態系統才是王道。

聽你這麼一說，感覺這場仗會非常精彩。 Nvidia進軍AI PC市場的舉動，不僅挑戰了傳統PC產業格局， 更預示著未來個人運算將走向一個以AI為核心的全新時代。

講到AI，它不僅改變了運算架構，現在甚至要改變半導體製造的感官體驗。 接下來，我們來聊一個更有趣、也更「有味道」的話題。

半導體製造居然開始部署「AI鼻子」了？ 這是什麼黑科技，難道晶圓廠也要聞香識貨了嗎？

這不是什麼玩笑，珵澤。 這是一項由Ainos公司開發的創新技術，被稱為「AI鼻子」。 他們最近宣布，將與全球最大的半導體封測廠日月光合作，啟動分階段工業部署藍圖，

計劃在半導體製造環境中安裝高達20,000個AI鼻子設備， 旨在強化良率與品質控制。 半導體製造環境對潔淨度的要求極高，即便肉眼看不見的微量化學物質，

也可能對良率造成災難性影響，傳統檢測方法往往難以捕捉這些「隱形殺手」。

2萬個AI鼻子！ 這規模聽起來有點驚人。 所以，這個「AI鼻子」到底是什麼原理？ 它能在半導體製造中發揮什麼作用？

Ainos的「AI鼻子」技術，結合了高精度微機電系統MEMS感測器陣列與專有的AI演算法， 能夠將空氣中的類比氣味訊號數位化為「Smell ID」，

實現ppb級別的揮發性有機化合物，也就是VOCs的偵測與模式識別， 這遠超傳統的視覺檢測能力。 這項技術的部署時間點包括，在2025年3月Ainos就宣布與日月光建立戰略合作，

用於分析半導體製造中的空氣化學物質。 到了2026年1月，Ainos開始在半導體設施進行現場部署。

而到了2月23日，他們就宣布了與日月光合作部署20,000個AI鼻子的全面路線圖。 根據Ainos的數據，他們的AI鼻子在半導體環境中，對22種VOCs的偵測準確度可達80%。

第一階段，Ainos已從日月光獲得1,400個AI鼻子的確認訂單， 合約價值210萬美元，預計在2026年第二季末完成部署。

我明白了，這其實就是一種超靈敏的氣體感測器，再透過AI去分析判斷。 它能夠即時監測那些傳統方法難以察覺的微量化學揮發物，例如在薄膜工站監測反應腔內氣體， 以確保薄膜均勻性；

或在蝕刻工站檢測微量殘留物。 這對於提升整體良率和實現預防性維護是極其關鍵的。 不過燿先，我想問，80%的準確度在要求極致精準的半導體製程中， 是不是足夠呢？

晶片製造是容錯率極低的產業，一點點的偏差都可能導致巨大損失。 部署2萬個裝置的成本效益、整合複雜度以及如何與現有檢測系統無縫協作， 這些都是巨大的挑戰。

這項技術會不會只是輔助角色，難以成為核心的品質控制手段？

珵澤你問到點子上了，80%的準確度在某些極端嚴苛的環節可能需要更高， 但我們需要從「多感官」的角度來看待這個問題。

AI鼻子並非要取代所有現有的檢測系統，而是作為一個全新的、 過去缺乏的「感知層」來補充。 它能夠提供即時預警能力，讓製程異常能在初期就被發現，從而避免更大的損失。

Ainos的董事長兼CEO Eddy Tsai也表示，工業AI正在向多感官基礎設施演進， 數位嗅覺代表著自動化環境中「缺失的感知層」。

這項技術有望與現有技術形成互補，共同推進智慧製造，成為提升良率與預防性維護的利器。 這不是噱頭，而是AI在製造現場精細化管理的實踐。

嗯，原來如此，看來未來晶圓廠的「鼻子」會比我們的靈敏多了。 AI嗅覺技術的導入，無疑為半導體智慧製造開啟了新的想像空間， 也再次證明了AI在各行各業中無所不能的應用潛力。

最後一個話題，我們來談談記憶體市場。 HBM記憶體在AI時代真的是搶手貨，但也造成了市場寡佔。 現在竟然有台美日聯手要開發新的記憶體技術，挑戰這個格局？

這是怎麼回事？

沒錯，這絕對是記憶體市場的一大看點。 在全球AI浪潮下，高效能記憶體，特別是HBM，已經成為AI系統的關鍵零組件。

HBM以其高頻寬、多層堆疊的優勢，成為AI晶片不可或缺的搭配， 但也因為技術門檻高，市場呈現高度寡佔局面，主要由SK海力士、 三星和美光三家公司主導。

為了打破這種局面，台美日三方宣布聯手開發次世代AI與超級電腦記憶體， 其中台灣的力積電將承擔試產與製造的重任。

哇，力積電竟然也加入了這場「記憶體大戰」，這可是一個大新聞！ 這個次世代記憶體叫做什麼？ 它有什麼特別之處？

這個次世代記憶體被稱為「Z-Angle Memory」， 簡稱ZAM。 它的技術概念是在2024年12月由軟銀集團成立的子公司Saimemory發起， 旨在開發HBM的替代方案。

隨後在2026年2月3日，Saimemory在Intel Connection Japan 2026活動上首次公開展示了ZAM原型。

到了2月11日，Intel和Saimemory正式公開展示ZAM原型， Intel強調傳統記憶體架構已難滿足AI系統需求，新的記憶體設計將透過多層堆疊與先進組裝方式提升效能並降低功耗。

力積電則在2月23日正式加入這項倡議，負責試產與製造。

所以這項技術的目標是什麼？ 它真的能挑戰三星、SK海力士和美光在HBM市場的龍頭地位嗎？ 特別是功耗減半，容量翻倍，這聽起來簡直是AI晶片的夢幻逸品！

ZAM的目標非常宏大，它旨在提供HBM的1到2倍的儲存容量， 同時將功耗降低一半，單晶片容量可達512GB。

這項開發計畫預計到2027年完成原型，並在2029年實現商業化量產。 整個開發經費預計到2027年為80億日圓，其中軟銀集團投資30億日圓， 富士通和理化學研究所也各自投入10億日圓。

這項跨國合作，不僅是技術上的創新，更帶有策略性的意義，試圖為全球AI供應鏈提供更多元的選擇， 降低對單一寡佔技術的依賴。

確實，提供多元選擇是好事。 但是燿先，HBM市場現在已經非常成熟，HBM4也即將進入量產， 新技術從原型到商業化量產需要大量的資金、時間和生態系支援。

2029年才量產，到那時候HBM可能已經進化到HBM5甚至HBM6了。 ZAM會不會只是一種「美好願景」，最終難以撼動HBM既有的市場地位？

HBM有著廣泛的生態系統和NVIDIA等大客戶的支持，ZAM如何說服這些巨頭轉向一個全新的技術呢？

這條挑戰寡佔的路，會不會充滿了荊棘，最終難以走到商業化的終點？

珵澤，你的考量非常實際。 HBM作為AI加速器的核心零組件，其技術演進和生態系統的成熟度確實是ZAM必須面對的巨大挑戰。

目前HBM4在頻寬、堆疊層數和功耗散熱上都面臨物理極限。 ZAM的優勢正是在於其「Z-Angle」互連架構和設計， 旨在從根本上解決HBM在容量、功耗和散熱上的物理限制。

雖然2029年才量產確實還有時間差，但這項合作可以被視為一項長期戰略投資， 為AI和超級電腦的未來提供一個全新的、更高效能、更低功耗的記憶體選擇。

特別是考量到HBM生產所消耗的晶圓面積是傳統DDR5的三倍以上， ZAM如果能實現其承諾的優勢，將為降低整體AI系統成本、 提升能源效率提供新的解決方案。

這對那些尋求供應鏈多元化、不想被單一技術綁死的AI巨頭來說， 會是一個有吸引力的選項。 這不是一場短跑，而是一場馬拉松式的技術競賽。

好的，馬拉松是吧！ 今天我們深入剖析了ASML在EUV光源的突破如何推動摩爾定律持續前進； Nvidia進軍Arm筆電市場，如何將其AI生態系統擴展到邊緣設備；

AI嗅覺技術應用在半導體製造，為智慧工廠帶來了「缺失的感知層」； 以及台美日聯手開發Z-Angle記憶體，嘗試打破HBM寡佔市場的格局。

從這些事件中，我們看到半導體產業不僅技術創新一日千里，更充滿了激烈的競爭、 地緣政治的角力，以及對未來運算能力無限的想像。

沒錯。 這些趨勢共同描繪出一個既充滿機遇又挑戰重重的半導體新時代。 台灣在全球半導體供應鏈中，無論是先進製程、封測技術，甚至是在新興材料和設備領域， 都扮演著舉足輕重的角色。

我們的產業韌性、創新能力和國際合作，將是我們在這場全球科技競賽中穩健前行的關鍵。 這一切都提醒我們，創新無止境，合作是趨勢，而台灣正處於這波浪潮的核心。

確實如此。 今天我們從不同的角度來分析這些重大事件，有令人振奮的技術突破， 也有值得我們深思的挑戰。

感謝燿先專業又精闢的分析，也謝謝各位聽眾的收聽。 科技的浪潮不會停止，我們將持續為您帶來最深入的洞察。

我們下週同一時間，再會！

感謝各位，下週見！