從河內到胡志明市是1,638公里，開車要32小時，這個距離比首爾到台北的1,483公里還遠，兩個都會區的口音也不同。越南從北到南，幾乎可以視為兩個國家的距離，越南政府當然知道溝通南北的重要性，但限於財力、技術，目前規劃中的南北高速公路預計2030年才能完成，而高鐵的計畫更是遠眺2050。值得注意的是，環繞著胡志明市與河內的外環快速道路即將於2023年6月動工，以越南的國力、財政狀況判斷，在現實條件的限制下，要掌握越南的供應鏈，可能得從河內與胡志明市兩個都會區去理解，而南越、北越只能各自發展，也會形成不同的產業樣貌。越南在2023年4月宣稱人口超過1億人，以胡志明市為中心的湄公河三角洲有9個省，胡志明市約有1,000萬人，人口最多的平陽省有300萬人，也是基礎建設最好的省分。對越南而言，這些優質地理條件與水電基礎設施完備的都會圈鄰近省分，想要的不僅僅是NB、手機，更希望能吸引高附加價值的半導體、工業電腦、網通設備廠。而具專業背景的技術專家，更希望在智慧城市的建設上能讓政府長官與市民有感。不但規劃在地的應用需求，也跟台灣工業電腦大廠採購相關設備，在經濟每年維持7~8%的高成長下，台商不應低估都會區的智慧應用需求。此行一位參與座談的新加坡專家說，「人才」是新加坡起步的基礎，根據他的經驗，只要供應投資原廠足夠的科技人才，很少有投資人會說不！我們也建議Becamex以東方國際大學（EIU）為基地，先以大學教育推廣建構培訓基地，透過與台灣知名大學聯手，培養IC設計人才、建構零件倉儲與運籌中心。這些人才不僅半導體業需要，其他科技公司也會趨之若鶩。只是越南人在外資湧進，以及西方知名大學也在越南尋找戰略夥伴，台灣如果想要爭取更多的人才，不可能只以地利之便，就認為越南人才會近悅遠來。位於湄公河三角洲出海口的胡志明市，是越南第一大城，三星電子（Samsung Electronics）與Panasonic在這裡生產消費電子，2006年時英特爾（Intel）選擇在胡志明市落腳，並帶來最先進的半導體封測技術。夏普（Sharp）在這裡生產相機模組，Jabil與QSIC是以EMS為主，Microchip有IC設計與研發。在鄰近胡志明市的平陽省與同奈省，還沒有很多電子廠商落腳，但卻深具潛力，很可能是下一波重點投資區域。DIGITIMES針對越南、泰國、印度這三個布建ICT產業供應鏈最為積極的國家，對比這三個國家與台灣、南韓、日本、中國、香港之間的電子產業進出口資料顯示，2022年越南從這五個地區進口的半導體共336.9億美元。其中，扣除出口的半導體，對南韓逆差157.88億美元排名第一，其次為日本的25.15億美元，對台灣也有11.29億美元的逆差。越南對這三個國家的逆差是194.32億美元，這些都是個合理的數字。但以貿易總額計算，越南與中國、香港的貿易金額最大，中國本土的半導體產業並無經營國際市場的能力，估計這個貿易金額與胡志明市的英特爾封測廠有關。英特爾微處理器從胡志明市出口到中國，而三星手機（北越）與消費電子（南越）生產基地所需要的記憶體除了由中國、南韓供應之外，在香港運籌的比例應該也不低。

在G2大格局的驅動下，東西兩個陣營並無休兵的跡象，連帶影響供應鏈的移轉。在供應鏈轉移的過程中，台灣的半導體與ICT供應鏈佔有非常關鍵的戰略地位，台灣如同三家分晉時的雁門關一樣，成為眾所矚目的「衢道」，而越南、印度、泰國則是重要的出海口。Google執行長Sundar Pichai說，人類思維的演化速度遠遠不如軟體、機器設備的進化，如今我們需要更多的哲學家、倫理學者在消費者運用人工智慧時，能有更多的指引。對企業界而言，知道如何定義問題，善用機器設備與工具的人將成為天之驕子。更多人在論述「軟體將生成更多的軟體」，甚至直指這是個軟體大滅絕的時代，能力強的軟體開發商將主導核心應用。然從另一個角度觀察，如何具象地生產各種與消費者接觸的商品也成為另類考驗，永遠不能輕忽美國川普、拜登兩任總統與幕僚，多次強調「有意義的重新掌握供應鏈」，美國人明白必須與中國供應鏈脫鉤，否則西方世界將永無寧日。那麼西方陣營的科技業，在限制尖端科技、設備流入中國的同時，越南、印度與其他東協國家的角色，甚至往上游關鍵零件發展的步調與影響，都是值得深度探索的議題。繼二月底的印度之旅後，我再度背上行囊前往南越胡志明市，探訪正在醞釀新世代產業的南越脈動。相較於從中國直接移出的NB、手機生產線，南越似乎更適合將重心放在物聯網的多元應用與關鍵零組件上。針對南越的觀察，加上越南政府、企業的期待，我先預作功課，並以自問自答，加上到第一線驗證正確性、可行性來分享DIGITIMES的觀點。那麼，產業用什麼樣的模式移轉到越南呢？這幾年越南外資直接投資（FDI）維持高檔，日本、新加坡領銜投資，中國、香港、南韓的投資客也不少，但台商擠不進去前五名，這是事實，還是另有蹊蹺？根據DIGITIMES彙整資料，2022年越南的外資投資總金額為124億美元，投資金額的排名依序為日本、新加坡、中國、丹麥、香港與南韓，台灣根本不在前五大的排行榜中。但負責工業區開發的Becamex卻說台商是主力，這與資金可能來自中國的台商有關，或者台商真正的投資動能是在2022年以後。鴻海、廣達、緯創的工廠都在河內附近，如今北越漸趨飽和，如果往南越移動的話，整個供應鏈將要面對不同的條件。

南韓總統尹錫悅近期在美國國會的演說，引起了南韓已經站隊西方陣營的說法。幾個月前我已經說過「南韓沒有選擇」，但尹錫悅的表態，只是反映了美國主導東亞大局的影響力。另一方面，南韓國內的反中氛圍，更是促使尹錫悅明確表態的關鍵。近期電視還出現印度外交部長蘇傑生（S. Jaishankar）與俄羅斯外長發表共同聲明的畫面，不久前我接受印度外交部之邀，到浦那（Pune）參加亞洲經濟對話論壇。佔著擔任講師之便，我與蘇傑生有過短暫的對話，蘇傑生在話語間總是流露著印度上流社會常有的精明與大國架勢。蘇傑生說，印度會以國家利益做為衡量外交關係的基礎。是啊！印度是個大國，甚至是美中貿易大戰中足以影響美國的國家，但印度也得找到平衡中美戰略關係的重要法碼，藉以獲取最大的利益。為了幫龐大的年輕人口找到工作機會，印度利用G2對抗的機會，積極爭取成為下一代的世界工廠。印度與中國的競爭，是與生俱來的DNA，在中印都缺乏的能源上，印度怎可能放任中國無上限的採購俄羅斯能源，我知道印度購買更多的俄羅斯石油，而過去印度的武器系統也有很大的比例來自俄羅斯。美國是一個以科技、金融、專利為基礎，以軍事力量為後盾，讓全世界都望而生畏的國家，不要隨意挑戰美國在專利技術與美元的霸權地位。英國前首相邱吉爾曾說：「過去400年英國的國家戰略，是避免低地國家被歐陸大國所佔領」。低地國家是指比利時、荷蘭，而歐陸大國指的是德國、俄羅斯。每個國家都應該有國家戰略，國際關係與意識形態、普世價值有關，但國家利益仍是最根本的問題。電子業前輩郭台銘正為總統之路殫精竭慮，他說要在中美之間走出自己的道路，無論他能說出多少道理，有人願意想總是件好事。只是複雜的國際關係，不能只靠想像力或坊間的媒體評論來構思，也很難類比商場上的買賣。我們不能期待政府官員、外交官，前天談電池、昨天談半導體，現在又要評論法國軍艦靠著中國沿海北上代表的法國外交政策。這種整合性知識的政策人才最難被工具所取代。而台灣處境艱辛，靠著ChatGPT或TruthGPT是無法找到答案的，我最想知道誰能比照邱吉爾，講出一套台灣可以遵循的國家戰略。

Google搜尋趨勢（Google Trend）是個好用的工具，有時我會透過搜尋熱度變化情況，觀察某個議題的發展。這次我鍵入AI技術典範轉移的3個字詞「Expert System」、「Deep Learning」、「Generative AI」，看看會呈現出哪些結果？若以Google Trend最早能提供查詢資料的時間2004年作為起始時間，「Expert System」的搜尋熱度一路往下，而「Deep Learning」則從2013年起搜尋熱度開始走揚，並於2014年與「Expert System」出現走勢交叉的情況。Expert System是早期真正商用化的AI技術，屬於規則式學習（rule-based learning）。其組成包括知識庫、推論引擎和用戶介面等3部分，透過大量請教專家，採用if-then-else的結構將專家知識和經驗建成知識庫，推論引擎則根據知識庫中的規則和推論機制來推論和決策，用戶介面則是如同ChatGPT，可用問答方式來獲取專家系統推論的答案。Expert System熱潮在80年代，因人類諸多內隱知識難以表達與形成規則，及規則式學習建立與維護資料庫的複雜度隨時間持續提高，專業領域專家系統（如醫療、土木等）逐漸式微，而一般企業管理用途的規則系統，逐漸被整合至如甲骨文（Oracle）與SAP等業者的企業應用軟體中。2012年多倫多大學教授Geoffrey Hinton與其2位博士班學生Alex Krizhevsky、Ilya Sutskever發表〈ImageNet Classification with Deep Convolutional Networks〉此一論文，帶動Deep Learning興起。機器視覺領域有個2010年由李菲菲發起的奧林匹克級學術競賽（ImageNet Large Scale Visual Recognition Challenge；ILSVRC），前2年優勝團隊都是採用傳統的機器視覺技術，Krizhevsky、Sutskever與Hinton的CNN神經網路模型AlexNet，在2012年競賽「top 5 test error rate」指標中，創下競賽以來的最佳成績15.4%，領先第二名的26.2%近11個百分點，從此Deep Learning躍為機器視覺領域主流。當2015年微軟（Microsoft）的ResNet以錯誤率3.6%勝過人類肉眼的5%錯誤率時，包括智慧交通、人臉辨識、瑕疵檢測等多元市場商機隨之起飛，也反應在從2013年迄今「Deep Learning」搜尋熱度上。相較於「Deep Learning」為既有資料進行分類與分群等分辨工作（如人臉辨識），「Generative AI」則是學習輸入資料的模式和結構，其後根據訓練數據的分布，生成相似但全新的數據。2014年的Ian Goodfellow提出的生成式對抗網路（Generative Adversarial Network；GAN），可說是帶動生成式AI發展的里程碑。接下來這幾年搜尋熱度微幅上揚，生成式AI主要是在專業族群中愈來愈受關注，直到2022年11月ChatGPT的橫空出世，引發媒體與社會大眾的關注與使用，搜尋熱度才急遽攀升。若直接比較ChatGPT與Expert System及Deep Learning，更可看到由於ChatGPT的爆炸性搜尋熱度，相對而言，Expert System及Deep Learning的搜尋熱度已被攤平成貼近水平的直線。Expert System之父Edward Feigenbaum在2007年接受美國電腦歷史博物館（The Computer History Museum）口述歷史訪談，在被問及「我們如何賦予電腦知識?」時，他回答「我想唯一的方法就是依循人類文明現有的方式。我們藉由文本這個文化結晶來傳遞知識。過去是手稿，接著是印刷文字，現在則是電子文本……我們需要想辦法讓電腦讀化學書來學化學，讀物理書來學物理，或者是生物學等其他學科……我們的人工智慧程式是手工製作並以知識建造的，除非我們有辦法設計出能夠閱讀、理解文本並從中學習的程式，否則我們將永遠無法突破。」（引用自陽明交大《數理人文》期刊第10期，〈人工智慧專家系統之父—專訪涂林獎得主費根堡之生涯回顧〉一文）Feigenbaum那時並未料到，Google的BERT與Open AI的GPT等近年發展的LLM在訓練文本上的驚人數量級提升。以Open AI來說，從2018年GPT-1的5GB訓練數據量/1.1億個參數，提高到2020年GPT-3的45TB訓練數據量/1,750億個參數。之後Open AI便不再公布訓練資料量，但最新發布的GPT-4估計可能超過1兆個參數。帶來的突破性成果正在為全世界各個領域的人們所嘗試與運用中。Deep Learning的2位關鍵開創者中，Ilya Sutskever是OpenAI的聯合創辦人及首席科學家，持續推進最前沿AI技術的發展，但近日Geoffrey Hinton卻離開Google，且呼籲人工智慧給人類帶來的威脅可能比氣候變遷更急迫，而曾是Open AI共同創辦者的Elon Musk也大聲疾呼暫停開發和測試比GPT-4更強大的語言模型。我不禁想問如今已87歲高齡的Feigenbaum，身為自然語言處理AI宗師的您，當強AI時代愈來愈近時，人類該如何踏出下一步呢？

日前到竹北去拜訪科技界的前輩宣明智，我跟老宣說，我們兩人第一次見面是1986年，他很驚訝地看著我，你怎麼記得？1986年時，MIC第一次主辦「收費」的研討會，包括老宣在內的很多業界資深前輩都自己來參加。我問老宣，為何願意參加付費的研討會？他說相較於一次200元的費用，我們的時間更昂貴，這是我從老宣身上學到的第一堂課，這也是我認為優質資訊可以收費的源頭，所以我們也認識37年了。老宣現在把重心放在車用電子與智慧醫材的事業上，他認為台灣擁有最好的電子與醫療人才，兩者的整合將帶來極佳的經營效率。前陣子與他在互貴興業見面，這家公司發展內視鏡與智慧醫材，相對於證照取得，甚至面對中國挾龐大的市場與資源競爭，台灣從電子業發展經驗出發，仍可以取得極大的優勢，但產業資源的整合仍是一大考驗。針對產業資源整合的方案，宣明智提出「虛擬園區」的概念，我說虛擬園區必須有3D、4D甚至5D的概念，透過人工智慧的資訊彙整技術，就可以讓潛在客戶找到可能的解決方案。我認為，相較於電子業至今仍是「Top-down」為主的產業資訊流通架構，智慧醫材多元變化，「Bottom-up」由下而上，以拉力為主、推力為輔的應用商機，完整的資料庫更為重要。每一家公司發展的醫材都有適用的關鍵字，例如科別、供應商、技術類別、應用領域、目標客戶等，根據標註的關鍵字，配合資料庫的經營管理，就可以打造出一個虛擬園區。這個觀念並不難，「知易行難」才是問題。多數自以為擁有關鍵技術的人，會以發展突破性的產品為職志，而具有IT專長的人，很少人擁有產業營運概念，甚至具有管理專長的人，也缺乏深度理解市場需求與技術變革的耐心。最後碰到的問題是，「到底誰出錢？」很多人期待有人「登高一呼」，根據麥肯錫（McKinsey）研究，能夠串連利益關係人的專家，被工具取代的機率最低，我深以為然，這也是我的創業經驗。台灣不缺錢，建構這種服務機制的產業環境也是絕無僅有，需要的是願意蹲下，彎腰搜尋與建構資料庫的專家而已。

2023年第1季電子產業上下游仍處庫存調節階段，在營收表現上相較2022年同期多呈停滯甚至衰退。然而，大型（Hyperscaler）雲端服務業者營運表現相對仍佳，加上生成式人工智慧（Generative AI）帶動的新應用熱度正夯，後續成長動能值得關注。2023年第1季亞馬遜（Amazon）AWS營收達213.5億美元，年增16%；微軟（Microsoft）Azure營收年增27%，另外Google Cloud Platform（GCP）營收年增率亦達28.5%。上述3家業者佔公有雲端服務市場比重約65%，維持強者續強的態勢。 回顧過去5年公有雲端服務市場成長情況，年複合成長率超過20%，AWS約佔全球IaaS、PaaS及代管私有雲（Hosted Private Cloud）服務市場的3分之1，維持第一大地位。AWS近期表示已對全球超過10萬個客戶提供人工智慧／機器學習（AI/ML）服務，相對於亞馬遜非雲端業務，近幾年AWS營收年成長率高出15~20個百分點、營業利益率也高出20個百分點以上，是亞馬遜整體版圖擴張及獲利成長的主要動力所在。微軟雲端相關（包括Azure、Microsoft 365等）營收比重亦大幅提高至佔整體公司營收約45%，企業策略定位明顯轉向雲端服務，在雲端服務市場佔有率亦逐步攀升，居全球第二大地位。隨著微軟生成式AI服務將導入旗下各個產品上，對雲端業務推廣預期將有推波助瀾的效果。展望2023年，受全球經濟景氣動能減緩影響，雲端服務市場成長動能確實不及2022年，如AWS營收年成長率在2022年第4季時為20%，2023年第1季減少至16%，預估2023年第2季時成長率再減至12%。不過，以中長期而言，雲端服務市場的長期發展仍應正面看待。由於企業IT採雲端方式進行可帶來彈性，資產投報率將會較佳，IT支出朝向雲端轉移的趨勢不大可能逆轉，加上AWS表示目前全球IT支出僅10%是在雲端進行，後續雲端服務市場的發展空間仍相當龐大。為因應雲端服務市場成長趨勢，雲端資本支出勢必連帶成長。以2023年第1季為例，微軟、Meta的資本支出年增率分別約24%、28%，2023全年亞馬遜的資本支出預算雖預估將較2022年減少，但AWS的部分則可望繼續成長。台灣伺服器廠商的客戶組成，來自於惠普（HP）、戴爾（Dell）、浪潮等伺服器品牌業者比重已退居第二，雲端服務業者則已躍居首位，且後者比重近年來持續攀升。因此，雲端服務業者的伺服器訂單，對台廠重要性日增。台灣與雲端服務相關的產業主要包括晶圓代工、IC載板、高速傳輸介面、伺服器組裝以及電源供應器、機櫃等次產業。以最直接相關的伺服器業者而言，台灣佔全球伺服器生產即超過93%。短期方面，根據DIGITIMES Research的調查，由於客戶調整訂單等因素，第1季全球伺服器出貨量較2022年第4季衰退，跌破400萬台（以主機板計算）；2023年第2季因第1季基期較低，及品牌商新平台可望優先放量，預期出貨將有低個位數季增。展望未來，雲端服務市場成長趨勢未變，在生成式AI引發的新浪潮下，高單價的AI伺服器出貨量成長可期，儘管佔比有限。關於最新伺服器產業的分析及預測，請參考DIGITIMES Research伺服器產銷調查報告。延伸報導產銷調查：1Q23全球伺服器出貨跌破400萬台大關　2Q23出貨將僅季增3.9%　ChatGPT效應有限

亞馬遜（Amazon）是一家假裝成網路書局與零售通路的人工智慧、大數據公司，現在主打雲端服務；大椽（DIGITIMES）則是一家假裝成報社的電子業專業資訊服務與顧問公司，同時擁有「Data」與「Intelligence」兩大優勢，所以才能在媒體的黑暗時代存活。我的創業基礎與專業知識，來自於1980年代中期台灣以資策會MIC建構科技專業智庫的經驗。當年行政院的科技顧問Bob Evans跟李國鼎資政建議，台灣中小企業多、政府官員對於科技大勢所知有限，可以成立一個專責的任務團隊，蒐集、分析全球產業資訊，這是MIC的源頭，創業能夠僥倖存活，也與在MIC工作時累積的經驗有關。我深知資訊的影響力與價值，如果數據是21世紀競爭的關鍵，那麼對於產業的深度理解就更為重要了。台灣小，不可能以人口優勢創造數據、掌握數據。將所有的訊息轉化為具有意義的「Data」，並透過模組化不斷的連結，發揮專業數據的影響力，這便是台灣科技產業的共同價值。如果產業往東協、南亞移動，與這些國家建構亞太ICT產業供應鏈的專屬智庫與戰情系統，將更具戰略性的意義。就電子業而言，台日韓是亞太地區最先進的產業體系，這些地區主要的電子業都已經上市，不難從定期發布的新聞中掌握關鍵趨勢。一般而言，產業訊息關鍵在於如何定義內容與取材範圍。除了報導各國上市的主力企業之外，透過公開資訊，水平對比亞太供應鏈中的核心企業，也是DIGITIMES的任務與定位。例如，對比亞太30大EMS製造廠、東協與南亞20大電信公司、30大系統整合商、東協與南亞國家半導體進出口數據對比等，都是可以獨創，但又具備國際視聽影響力的關鍵資訊。亞太國家中，堪稱一線大國，且與台灣ICT供應鏈具有高度連動的國家包括印度、越南、印尼、泰國、新加坡，其次是馬來西亞與菲律賓。搶佔制高點，定義亞太供應鏈價值相較於「散彈型」的國際行銷，以台灣電子業為核心的亞太ICT產業供應鏈訊息，只要掌握原創性，既可以滿足企業開拓市場、尋求夥伴的需要，也可以反向行銷，讓潛在客戶自行上門。這些工作不見得是個別企業獨立進行，掌握話語權的工作，DIGITIMES也有捨我其誰的企圖心，能讓台商的核心優勢繼續延續與擴張，鎖定東協、南亞新商機，也是我們對台灣產業的承諾與共同價值。我曾為過一位電子五哥總經理：「給印度10年、20年，印度有機會超越台灣嗎？」；答案是否定的，那麼為何要害怕呢？反倒應該從長期思考台灣的核心優勢，並以「剝洋蔥」的方式，分階段取得戰略性的價值。

在全球化的時代，經濟規模、效率是生產製造的關鍵要素，而地狹人稠的台灣，更是將產業群聚效益發揮到極致。2000年前後，台商大舉前往中國發展，生產基地也從珠三角延伸到長三角，甚至成都、重慶、鄭州落腳，中國的經驗是垂直分工的極度發展。加上iPhone出現、中國本土經濟蓬勃發展，在中國製造2025的概念下，給了中國建構本土電子工業供應鏈的契機。在地政府支持的電子大廠遍地開花，開始與台商爭搶蘋果（Apple）供應鏈，而中國本土業者除了垂直整合的條件之外，更可以利用本土市場往水平整合的創新需求推進，很多人都預判台商的好日子已經到了盡頭！如同前述，1979年新竹科學園區創立之初可以用乏人問津來形容，但台灣的產業政策跟企業經營一樣充滿了彈性。不像是日本的竺波或南韓的大德科學園區，過度偏重研發，導致科技類的生產製造活動難以落實。台灣的科學園區也歡迎量產製造，更與幾公里外竹東工研院高度連動，兩者之間相互支援，但不相互統屬，也保持了該有的獨立性與彈性，這些都是新竹科學園區的成功要素。1980年代的中期，台灣個人電腦與週邊設備製造業開始起步，從汐止一路往南延伸的科技工業帶，正因為新竹科學園區有了很好的中繼力量。本土的電腦製造業、海歸的半導體菁英，都在竹科的大旗下形成新的產業聚落，如今更因為半導體製造能力而名聞遐邇。竹科有限的土地已經充分利用，政府在台南、台中複製了產業聚落，也得到很好的成效。但我們相信「竹科」的大名不僅可以是台灣的護國神山，更是台灣產業新南向的尖兵。誠心建議竹科以授權或合作的模式在南向國家插旗，有了竹科之名，台商更容易形成產業聚落，而在地政府「忌諱」竹科之名，也不至於過河拆橋，將竹科經驗傳承、複製、善用到海外，可以讓竹科的無形價值再創新局。

我們可以從印度、越南、泰國進出口的半導體與電子產品結構，虛擬研判未來的供應體系。東協南亞主要國家進口的半導體，多數是從中國、香港運籌，但中國、香港並未具有國際銷售實力的半導體零件，反倒是台商業者舉足輕重。一般而言，零件通路商將客戶區分為TBM、CBM、MBM（詳見上一篇）。根據DIGITIMES在第一線訪談數據得知，現在東協、南亞進口的半導體零件，主要是以台商體系的需求為主，中國業者次之，反倒MBM的成長有限。以印度進口的半導體為例，將近80%來自中國與香港，顯然就是台商在當地運籌體系調度的，而不是原產於中國的半導體。這個大趨勢對照地緣政治上的演化，顯示、模擬了零件通路商未來可能的布局。一方面在地業者將會崛起，印度的TATA、Vedanta在與台商結盟之後，在地業者的比重將會增加，加上台系的鴻海、和碩、緯創三家公司在印度生產的手機不僅滿足國內市場，甚至已經開始出口海外市場。加上台達電與伺服器、網通業者都虎視眈眈，嘗試滿足當地的需求，台系業者的需求將大幅提升，也提供台灣重新思考以桃園機場、新竹園區為核心的「亞太運籌中心」計畫。1990年代中期，台灣嘗試推動的亞太營運中心計畫並不成功，關鍵在於台商往中國移動，且都以中國為外銷的第一選擇，導致過去20多年，兩岸貿易的失衡，台灣也出現過度仰賴中國市場與產業的現實。前進中國的產業界以效率為尚，經營上各自為政，但未來的物聯網、區域生產需求，都需要更完整的解決方案，例如系統製造大廠與電源業者之間的關係正在改變。過去以中國為核心時，大家各懷鬼胎，都會擔心口稱合作，但私下備戰的心態。現在市場延伸到東協南亞，就算大集團也認為「量產」不是唯一選擇，「分工」可能是最佳的事業模式，願意思考戰略合作的企業正在大幅增加。1980年代初期，台灣的零件通路業以代理商、貿易商的身分起家，之後隨著產業規模的擴大，以及中國生產基地的需求，開始建立技術支援與智慧倉儲的能力，而透過上市櫃的程序，社會資本也給予適當的支持，如今的零件通路業也成為供應鏈中不可或缺的環節。2005年開始，世平興業透過整併，與品佳、友尚、銓鼎合組大聯大控股集團，成為全球頂尖的零件通路商，近幾年推廣LaaS（Logistics as a Services）的概念，希望透過共同建構的智慧倉儲系統，提供多樣化的倉儲服務，甚至透過流通數據的掌握，深化倉儲服務業的價值，將主力業務延伸到醫藥、紅酒等高單價的運籌服務上。

混合鍵合技術的新應用中，最引人注目的當屬高效能計算（High Performance Computing；HPC）。HPC在晶圓代工的產能中佔據最顯著的份量。HPC架構主體主要含處理器和記憶體。處理器通常以最先進的邏輯製程製造，但是記憶體（DRAM）的製程進展較邏輯製程緩慢，這個就產生落差。兩者之間溝通落差限制整體表現，而且製程也截然不同，屬於「異質」。延伸報導先進封裝技術競逐略有起伏　HPC導入熱度高於手機AP解決兩者之間效能落差的方法之一是利用平行處理。現在的處理器多具有雙位數數量的核（cores），每個個核需要支援其運作的個別記憶體。數量如此多的核-記憶體之間的連線需要多個I/O接點以及高頻寛，這就是十年前開始出現高頻寛記憶體（High Bandwidth Memory；HBM）需求的驅動原因。HBM是用2.5D封裝技術將CPU與至多8個DRAM堆疊封裝，其處理器與記憶體之間的連接是透過晶片的微鍵（microbond）連接底下中介層的金屬線至另外的晶片，如此一來I/O與連線的密度都可以大幅增加。對於常用於AI常用的GPU晶片，其核的功能比較專一，所以每個核的面積較小，一個晶片裡核的數目動輒上千。每個核所需要對應記憶體容量不需要很大，但是因為核與記憶體的數目有數量級的提升，連線及I/O的數目要求更高，此時銅混合鍵合就能提供其所需要的效能。這個應用也是目前多家代工廠、DRAM廠的技術及業務能力擴展方向。2022年3月Graphcore發布於台積電造的Bow IPU號稱是世界第一個3D WoW處理器，利用到的是混合鍵合的另一種優勢。2片晶圓一邊是AI處理器及其協作的記憶體，主要包括1,472個IPU（Intelligent Processor Unit，Graphcore為其處理器的命名）以及與各IPU協作的獨立900MB的分散式SRAM；另一個晶片負責提供電源。如此結構設計，Graphcore宣稱可以提升效能40%以及節省功耗16%。超微（AMD）最近的Ryzen系列也因為不同的原因採取混合鍵合技術，雖然使用的是CoW的技術，而非WoW。超微將CPU中面積較大的L3 cache單獨拿出並擴增容量、單獨生產，在不增加CPU系統面積的情況下，增加可用的SRAM容量，減少一般資訊處理必須傳送到DRAM的需求，因而提升速度、減少功耗。延伸報導銅混合鍵合的發展與應用（二）：商業化應用其他混合鍵合的應用現在可預見的還包括無線通訊、AIoT、PMIC等。在混合鍵合的製造成本下降後，應用領域還有可能延拓的更廣泛。從晶片異質整合、效能提升、減少功耗、縮小面積等的幾個優點考量，只要混合鍵合的成本下降至各優點的價值臨界點後，技術的採用將會一一浮現。學習已經商業化的、正在醞釀中的應用並且分析其得失，是尋找新應用的 必要學習過程。