供應鏈韌性與在地化

為什麼半導體供應鏈是「韌性」研究的極端案例

韌性（resilience）在供應鏈管理中的定義，是系統在遭受擾動後，維持或迅速恢復其關鍵功能的能力。半導體供應鏈之所以成為研究這個議題的極端案例，源於它同時集齊了三個放大風險的結構特徵：極高的地理集中度、深而長的多階層依賴，以及極長的產能擴張前置期。

一座先進邏輯晶圓廠從動土到量產約需 3～5 年，資本支出常達 200 億美元量級；EUV 微影機台單價超過 1.5 億美元、High-NA 機型逼近 3.5 億美元，且年產能以個位數計。這意味著供需失衡無法在短期被彈性產能吸收——當需求脈衝（demand spike）出現時，供給曲線在數年尺度內幾乎是垂直的。2020～2022 年的車用晶片荒，正是這種長前置期 × 需求驟變交互作用的教科書案例。

本文以供應鏈風險管理的標準分析框架——集中度、單點故障、在地化成本——逐層拆解，並嘗試量化「效率」與「安全」之間的取捨。

集中度：用 HHI 量化結構性風險

衡量市場集中度的標準工具是 Herfindahl-Hirschman Index（HHI），定義為各廠商市佔率（百分比）平方的總和：

$$\mathrm{HHI} = \sum (s_i)^2$$

其中 $s_i$ 為廠商 $i$ 的市佔率（%）。

• $\mathrm{HHI} < 1500$：低集中度（競爭市場）
• $1500 \leq \mathrm{HHI} < 2500$：中度集中
• $\mathrm{HHI} \geq 2500$：高度集中（寡占）

把這把尺套到半導體供應鏈的各個環節，會得到觸目驚心的結果：

關鍵洞見：集中度風險不是「整體產業」的平均值，而是取決於最脆弱的那一環。即使下游有十家封測廠競爭，只要上游 EUV 機台是 $\mathrm{HHI} = 10000$ 的單點，整條鏈的有效韌性就被這一環封頂。這就是供應鏈分析中的瓶頸決定論——韌性由串聯系統中可靠度最低的節點決定。

為何會自然走向集中

集中並非偶然，而是三股力量的均衡結果：

• 規模經濟與學習曲線：晶圓廠的固定成本攤提需要極高稼動率，後進者難以在良率學習曲線上追趕。
• 技術鎖定（technology lock-in）：先進製程的 PDK、IP 與設計生態綁定，客戶遷移成本極高。
• 資本門檻：單一 fab 的資本支出已超過多數國家的年度科研預算，形成天然進入障礙。

單點故障：串聯系統的可靠度數學

供應鏈在拓樸上多為串聯結構——缺任何一道材料或製程，最終產品就無法出貨。串聯系統的整體可用度為各節點可用度之積：

$$A_{\mathrm{system}} = A_1 \times A_2 \times \cdots \times A_n$$

假設一條鏈有 50 個關鍵節點，每個節點年可用度高達 99.5 %，整體可用度為 $0.995^{50} \approx 0.778$——也就是說，即使每一環都「幾乎完美」，串聯後仍有逾兩成機率在一年內遭遇某種中斷。這個反直覺的乘積效應，正是半導體供應鏈頻繁出現「黑天鵝」的數學根源。

單點故障的三種典型形態

• 地理單點：先進製程產能高度集中於單一地震帶／颱風帶／地緣熱點。一次規模 6 以上的地震即可造成晶圓廠數日停機與在製品（WIP）報廢。
• 材料單點：某些特用氣體、前驅物或光阻僅由一兩家工廠供應。2011 年日本震災後的矽晶圓與封裝基板斷供、2021 年某特用氣體廠火災造成的全球車用 MCU 缺貨，都是材料單點的實例。
• 設備單點：EUV 不僅機台是單點，其光源用的 錫液滴電漿（每秒約 50000 顆液滴，$\mathrm{CO}_2$ 雷射雙脈衝擊發） 與 多層 Mo/Si 反射鏡 的供應鏈同樣窄如針孔。

韌性工程的對策是把串聯改為並聯（多源採購、地理分散），但並聯需要備援產能，而備援在承平時期就是閒置成本——這正是下一節要量化的取捨。

在地化的成本：效率與安全的定量取捨

「在地化」（reshoring／friend-shoring）的核心訴求是降低地理單點風險，但它直接違反比較利益與規模經濟。我們可以用一個簡化的期望成本模型來框定這個取捨：

$$E[\text{總成本}] = C_{\text{生產}} + p_{\text{中斷}} \times L_{\text{損失}}$$

其中： - $C_{\text{生產}}$ = 在地化後的單位生產成本（通常上升） - $p_{\text{中斷}}$ = 供應中斷的年機率 - $L_{\text{損失}}$ = 一次中斷造成的期望損失

在地化把 $p_{\text{中斷}}$ 拉低，但把 $C_{\text{生產}}$ 推高。是否值得，取決於 $L_{\text{損失}}$ 的量級。

成本差距的實證量級

各方研究與廠商揭露大致指向：在高成本地區（如美、歐）新建並營運先進晶圓廠，其綜合營運成本較東亞聚落高約 30 %～50 %，主因包括：

• 人力成本：技術員與工程師薪資差距，且 fab 需 24/7 三班輪值。
• 建廠成本：潔淨室、廠務系統（超純水、特用氣體、廢氣處理）的工程與法規遵循成本較高。
• 生態系外部性：東亞聚落的地理鄰近效應——設備商、材料商、封測廠、人才庫在數十公里內形成的「聚集經濟」（agglomeration economy），新聚落需數年甚至十年才能複製。

韌性不是免費的

把上述代入模型可知，在地化本質是用確定的、持續的生產成本上升，去購買一份對抗低機率高損失事件的保險。理性決策的分水嶺是：

• 若 $\Delta C_{\text{生產}} < \Delta p_{\text{中斷}} \times L_{\text{損失}}$ → 在地化划算
• 若 $\Delta C_{\text{生產}} > \Delta p_{\text{中斷}} \times L_{\text{損失}}$ → 在地化是過度保險

對國防、關鍵基礎設施所需的晶片，$L_{\text{損失}}$ 趨近無限大（國安無法以金錢計量），在地化幾乎必然划算；但對消費級、價格敏感的標準品，過度在地化可能只是把成本轉嫁給消費者，韌性效益有限。這也是為什麼各國補貼政策傾向「分級」——對先進製程與戰略品項重金扶植，對成熟標準品則維持全球採購。

韌性策略工具箱與失效模式

供應鏈韌性的標準策略可分為四類，各有其代價與失效模式：

值得強調的失效模式是相關性陷阱（correlation trap）：名義上「多源」，但若所有來源都依賴同一上游材料、同一機台供應商、或同一地理風險帶，則各源的中斷機率高度相關，並聯備援在數學上退化為串聯。真正的韌性必須在整條鏈的每一階層檢視相關性，而非只看第一階供應商（tier-1）的家數。

前沿現況與研究方向

• 多階層可視化（multi-tier visibility）：當代研究與產業實務的重點，已從 tier-1 風險管理轉向tier-n 的繪圖與監測。許多致命單點藏在第三、第四階（如某特定前驅物的唯一原料供應商）。
• 數位孿生（digital twin）與壓力測試：以模擬重現地震、斷供、地緣封鎖等情境，量化各情境下的產出損失與恢復時間（time-to-recover, TTR）。
• 庫存的最適化重估：後疫情時代，「just-in-time」正部分讓位給「just-in-case」，但如何在不過度壓資金的前提下決定緩衝水位，仍是開放的最適化問題。
• 政策誘因與道德風險：補貼雖能降低在地化的私人成本，但也可能誘發產能過度擴張與未來的景氣循環崩跌，這是政策設計上的兩難。

核心結論：半導體供應鏈的韌性，本質是一場集中度帶來的效率紅利與單點故障帶來的尾部風險之間的持續博弈。沒有「最有韌性」的單一架構，只有針對特定品項、特定風險偏好的最適折衷。理解 HHI、串聯可靠度乘積、以及期望成本模型這三把分析工具，才能跳脫「在地化一定好」或「全球化一定對」的二元口號。

延伸閱讀：〈各國晶片補貼：CHIPS Act 與歐日韓〉、〈半導體地緣政治概論：為何晶片成為戰略物資〉。