Digitimes在2026年9月21日刊出一則報導，記者Flora Wang署名。報導摘要直接指出：字節跳動的AI晶片推進，撞上了基板短缺。

位元組準備每年支出約1000億元人民幣（149億美元），用於大規模採購晶片基板。

1000億元，約合149億美元，每年。TechBooky轉述時加了一句註腳：錢本身造不出它需要的部件。

Digitimes正文在付費牆後。公開摘要沒有給出短缺的具體數量、供應商、時間表和晶片型號，位元組也沒有公開披露採購細節。

就公開報導來看，一家貓熊家頭部雲廠商把千億元人民幣等級的年度採購意向投向封裝基板環節，而該環節正在短缺。

Digitimes使用的substrate，在AI晶片語境中指向封裝基板（載板），而非晶圓襯底。報導摘要中advanced packaging substrates的表述與此一致。

GPU或ASIC裸片先與HBM通過矽中介層連成2.5D/3D結構，再整體裝到一顆FCBGA載板上。載板另一面通過球柵陣列連到PCB。

訊號從晶片出到主機板，電從主機板進到晶片，熱量和機械應力，全要穿過這層有機基板。

晶片面積越大，互連密度越高，對載板的層數、線寬線距、翹曲控制要求越苛刻。

從A100、H100到B200，封裝面積逐代增大，單片封裝消耗的載板面積和加工時間同步上升。

能穩定供應這類高端FCBGA載板的廠商不多。彎彎欣興電子、日本揖斐電、新光電氣、彎彎景碩科技、韓國三星電機、奧地利奧特斯，是公開報導中反覆出現的名單。

上游材料環節更集中。ABF樹脂膜自1999年由味之素量產後，這家日本企業長期主導全球供應，公開報導中引用的份額普遍在九成以上。

產能的時間成本也固定。載板新廠從動土到量產通常要兩到三年，客戶把一款高端載板從送樣到批次採用，還要一到兩年。

2021年前後那輪ABF載板缺貨是參照。當時PC與伺服器需求回升，載板交期從數月拉長到一年以上。公開報導顯示，英特爾、輝達、AMD等公司以預付款和長期協議鎖定產能。

上一輪緊張集中在PC和通用伺服器晶片。這一輪需求來自封裝面積更大、層數更高、單封裝載板消耗量成倍增長的AI加速器，產能擴張的斜率沒有同步變化。

緊張集中在高端ABF/FCBGA載板，而非所有載板。消費電子用的BT載板與AI加速器用的大尺寸ABF載板，在裝置、工藝和客戶上並不重疊。

討論載板過剩和載板短缺時，說的常常不是同一類產品。

位元組自研AI晶片一事，此前已有多家媒體報導。路徑是與博通合作設計，在台積電製造。

這次Digitimes報導的增量不在設計端，而在交付端：瓶頸在載板供應。

TechBooky的轉述提到，位元組的算力支出面向模型訓練、推薦系統和生成式AI產品。

推薦推理是位元組的收入基本盤，生成式AI產品的成本曲線與推理算力直接掛鉤，訓練叢集的擴容則決定模型迭代速度。三個方向都在持續消耗加速器。

1000億元這個數字的口徑需要保留判斷。

按照Prismark、TrendForce等機構的公開估算，全球IC載板市場年規模在百億美元量級。如果這1000億元全部對應載板採購，已與全球IC載板市場年規模處於同一量級，甚至可能接近其全部。

口徑可能比載板更寬，覆蓋AI晶片相關的基板與封裝採購，也可能指向數年累計計畫。

無論哪種解釋，這個量級對應的都不是試驗性部署，而是資料中心等級的量產交付。

需求主體的身份同樣重要。下單的是雲廠商，不是晶片設計公司。

雲廠商做自研晶片，把晶片、封裝、載板、伺服器、資料中心算成一筆總賬，有能力直接與上游簽長協、做直投。

華為海思、海光等國內AI晶片廠商也在先進封裝產能的需求佇列裡。差別在於華為有更長的自建鏈條，網際網路雲廠商更依賴外部供應。

Digitimes是一家總部在彎彎省會的供應鏈媒體，報導通常來自彎彎供應鏈信源。這則報導若精準，意味著位元組的載板供應至少有一部分掛在彎彎及海外的供應體繫上。

高端載板短缺會傳導至先進封裝與組裝產能。

封裝廠的產線排產受限，AI晶片的交期拉長、成本上升。位元組的資料中心部署計畫受晶片交付約束。晶片交付又受封裝和載板供應約束。

訓練叢集擴容、推理算力成本、雲業務報價空間，都會受影響。

2023年至2025年，台積電CoWoS產能連續擴張。但封裝產線要跑滿，載板供應必須同步到位。行業報導普遍指出，載板環節的投資節奏慢於CoWoS。

受影響較大的是位元組及國內AI算力部署節奏。依賴位元組、華為等訂單的伺服器、交換機、光模組鏈條也在其中。國內AI應用側同樣受波及，算力部署推遲會傳導為推理成本下降速度放緩。

相對受益的是手握高端載板產能的日、台、韓、奧廠商。它們在緊俏週期裡獲得更強的議價能力和客戶結構。味之素等材料商守住高毛利環節。已經進入高端客戶驗證的國產載板、材料與裝置廠商，拿到加速匯入的窗口。

如果這一輪載板短缺由全球AI需求共同造成，貓熊家客戶面對的是漲價、長協、排隊，屬於商業週期問題。

如果海外載板廠優先服務輝達、AMD和北美雲廠商，貓熊家客戶的排產優先順序被邊緣化，性質就變成保供問題。

先進代工和HBM環節已經出現過類似結果。某些貓熊家客戶拿不到最先進產能，原因包括出口管制許可與供應商分配順序。

載板通常未被列為與先進GPU/HBM同等層級的出口管制核心物項。但產能分配本身就會起作用。

對國產載板廠商來說，兩種情形對應不同的戰略含義。

商業週期邏輯下，國產替代是降本與備份。保供邏輯下，國產替代是生存必需。

Digitimes的公開摘要沒有說明這次短缺屬於哪一種。這個判斷要等供應商名單和排產優先順序的資訊出現。

國內載板產業的基礎在BT載板上。

深南電路、興森科技等廠商已經在記憶體、射頻、MEMS等封裝基板上形成批次出貨。它們正向FCBGA和ABF載板投入新產線。越亞半導體在無芯基板方向有多年積累。

差距集中在三個地方：材料、良率、認證。

材料端，ABF膜是最大的單點。味之素的主導地位已被廣泛報導。

國產替代膜材有企業在做。但從送樣到通過高端AI載板的批次驗證，中間隔著工藝窗口、批次一致性和長期可靠性資料。

載板裝置中的曝光、雷射鑽孔、電鍍、檢測，同樣有相當比例依賴進口。

良率端，大尺寸、高層數載板的難度隨面積和層數非線性上升。翹曲控制、細線路對位、層間可靠性，每一項都要靠產線資料積累。

認證端最耗時。高端載板進入AI晶片客戶的供應鏈，通常要經歷一年以上的驗證週期。AI晶片本身還在迭代，載板廠必須跟著客戶的設計節奏走。

位元組的晶片若走海外先進製程與先進封裝，載板供應自然落在與台積電CoWoS配套的載板廠名單裡。

國產載板要切入，要麼先在海外封裝廠的合格供應商名單裡完成認證，要麼等國內先進封裝產能承接。兩條路都在走，週期都較長。

國產廠商面對一個過去沒有的需求條件。

位元組、華為、阿里、騰訊的算力需求在持續增長。貓熊家已是全球第二大AI算力市場。大客戶有動機也有能力把訂單交給國產供應鏈，用來換取供應安全和議價空間。

這是以訂單換驗證的窗口。窗口不等於突破，驗證要靠批次和長期良率資料積累。

政策與資本端，國家積體電路產業投資基金三期在2024年成立，註冊資本3440億元。裝置、材料、先進封裝等環節在投資範圍之內。

風險也在同一處。載板是重資產、長週期行業。如果擴產集中在中低端BT載板，或者新產線沒有繫結大客戶驗證，資本開支會變成過剩產能。2021年之後的載板擴產週期裡，部分項目出現過延期。

TechBooky在轉述Digitimes報導時提到：位元組可能準備好每年花近150億美元為AI雄心購置硬體。但錢本身造不出它需要的部件。

封裝基板是其中第一個被公開點名的環節。

1000億元人民幣的年採購意向，對應的是下訂單的能力。交付能力取決於載板廠的良率資料和客戶的認證時間表。這兩個變數的改善速度，決定接下來兩年貓熊家AI算力擴張的實際速度。

晶圓、HBM、先進封裝、載板、ABF膜、裝置與認證生態，任何一環的良率爬坡時間，都不會因預算加急而縮短。 (硅基LIFE)

10月14日，輝達再次站上3.4兆市值的台階，讓質疑輝達未來發展的人帶去了一點小小的“震撼”，而輝達近兩年的雄起，也帶飛了一眾供應鏈企業，這其中就有工業富聯。

工業富聯一直是輝達的重要合作夥伴（AI伺服器，晶片基板），可謂“輝達概念”當之無愧的龍頭，近年來漲幅驚人：

2022年10月，工業富聯股價從7.61元起步，到年末升至8.96元；2023年漲68.8%，收於15.12元；2024年7月11日，創新高（29.47元）市值達5855億，即使當前AI有所退潮，仍然有4700億的市值，公佈的半年報營收和利潤也創近兩年新高。

可以看出，輝達吃肉，工業富聯的確也喝了幾口湯，但關鍵能喝幾口呢？

根據其半年報資料，營業收入同比增長28.69%，達到2660.9億元，歸母淨利潤同比增長22.04%，達到87.4億元，但看似不俗的中報業績卻沒讓市場滿意，中報預披露次日，工業富聯股價盤中一度大跌近7%，此後的跌幅更是超20%。

大跌的原因一方面，AI未來能否落實到業績上，能落實多少還不好說，此外作為傳統的果鏈廠商之一，蘋果今年的AI手機能否引發新一輪換機潮還需要打一個大大的問號，這都將影響未來工業富聯未來能喝幾口湯，打上了問號。

在許多人的認知中，富士康並不被視為高端產業，其“血汗工廠”的名聲在多年前一直延續至今。

針對這一“思想鋼印”，郭台銘說，代工並非製造他人不願製造的產品，而是製造他人無法製造的產品。能夠以較低成本生產各類精密電子產品，本身就是一種技術門檻。

然而，工業富聯與母公司富士康（鴻海）之間的區別究竟何在？

尤其是工業富聯與富士康一樣，在中國及其他國家均設有代工廠；同樣代工3C電子產品；在網路裝置等部分領域有所區別，對於外行人而言，確實難以辨識兩者之間的差異。

2015年，郭台銘不甘於僅作為代工廠，決定將鴻海精密旗下物聯網、機器人、人工智慧等業務拆分，重組為新的子公司——工業富聯。

2018年，工業富聯在A股成功上市。郭台銘宣稱，富士康正轉型為工業網際網路企業，致力於發展包括人工智慧、巨量資料在內的前沿技術。

作為轉型先鋒，工業富聯的主營業務包括通訊及行動網路裝置、雲端運算和工業網際網路三大領域。

發展到2023年，工業富聯在通訊及行動網路裝置、雲端運算和工業網際網路三大業務的營收分別為2790億元、1943億元和16.46億元，佔比分別為58.57%、40.79%和0.35%。從最終結果來看，雖然通訊和網路裝置仍然佔大頭，但云計算確實實實在在上來了。

尤其是chatGPT橫空出世後，工業富聯的雲端運算業務更受外界關注，主要產品涵蓋雲伺服器、高性能伺服器、AI伺服器、邊緣伺服器和雲儲存裝置等，客戶包括輝達、亞馬遜、京東、阿里等一大票在AI和雲端運算領域增長迅速的企業。

在郭台銘設想中，工業富聯承載著集團高科技轉型的重任，但其兩大核心業務（通訊及行動網路裝置業務、雲端運算業務）卻均為代工模式，工業富聯的盈利能力受限。

資料顯示，2018年至2023年，工業富聯毛利率分別為8.38%、8.35%、8.31%、7.26%和8.06%，基本穩定在8%左右，與富士康約6%的毛利率相比，工業富聯的盈利能力雖有所提升，但仍然有限。因此，多數投資者認為工業富聯並未從根本上擺脫代工廠模式。

雖然難以擺脫代工廠的標籤，但是如果工業富聯能在即將到來的AI浪潮中成為弄潮兒，也是一件不錯的事情，畢竟做不到像輝達那樣“吃肉”，那“喝湯”的技術還是在的，

而從半年報上來看，工業富聯也確實“喝到了AI的湯”。

今年上半年工業富聯實現營業收入2660.91億元，同比增長28.69%，淨利潤為87.39億元，同比增長22.04%。其中，第二季度營業收入為1474.03億元，同比增長46.11%，淨利潤為45.54億元，同比增長12.93%，扣除非經常性損益後的淨利潤為42.61億元，同比減少1.58%。

從半年度業績來看，工業富聯上半年的營收和淨利潤均創下了公司上市以來的同期新高，AI伺服器需求的激增讓工業富聯“大吃了一頓”。

從業務分佈情況來看，上半年工業富聯雲端運算業務收入同比增長60%，其中雲服務商收入佔比為47%，相比去年提升了5%；AI伺服器佔整體伺服器營收的比重也上升至43%。

而相比之下，工業富聯的通訊及行動網路裝置業務上半年僅實現了個位數的增長，至此，工業富聯的收入結構發生了顯著變化，特別是2024年第二季度，雲端運算業務收入佔公司總收入的比重達到了55%，成為公司最大的收入來源。

但是雖然跟著AI浪潮吃了一頓，但從毛利率來看，工業富聯的確是坐在次席“喝湯”的，從毛利率來看，上半年工業富聯的銷售毛利率為6.73%，較2023年全年水平（8.06%）有明顯下滑，這也是其扣非淨利潤端承壓的一個重要原因。

實際上，儘管工業富聯的AI伺服器業務聽起來科技含量很高，但其實本質上仍是一個依賴外部供應商和客戶議價能力較弱的組裝業務。

一方面，工業富聯需要向輝達、AMD等上游企業購買CPU和GPU等核心元件；另一方面，其下遊客戶主要為Google等全球雲端運算巨頭，這使得工業富聯在產業鏈中扮演著代工廠的角色，所以導致其毛利率相對較低。

例如2023年，工業富聯雲端運算業務的毛利率約為5%，遠低於其通訊及行動網路裝置業務近10%的毛利率。因此，雲端運算收入的快速增長及其在總收入中佔比的提升反而拉低了工業富聯整體的毛利率水平。

所以，綜合當前對輝達供應鏈和業績兩方面的依賴，工業富聯在A股市場被稱為輝達的“影子”也就不足為怪了。

成為輝達的“影子”實際上沒有什麼可丟臉的，如果輝達以及AI的應用真能一飛衝天，那工業富聯多喝幾口湯，甚至是“上桌吃肉”也不是不可能，但是AI的落地真的會有那麼順利嗎？起碼從現在來看，路漫漫其修遠兮。

例如10月3日，OpenAI宣佈已完成新一輪66億美元的融資，推高公司投後估值達1570億美元，成為僅次於字節跳動和SpaceX的第三大獨角獸公司，且在完成新一輪融資後，OpenAI還公佈已獲得40億美元的循環信貸額度，直接獲得了超100億元的流動資金，AI吞金獸的威力可見一斑

OpenAI表示，“這意味著我們現在可獲得超過100億美元的流動資金，使我們能夠靈活地投資新計畫，並在擴大規模時全面靈活地營運。”據其介紹，這些資金計畫將用於繼續投資AI研究和產品、擴大基礎設施以及吸引人才等方面。

但在這種背景之下，AI的盈利能力卻讓人堪憂，OpenAI曾預計在2029年之前不會實現年度盈利，同時，現在AI的落地能力也遲遲達不到預期。

尤其是AI行業至今尚未出現真正的“殺手級應用”。儘管大模型表現出色，但尚未出現能夠像智慧型手機、網際網路那樣顛覆市場格局的應用。許多公司在技術上取得了突破，卻難以找到穩定的盈利途徑。

這不禁讓人聯想到前幾輪人工智慧泡沫：技術雖然強勁，但商業模式薄弱，導致資本熱情消退後的泡沫破裂。儘管當前人工智慧技術已經更加成熟，但商業化處理程序的滯後以及盈利困難，是否意味著這波人工智慧浪潮也難逃泡沫化的命運？投資者的熱情是否能夠持續，或者資本會在技術與市場錯位後再次撤離？這些問題都籠罩在當前人工智慧發展的前景之中。

與此同時，輝達作為人工智慧基礎設施的供應商，雖然這兩年通過銷售GPU獲得了豐厚的利潤，實現了從千億美元等級市值到3.4兆美元的蛻變。但這種暴增首先是建立當前大模型對計算力的巨大需求上的，但如果像OpenAI這樣的人工智慧公司本身卻難以通過服務實現盈利，處於持續虧損的狀態。長此以往，許多人工智慧公司將陷入了投入與產出不成比例的困境，僅僅依靠燒錢，能支撐多久，也就無從得知。

所以，一旦AI遲遲找不到爆發性的落地場景，市場將不再盲目投資AI，便是目前在市場中佔據重要地位的輝達，最終也難逃現實規律的影響。

所以，做別人的影子不可怕，但關鍵是是否能開闢出一個新的時代，這個順風車好不好搭，從這個角度來看，工業富聯在AI的路上，必定也不會是一帆風順的。   (英才商業)

彙整鉅亨號中所有使用「晶片基板」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

字節每年1000億元採購AI晶片載板，卻撞上先進封裝基板短缺：瓶頸正從流片轉向封裝交付，錢造不出部件

輝達的“影子”工業富聯，AI的“順風車”能搭多久？