AI與HPC高效能運算晶片測試需求強勁，日月光投控、京元電子亮燈漲停

重點速覽

1. 日月光 Q1 2026 財報：封測測試業務年增 31%，EPS 創高

   日月光投控（3711）公布 2026 年第 1 季財報，合併營收達 1,736.62 億元，季減 2%、年增 17%；歸屬母公司淨利 141.48 億元，年增 87%，每股稅後純益（EPS）3.24 元。其中半導體封測業務測試營收 210.41 億元，年增 31%，顯示 AI 晶片測試需求已明顯體現於財務數字。毛利率 20.1%，年增 3.3 個百分點，反映高毛利的先進封裝業務持續提升占比。（資料來源：日月光投控 2026 Q1 財報，2026 年 4 月）

2. 京元電資本支出上修至 500 億元，2026 年 AI 測試占比衝逾 30%

   晶圓測試廠京元電（2449）董事會決議將 2026 年資本支出由原規劃的 393.72 億元上修至 500 億元，續創歷史新高，主因是 AI 繪圖處理器（GPU）晶片與 ASIC 晶片的測試需求強勁。法人估計京元電 2026 年產能將擴充 30% 至 50%，AI 相關測試業績占整體業績比重預期突破 30%（2025 年已超過 25%）。（資料來源：京元電公開資訊觀測站重訊公告；法人預估數字，僅供參考）

3. AI 晶片測試難度倍增，帶動測試單價與時間結構性提升

   隨 AI GPU 與 ASIC 晶片功耗與架構持續升級，測試複雜度大幅提升。以 NVIDIA 新世代 Rubin 平台為例，與前代 Blackwell 相比，所需測試時間預期增加 50% 至 100%，測試單價亦同步上調 50% 至 100%。高功率老化測試（Burn-in）需求因此成為封測產業的新成長動能，而京元電因擁有自製 Burn-in 爐的技術優勢，在此環節中具備明顯差異化能力。（資料來源：工商時報、法人研究報告彙整）

在 AI 晶片需求爆發的浪潮下，半導體封測產業正迎來結構性的轉機。過去，「封測」往往被視為半導體供應鏈中技術含量相對較低的後段製程；但隨著 AI GPU 與 ASIC 晶片的功耗急速攀升、架構日趨複雜，測試的難度、所需時間與設備成本也以倍數計算提升，使得封測廠的議價能力與毛利率空間同步擴大。

台灣兩大封測相關業者——全球封測龍頭日月光投控（3711）與專注晶圓測試的京元電（2449）——分別以不同的策略切入這波 AI 測試商機。日月光以「封裝＋測試」全流程整合的 LEAP 平台為核心，積極承接 AI 加速器封裝訂單，並佈局 FoCoS 先進封裝以填補台積電 CoWoS 外溢需求；京元電則採「減法哲學」，聚焦於高技術門檻的 Burn-in 老化測試與 Final Test，憑藉自製 Burn-in 爐技術在輝達、Google TPU 等高階 AI 晶片測試市場中取得領先地位。

本文將從技術背景切入，深入解析兩大公司的 AI 測試布局、最新財務數字，以及同業比較，協助投資人全面理解這波封測 AI 轉型的機遇與風險。

 

一、AI 晶片測試為何難度倍增？Burn-in、FT、SLT 一次搞懂

要理解封測廠在 AI 浪潮中的受惠邏輯，必須先了解半導體測試流程的三個主要環節，以及 AI 晶片為何讓每個環節的難度與成本大幅提升。

 

晶圓測試（CP，Chip Probe）

晶圓測試在封裝前進行，目的是在晶圓階段就篩選出不良品，避免後續封裝成本浪費。AI 晶片體積大、電晶體密度高，晶圓測試時需要更多探針同時接觸更精密的接點，設備成本與測試時間均大於傳統晶片。台積電在 CoWoS 產能吃緊的情況下，部分 CP 外溢需求被轉介給日月光及京元電承接。

 

成品測試（FT，Final Test）與系統級測試（SLT，System Level Test）

封裝完成後的成品測試（FT）是驗證晶片完整功能的關鍵關卡。AI 加速器晶片因功能複雜度高，FT 所需測試向量與測試時間遠超傳統 CPU/GPU，直接推高了每顆晶片的測試成本。SLT 則是在更接近實際運作環境的條件下進行的系統級驗證，AI 晶片對 SLT 的採用比率也在上升，進一步拉長整體測試周期。

 

老化測試（Burn-in）：AI 時代的新護城河

Burn-in 是對晶片施加高溫、高電壓以加速老化，篩選出「早夭型」缺陷品（Infant Mortality）的製程。過去 Burn-in 主要用於車用晶片等高可靠性場景，但 AI 伺服器對穩定性要求極高，加上 AI GPU 功耗動輒超過數百瓦，讓 Burn-in 測試在 AI 晶片流程中的採用率快速提升。高功率 Burn-in 設備（如 8kW 以上規格）是高度客製化的設備，能夠自製 Burn-in 爐的廠商在此環節具備顯著的競爭障礙。

 

二、日月光投控（3711）：封測龍頭的 AI 測試與 LEAP 封裝布局

日月光投控（ASE Technology Holding，3711）是全球最大的半導體封裝與測試服務公司（OSAT），業務橫跨封裝、測試與電子代工服務（EMS）三大板塊。面對 AI 驅動的產業重組，日月光選擇以「LEAP（Leading Edge Advanced Packaging）」平台為旗艦，提供封裝與測試的全流程整合服務。

 

LEAP 平台：封裝＋測試全流程整合

LEAP 平台是日月光針對 AI 加速器、高效能運算（HPC）等高階應用所推出的先進封裝服務，整合了 Wafer Sort（晶圓測試）與 Final Test（成品測試），提供客戶一站式後段製造解決方案。根據 2026 年 Q1 法說會資訊，LEAP 的業務組成目前約 75% 為封裝、25% 為測試。

LEAP 的核心封裝技術包含 FoCoS（Fan-out Chip on Substrate），這是日月光針對 CoWoS 替代需求所開發的先進封裝方案。台積電為保留 CoWoS 產能給高單價 AI GPU，已加速將部分 CPU、網路晶片等非 AI 加速器產品委外，日月光的 FoCoS 因此成為直接受益者。

 

AI 測試業務：積極切入 Burn-in 與最終測試

日月光財務長董宏思在 2025 年法說會中明確表示，公司在 AI 晶片晶圓測試領域居於領先地位，並積極切入最終測試與老化測試，預期 2026 年的成長動能將比 2025 年更為明顯。新加坡廠區則聚焦 AI 相關測試業務的擴張。

 

FoCoS 先進封裝：2026 年下半年開始放量

FoCoS 業務預計 2026 年下半年開始放量，主要客戶涵蓋 AMD、Broadcom 等，法人預估日月光 2026 年先進封裝營收將達 19 億美元，2027 年有望翻倍至 48 億美元。此為法人預估數字，僅供參考，實際以公司官方公告為準。

 

三、京元電（2449）：純測試策略的 AI 時代轉型

京元電（2449）長期專注於晶圓測試與成品測試服務，近年來主動退出傳統封裝業務，採取「減法哲學」——聚焦技術門檻更高、毛利空間更大的測試環節，避免與日月光、台積電在資本密集的高階封裝領域正面競爭。

 

自製 Burn-in 爐：京元電最核心的技術護城河

京元電擁有多年自製預燒老化爐（Burn-in 爐）的技術積累與供應鏈，這使其在 AI GPU 及 ASIC 測試市場中取得先機。相較於需要向外採購設備的競爭者，自製能力讓京元電在 Burn-in 測試的規格客製化、交期掌握與成本控制上具備優勢。根據法人報告，京元電在 AI GPU（主要為輝達）的 Final Test 中已具備領導地位，而隨 ASIC 客戶持續放量，Burn-in 測試業務將成為 2026 至 2027 年的新成長動能。

 

客戶結構：輝達為主，Google TPU 與 ASIC 為新成長極

京元電的客戶結構以輝達 AI GPU 測試為基本盤，訂單能見度據悉已延伸至 2026 年下半年。同時，Google TPU 與聯發科代工的 ASIC 晶片測試業務正快速放量，法人估計 ASIC 領導客戶的營收占比將由 2025 年的約 4% 提升至 2026 年的約 10%（法人預估值，僅供參考）。

 

測試業務組成（2025 年實績）

資料來源：工商時報引用法人研究報告（2026 年 3 月），以官方公告為準。

 

四、日月光 Q1 2026 財報關鍵數字解析

資料來源：日月光投控 2026 年 Q1 財報（2026 年 4 月公布）。

 

封測業務業務組成

日月光 Q1 2026 半導體封裝測試業務營收 1,124.34 億元，其中封裝營收 896.73 億元（年增 29%），占比 79.8%；測試營收 210.41 億元（年增 31%），占比 18.7%；材料直接銷售 16.21 億元（年增 33%），占比約 1.4%。產品組合中，先進封裝（Bump/FC/WLP/SiP）已占封測營收 49%，持續向高毛利的先進封裝領域傾斜。

 

五、京元電 2026 年資本支出與產能擴張計畫

京元電的資本支出近三年持續快速擴張：2025 年資本支出達 370 億元，2026 年原規劃 393.72 億元（年增 24.1%），再上修至 500 億元，擴張幅度大幅超出原計畫。法人估計今年產能將擴充 30% 至 50%，其中高功率 Burn-in 測試產能的擴充為重點。

 

主要擴廠地點

資料來源：工商時報引用法人研究報告（2026 年 3 月），以官方公告為準。

 

京元電 2025 年 EPS：9.01 元，創歷史新高

京元電 2025 年全年 EPS 達 9.01 元，創公司成立以來新高，反映 AI 測試業務的快速放量效應。法人對 2026 年 EPS 的預估值（法人預估值，非官方數字）在多份報告中落於 9.8 至 10 元區間，惟各機構預測不一，投資人應自行評估。

 

六、日月光 vs. 京元電：封測產業 AI 測試策略比較

日月光與京元電分別代表台灣封測業中兩種截然不同的 AI 因應策略：一是「封裝＋測試」全流程整合，一是「聚焦純測試」精耕細作。兩者並非競爭關係，而是在 AI 測試供應鏈中各自切入不同環節。

資料來源：各公司公開財報及法說會資訊彙整；部分法人定位描述來自研究報告，非公司官方自稱。

值得特別關注的是，兩家公司目前都受惠於台積電在 CoWoS 產能吃緊下的「外溢效應」：台積電將部分晶圓測試（CP）外溢給日月光及京元電，同時日月光的 FoCoS 也填補了 CoWoS 無法消化的封裝需求。在 AI 晶片需求持續擴張的環境下，這種「需求外溢＋技術互補」的格局，為台灣封測業者創造了結構性的成長空間。

 

七、常見問題（FAQ）

｜Q1：AI 測試需求爆發，日月光和京元電哪家更直接受惠？

A：兩者受惠邏輯不同，但都受惠於 AI 晶片測試結構性成長。
理由：京元電因聚焦純測試業務，且主要客戶為 NVIDIA AI GPU 與 Google TPU，AI 測試業績占比（目標超過 30%）較日月光（AI 先進封裝占比相對分散）更為集中，市場定位上被部分法人視為「最純 AI 測試受惠股」。日月光則以封裝＋測試全流程整合的優勢，在 FoCoS 先進封裝放量後，受惠範疇更廣。兩者性質不同，投資人應依自身對 AI 測試純度與業務規模的判斷，自行評估。

｜Q2：Burn-in 老化測試為什麼對 AI 晶片特別重要？

A：AI 伺服器對穩定性要求極高，Burn-in 是篩選早期失效品的關鍵製程。
理由：AI GPU 功耗動輒超過數百瓦，加上資料中心 7×24 小時連續運作的需求，對晶片的長期穩定性要求遠高於消費性電子產品。Burn-in 測試透過高溫、高電壓加速晶片老化，可在出貨前篩除「早夭型」缺陷品，大幅降低客戶在系統端的維修與停機成本。隨著 AI GPU 功耗持續攀升，高功率 Burn-in 設備（8kW 以上規格）成為稀缺資產，能夠自製此類設備的廠商——如京元電——因此具備顯著的進入障礙。

｜Q3：日月光的 FoCoS 能否取代台積電的 CoWoS？

A：兩者技術路線不同，更可能是互補而非取代。
理由：台積電 CoWoS 以矽中介層（Silicon Interposer）為核心，互連密度極高，是目前 NVIDIA H 與 B 系列 GPU 的主要封裝方案，整體生態系高度成熟。日月光的 FoCoS 採用不同的扇出技術路線，適合切入 CPU、網路晶片等對 CoWoS 互連密度要求略低但仍需先進封裝的場景，填補台積電無法供給的外溢需求。市場普遍預期兩者並存而非直接競爭，投資人應依自身判斷評估日月光 FoCoS 的訂單能見度與放量速度。

 

八、怎麼投資日月光（3711）或京元電（2449）？