過去三年，AI行情幾乎都集中在雲端那一端：GPU、HBM、CoWoS、ABF載板，這些股票早就漲到法人不敢追、本益比拉到天上。但大型語言模型（LLM）的Token消耗過快、推論成本居高不下，企業開始改用領域語言模型（DSLM）——透過LLM蒸餾、參數剪枝與量化技術，把通用大模型壓縮成專為特定產業（製造、醫療、金融）客製化的小模型。相比通用LLM，DSLM具備高隱私安全、領域高準確度、低傳輸延遲三大優勢，更重要的是，模型壓縮後體積大幅縮小，正好能塞進NPU這類低功耗端側晶片運行，直接把企業導入AI的硬體與算力成本砍掉一大截。
當運算開始往「終端、機台、設備」落地，這就是邊緣AI（Edge AI），而它的成長速度，比多數人想像得還要猛：根據Grand View Research（大觀研究）最新報告，全球Edge AI市場2025年規模達249.1億美元，2026年將達299.8億美元、年增約20.3%；Fortune Business Insights（財富商業洞察）更樂觀，估2025年358.1億美元、2026年達475.9億美元、年增33%，CAGR高達29.9%。兩家機構統計口徑不同，但成長方向一致。
這股趨勢直接帶動今年工業電腦（IPC）、ASIC客製化晶片與CPU、NPU需求成長。台積電（2330）子公司創意（3443）2026年前5月累計營收204.16億元、累計年增高達90.64%；工業電腦廠凌華（6166）前5月累計營收年增45%、5月單月年增79.46%，艾訊（3088）首季稅後純益年增86.26%、營收年增近30%，從上游ASIC到下游IPC全面爆發。
其中NPU的成長最為兇猛，市場預估NPU市場規模將由2025年的50億美元級別，朝著2030年三位數億美元規模邁進，CAGR上看25%以上，動能來自它對GPU的「高能效比」優勢，根據MDPI《Systems》期刊2025年實測，NPU在執行特定AI推論任務時，能比GPU節省35%~70%的功耗（NPU2功耗94W，相較GPU2的314.3W省電約70%）。在綠色算力、節能減碳與設備續航力（AI筆電、電動車）三大主軸交會的當下，NPU已成為晶片市場最具爆發力的主力軍。而台股這條線最受市場關注的兩檔，就是智原（3035）與英業達（2356）。
NPU跟CPU到底差在哪？為什麼AI推論非它不可
要理解NPU為什麼能在Edge AI時代殺出來，得先看懂三顆晶片的「分工」：
1. CPU（中央處理器）：通才型，什麼都能做，但什麼都不快
CPU採用「序列式運算」架構，核心數少（通常8~32核），擅長處理邏輯判斷、作業系統、控制流程這類「先做A再做B」的任務。把它丟去跑AI推論，等於叫一個全能的執行長親自下去搬磚——能搬，但效率極低，功耗也極高。
2. GPU（圖形處理器）：平行運算，但太貴太耗電
GPU有上萬個小核心，擅長把同一種運算同時做幾千次，所以在AI模型訓練（要反覆運算大量矩陣）上幾乎無敵。問題是GPU為了通用性，設計上保留了大量繪圖功能與浮點運算單元，一張H100功耗高達700W，企業放在工廠或筆電裡完全不合理。
3. NPU（神經網路處理器）：專為AI推論而生
NPU是「特化晶片」，硬體層級直接針對神經網路常用的卷積（Convolution）、矩陣乘法（MatMul）、激活函數（ReLU／Softmax）做電路優化，並大量使用低精度運算（INT8、INT4），不做AI不需要的事。
英業達（2356）：從EMS跨入矽智財，卡位車用NPU
過去市場把英業達定位成筆電與伺服器代工廠，本益比給得相對低。但近兩年英業達轉型有成，自研嵌入式NPU，並把它從「自用」推向「對外授權」與「車用整合」。
1. 自研NPU IP「VectorMesh」已成功授權，從EMS升級為矽智財供應商
英業達前董事長卓桐華任內，從NVIDIA挖角陳維超擔任數位長，成立AI晶片設計處，研發出嵌入式NPU。旗下VectorMesh AI邊緣運算嵌入式NPU IP系列，已於2024下半年量產出貨，並取得多家IC設計大廠訂單。進階產品「AI大語言模型IP」於2025 Q1完成設計定案，目前正與國內前十大IC設計廠洽談合作，2025 Q4起陸續進入生產階段。
2. 攜手恩智浦切入「軟體定義車輛（SDV）」核心
2026年5月20日英業達宣布，與恩智浦半導體（NXPI-US）的合作重心，從原本的UWB高寬頻技術，升級到「區域控制架構（Zonal Architecture）」，也就是電動車的中央大腦。兩家公司2026年3月以NXP CoreRide Z248區域參考系統為核心，完成聯合實驗室專案，該平台支援48V電力分配與智慧資料傳輸，可大幅精簡車輛線束複雜度、縮短新車開發週期。接續這個成果，英業達將於「Joint Lab 2.0」展示最新S32K5微控制器（MCU），這顆是Z248區域系統的心臟：
- 800 MHz運算能力，透過硬體隔離技術整合多種車載應用於單一控制單元
- 整合乙太網路交換器與CAN加速器，大幅降低車載網路通訊延遲
- 採用嵌入式MRAM技術，滿足電動車高速且頻繁的OTA（遠端更新）需求
- 內建專用NPU加速邊緣AI運算任務
這代表英業達已經卡進電動車從「分散式ECU」轉向「區域集中式控制」的世代交替關鍵位——這是未來十年所有車廠都得走的路。
3. 同時吃到AI伺服器與AI PC雙引擎
別忘了英業達本業還是伺服器與筆電代工大廠。2026年Q1單季營收衝上2,000億元歷史新高、稅後淨利26.13億元、年增53%，管理層預期今年伺服器部門營收將成長30%~50%。近期AMD宣布在台投入逾100億美元擴大AI基礎設施，英業達名列關鍵供應鏈之一，負責生產AI與資料中心系統。
總結來說，英業達現在是「本業有AI Server／AI PC雙引擎打底＋自研NPU IP授權題材＋車用區域控制新成長曲線」三層結構，估值邏輯與過去純EMS已經完全不同。
智原（3035）：甩開低毛利包袱，跨入全球AI ASIC整合者
在這一波邊緣運算與客製化晶片的浪潮中，正處於關鍵技術轉型期的指標股，非智原（3035）莫屬。過去市場常將智原定位為依附集團成熟製程的代工廠，但從近期財報細節與佈局來看，智原正在進行一場結構性的本質轉變。
1. 先進製程與跨晶圓廠的「全球整合者」
智原近年積極打破製程限制，除了原本的成熟製程基本盤，更成功加入Arm Total Design生態系，並推動「多元代工」策略，與Intel、三星、聯電、GlobalFoundries四大晶圓廠合作，製程橫跨2奈米至55奈米節點。值得注意的是，智原在2025年Intel Foundry Direct Connect活動中已秀出以Intel 18A製程打造的實際測試晶片，並與Arm合作開發64核SoC「A800」，跨足Intel 18A先進製程合作絕非紙上談兵。
這讓智原能突破單一晶圓廠的產能限制，根據客戶在Edge AI或AI資料中心上的不同規格，彈性提供從高階先進封裝到先進製程的客製化晶片設計服務，同時有效分散地緣政治風險。
2. NPU 整合者，高階 AI ASIC 新案陸續開花
智原為「NPU 整合者」，當客戶要做 AI ASIC 時，智原負責把 NPU 模組（無論是客戶自有、或從第三方授權取得）整合進整顆晶片，並完成從前端設計、後端實作、製程導入到先進封裝的全套流程。這個角色看似不性感，卻是 AI 算力下沉時代不可或缺的關鍵。智原總經理王國雍在 2026 Q1 法說會中明確指出，公司在 AI 領域的布局採「雲、邊、端」三大層級同步推進：雲端 AI 聚焦專用型 AI 加速器及關鍵附屬晶片；邊緣 AI 領域已成功完成多項整合 NPU 之專案設計，瞄準既有應用的 AI 升級及新興應用需求；終端 AI 則切入「MCU 結合 NPU」這個 2026 年最熱的趨勢——而這個方向，正好與英業達、恩智浦在車用 MCU 內嵌 NPU 的浪潮完全咬合。
落到實際訂單，隨著企業將剪枝、量化後的演算法固化為晶片的需求大增，智原已順利拿下三星 4 奈米 AI ASIC 新案（2025/10 公布）與14 奈米 AI ASIC 新案（2026/4 法說會公布），並以 2.5D 與 3D 先進封裝打入北美客戶。不論是需要整合 NPU 核心的智慧邊緣裝置，還是複雜度更高的 AI 伺服器周邊晶片，智原的自有 IP 組合（介面 IP、SerDes、DDR 等）與設計自動化平台都能協助客戶快速將模型固化為晶片實體，提供高算力、低功耗、易整合的解決方案。
3. 甩開劣質營收，毛利率結構性大躍升
從財務結構來看，智原近期主動剝離過去低毛利的傳統業務，雖然短期總營收出現陣痛期波動，但實質獲利能力大幅進化。2026年Q1毛利率已突破47.3%，季增5.1個百分點、年增27個百分點，遠超過市場原先預期的45%水準。隨著新拿下的14奈米與4奈米高價AI ASIC專案逐步從委託設計（NRE）走向量產（Turnkey），毛利率結構性轉型成果已正式浮現。
總結來說，智原兼具「邊緣AI客製化剛需」與「先進製程轉型」的雙重利基。在這一波AI算力下沉、企業追求降本增效的實質大趨勢下，智原正逐步從一次性專案公司，轉向具備高進入門檻的AI核心矽智財大廠，是這波主軸中最具備結構性大轉型想像空間的ASIC標的。
AI行情的下半場，NPU需求爆發！
過去三年雲端AI的軍備競賽讓GPU族群獲利豐厚，但LLM蒸餾、剪枝、量化技術成熟後，算力正從雲端往終端大規模下沉。企業要的不再是「最大最強的模型」，而是「最便宜最準的領域模型」，這場戰爭的勝負手就在NPU與ASIC。英業達跨入車用區域控制與NPU矽智財授權、智原從低毛利代工升級為全球AI ASIC整合者，成為市場下半年關注焦點。
本文內容僅供參考，無任何買賣建議，投資人應謹慎評估，風險自負。
