Po-Sung (Sinclair) Huang

為什麼 AI 時代大家都在講它們？以及台灣供應鏈還重要嗎？

最近不少同事和朋友都在問：CoWoS、HBM、ABF 到底是什麼？

大家都知道它們很重要，但第一次接觸時，常常還是會卡住。所以我把這篇寫成一個白話版整理，也順便回答一個更大的問題：當 Google、Amazon、Tesla 都在做晶片時，台灣供應鏈到底還重不重要？

從 GPU、記憶體、先進封裝到高階載板，理解 AI 算力真正落地所依賴的關鍵供應鏈。

最近只要談到 NVIDIA、AI 伺服器、算力擴張，幾乎一定會聽到三個名詞：CoWoS、HBM、ABF。

很多人都知道它們很重要，但第一次接觸時，常常還是不太清楚：這三個到底各自在做什麼？又為什麼會一起出現？甚至接著就會問：

• CoWoS 不就是封裝嗎？
• 載板跟一般 PCB 有什麼不一樣？
• 高階載板現在做到幾層？
• 台灣可不可以做 HBM？
• Google、Amazon、Tesla 都在做晶片，台灣供應鏈是不是只是時間性的優勢？

這些問題其實都很合理。因為 AI 算力真正落地，不是只靠一顆 GPU 就能完成，而是一整套系統一起成立。

如果用最簡單的方式來說：

GPU 像大腦，HBM 像超高速短期記憶，CoWoS 像把大腦和記憶體緊密接起來的整合技術，ABF / 載板則像承載整個系統的高階底板。

理解了這句話，基本上就已經掌握大方向。

一、HBM 是什麼？

HBM 全名是 High Bandwidth Memory，中文通常叫高頻寬記憶體。

你可以把它想成 AI 晶片旁邊的「超高速資料倉庫」。

AI 模型在訓練和推論時，要不斷搬運大量資料。如果記憶體速度跟不上，再強的 GPU 也會被拖住。所以 HBM 的重點不是單純容量大，而是：

• 資料傳輸速度快
• 頻寬高
• 距離 GPU 很近
• 更適合高效能運算

換句話說，HBM 的角色就是讓 GPU 不要一直在等資料。

如果把 GPU 想成大腦，那 HBM 就像是大腦旁邊的超高速工作記憶。大腦再強，如果旁邊記憶系統太慢，整體效能就會卡住。

目前真正商業化量產 HBM 的主力，仍然集中在少數幾家記憶體大廠；Reuters 今年 3 月引述 Counterpoint Research 的資料指出，2025 年某季度SK hynix 仍占約 57% HBM 供應，Samsung 約 22%，顯示這並不是一個充分分散的市場。

二、CoWoS 是什麼？

CoWoS 是一種先進封裝技術，全名是 Chip on Wafer on Substrate。

如果說 HBM 是高速記憶體，那 CoWoS 就是把 GPU 跟 HBM 高密度、超高速地整合在一起的方法。

這件事為什麼這麼重要？

因為 HBM 再快，如果接得不夠近、不夠密、訊號傳遞不夠有效率，它的優勢就發揮不出來。所以 CoWoS 的價值不是「把東西包起來」而已，而是讓 GPU 和 HBM 真的能夠作為一個高效能系統一起工作。

簡單講：

沒有 CoWoS，GPU 與 HBM 很難把效能真正整合出來。

台積電官方技術資料明確把 CoWoS 定位為 AI 與超高效能運算的整合平台，核心就是把 logic chiplets 與 HBM 整合在大型矽中介層上。台積電也在 2025 年第一季法說中表示，正努力在 2025 年把 CoWoS 產能加倍，以縮小持續存在的供需缺口。這兩點都說明：CoWoS 雖然仍屬後段先進封裝，但更接近高密度系統整合平台，是 AI 晶片從裸晶到可量產出貨系統的關鍵一層。

三、ABF / 載板是什麼？

ABF 是 Ajinomoto Build-up Film，是一種高階基板材料。

如果前面說：

• GPU 是大腦
• HBM 是超高速記憶
• CoWoS 是高難度整合技術

那 ABF / 載板就像是承載整個高複雜度系統的底板與結構基礎。ABF 是用在高階載板上的絕緣膜材料，平常口語上大家會把 ABF、ABF 載板混著講。

它的重要性在於，當晶片封裝愈來愈複雜、線路愈來愈密、訊號要求愈來愈高時，底下承載這些連接的材料與基板本身也必須跟著升級。

所以 ABF 不是不起眼的小材料，而是高效能封裝能不能穩定成立的重要基礎。

如果前面的 CoWoS 是把 GPU 和 HBM 接起來，那 ABF / 載板就是讓這整個高密度、高熱量、高訊號要求的系統，能夠穩穩地被承載、被連接、被送進更大的系統裡。

Ajinomoto 在其投資人簡報中表示，ABF 在高性能半導體用絕緣膜這一類別的全球市占超過 95%；TrendForce 今年 4 月也報導，Ajinomoto 計畫到 2030 年前再投資至少 250 億日圓擴充 ABF 產能。這代表 ABF 不只是重要，而且供應高度集中。

四、為什麼這三個會一起被討論？

因為在 AI 時代，它們不是三件分開的事，而是一整套系統：

• HBM 決定資料能不能快速送到 GPU
• CoWoS 決定 GPU 和 HBM 能不能高效率整合
• ABF / 載板 決定整個高複雜度封裝系統能不能被穩定承載

所以真正的關鍵不是單一零件，而是：

整個 AI 晶片系統能不能一起成立。

這也是為什麼現在大家談 AI 算力時，已經不能只看 GPU 晶片本身。你還要看記憶體、封裝、載板、材料，因為任何一層卡住，都可能影響最終出貨與效能。

五、一句話總結

沒有 HBM，GPU 資料餵不快；沒有 CoWoS，GPU 和 HBM 接不緊；沒有 ABF / 載板，整個高複雜度封裝系統撐不起來。

所以 CoWoS、HBM、ABF 之所以重要，不是因為它們只是熱門名詞，而是因為它們共同決定了 AI 算力能不能真的落地。

常見問題 FAQ

Q1. CoWoS 不就是封裝嗎？為什麼大家講得這麼重要？

可以說：對，它屬於先進封裝，但不是一般人想像的那種「把晶片包起來」而已。

傳統封裝比較像是把晶片保護好、接好、裝上去。但 CoWoS 更像是高難度系統整合，因為它要把 GPU 和 HBM 用極高密度、極短距離、極高速的方式接起來。

所以更準確地講：

CoWoS 表面上是封裝，實際上是 AI 晶片系統整合的核心技術。

Q2. 載板跟一般 PCB（印刷電路板）有什麼不一樣？

很多人會把載板跟 PCB 混在一起，但其實差很多。

一般 PCB，像主機板、顯卡板、手機板那類，主要是在板子上連接各種元件。

高階載板則更像是晶片封裝和主板之間的高精密中介層。它要承接非常高密度的 I/O、更細的線路、更嚴格的熱與訊號要求。

你可以這樣理解：

PCB 比較像電子系統的道路網，高階載板比較像晶片封裝底下那個超高精度交流道。

Nan Ya PCB 公開的 ABF roadmap 顯示，2025 年已經朝 24 層、2026 年朝超過 24 層發展，而且 line/space 還持續往更細走。這說明 AI / HPC 用載板不是一般 PCB 的延伸，而是更高層數、更高精度、更高可靠度的封裝級基板。

Q3. 高階載板現在做到幾層？

這個會依不同公司、不同客戶、不同產品而有差異。但重點不是單純「幾層」這個數字，而是：

AI / HPC 用的高階載板，正持續往更多層、更細線寬、更大尺寸、更高密度發展。

也就是說，AI 時代的高階載板不是只是「做更多」，而是「做得更難」。

Q4. 台灣能不能做 HBM？

如果問題是：

台灣本土公司現在有沒有像 SK hynix、Samsung、Micron 那樣大規模量產 HBM 成品？

答案是：

目前沒有。

但如果你問的是：

台灣能不能參與 HBM 供應鏈？

答案是：

可以，而且非常重要。

因為 HBM 不只是記憶體顆粒本身，還牽涉到：

• 晶圓製造
• 邏輯晶片
• 先進封裝
• 測試
• 載板
• 系統整合

台灣在這裡面強的環節很多，尤其是晶圓代工、CoWoS、載板、測試與整體供應鏈協作。Micron 在 2026 年 3 月公告，2026 年更高的資本支出有相當部分與台灣 DRAM 相關設施擴張有關。Micron 在台灣的 DRAM/HBM 擴產也正是利用台灣現有的製程、封裝與供應鏈優勢。

所以一句話講清楚：

台灣目前不是 HBM 成品三大供應者之一，但台灣是 HBM 生態系裡非常重要的製造與整合基地。

Q5. 為什麼 HBM 不是誰想做就能做？

因為 HBM 不是一般記憶體而已，它很難的地方在於：

• 要把多層 DRAM 堆疊起來
• 要控制熱
• 要控制良率
• 要通過嚴格驗證
• 要跟 GPU 平台整合

所以真正的門檻不只是「蓋廠」，而是：

製程能力 + 良率管理 + 客戶認證 + 長時間經驗累積。

這也是為什麼市場常常會說，HBM 不只是賣記憶體，而是在賣 技術、時間與信任。

延伸一問：Google、Amazon、Tesla 都在做晶片，台灣供應鏈還重要嗎？

這是最近很常被問的一個問題。

表面上看，Google、Amazon、Tesla 都在推自己的 AI 晶片，彷彿未來每一家大公司都可以自己做，不再需要依賴台灣。

但如果把問題拆開來看，答案其實剛好相反：

自研晶片會分散設計權，卻不會在短期內分散台灣在製造與整合端的核心地位。

原因很簡單。「自己做晶片」很多時候指的是：

• 自己定義架構
• 自己設計 ASIC
• 自己針對特定工作負載最佳化

但這不等於自己已經擁有完整的：

• 先進晶圓製造
• CoWoS 先進封裝
• HBM 整合能力
• 高階載板與材料供應鏈
• 測試、良率、量產爬坡經驗

也就是說：

設計權可以分散，量產生態不容易分散。

Reuters 去年報導 Google 正準備與台灣聯發科合作下一代 AI 晶片，而量產仍由 TSMC 承接；這其實很能說明問題：雲端巨頭可以自研架構，但量產與整合生態仍高度依賴台灣。Reuters 今年也報導，台灣官方認為要把大比例半導體產能整體搬到美國並不現實，因為這是一整套長期累積的產業網路，不是單一工廠問題。

所以更準確的說法不是：

台灣永遠不可取代。

而是：

在可見的中期內，台灣仍然是全球 AI 供應鏈裡最難被完整替代的一段。這是因為完整生態系很難在短時間複製。

未來 5 到 10 年，美國、日本、韓國等地當然會持續擴產，也會讓全球供應鏈變得更分散。因此台灣的相對集中度未來可能下降，但這不代表台灣 suddenly 變得不重要。比較可能發生的情況是：

台灣從絕對核心，慢慢變成最強核心之一。

一句話總結就是：

大家可以自己設計晶片，但要把晶片真正做出來、封裝好、整合好、量產好，台灣供應鏈在可見未來仍然非常關鍵。

作者

Sinclair Huang

Independent researcher and strategic advisor focusing on AI, semiconductors, capital markets, and industrial value redistribution. He writes across Medium, Substack, LinkedIn, and his personal website, with a particular interest in where technological narratives meet physical infrastructure and supply-chain reality.

Further Reading

• The Bottleneck Nobody Is Pricing In: Where AI Compute Really Breaks
  進一步從 CoWoS、HBM、ABF 的角度，分析 AI 算力供應鏈真正的瓶頸與時間軸。
• AI 與半導體價值重分配系列
  延伸閱讀 AI 時代誰掌握議價權、誰承擔資本密集與物理約束。
• Infrastructure, Bottlenecks, and Value
  如果你對「需求是故事，供給是現實」這條主線有興趣，這會是很好的下一步。

References

1. TSMC, 1Q25 Earnings Conference Transcript — management discussing efforts to double CoWoS capacity through 2025 and narrow supply-demand gap.
2. TSMC 3DFabric, CoWoS technology page — official description of CoWoS as an AI/HPC integration platform.
3. Reuters, March 2026 — HBM market share context citing Counterpoint Research and SK hynix / Samsung positions.
4. Ajinomoto investor materials — ABF holding over 95% share in its insulating-film category for high-performance semiconductors.
5. TrendForce, April 2025 — Ajinomoto plans to invest at least ¥25 billion by 2030 to expand ABF production.
6. Nan Ya PCB, ABF roadmap — higher layer counts and finer geometries in 2025–2026.
7. Reuters, March 2026 — Micron capex and Taiwan-linked DRAM expansion context.
8. Reuters, March 2025 — Google preparing next AI chip partnership with MediaTek; manufacturing tied to TSMC ecosystem.
9. Reuters, February 2026 — Taiwan saying large-scale shift of semiconductor capacity to the U.S. is not realistic.

Author’s note

This essay reflects my current structural reading of the AI compute supply chain as of March 2026. It is not meant as a short-term market call, but as a longer-horizon view on where physical bottlenecks may persist even as capital and narratives move faster than industrial reality. Near-term conditions can still change with geopolitics, energy, logistics, and new capex decisions.

Hashtags

#AI #Semiconductors #NVIDIA #CoWoS #HBM #ABF #AdvancedPackaging #SupplyChain #Taiwan #TSMC #AIInfrastructure #ChipIndustry