量子電腦、AI 設計晶片，甚至用「印」的做封裝：SEMICON Taiwan 2026 最特別的公司來了

走進 SEMICON Taiwan，最容易看到的名字通常是台積電、東京威力科創、Lam Research、Applied Materials，以及各種封裝、材料與設備大廠。

但 SEMICON Taiwan 2026 真正有趣的一角，反而藏在那些名字多數人從沒聽過的公司裡。

今年 SEMI 特別設置 Silicon Startups Zone，集合 AI、下一代運算、量子技術、矽光子、先進製造、先進封裝、設備與材料等新創。與此同時，量子技術也首次成為展會重要主題之一。

如果暫時不看誰的營收最大，而是問一個不同的問題：今年 SEMICON Taiwan 到底有哪些公司正在做最不像傳統半導體的事情？

答案可能比想像中有趣。

D-Wave Quantum：量子電腦公司直接走進半導體展

首先最醒目的名字之一，是 D-Wave Quantum。

這是一家來自加拿大的量子運算公司，也是全球最早將量子計算系統推向商業市場的企業之一。D-Wave 長期以 Quantum Annealing，也就是量子退火架構聞名，同時也投入 Gate-Model 閘模型量子運算技術。

D-Wave CEO Alan Baratz 也出現在 SEMICON Taiwan 2026 的官方陣容中。

乍看之下，量子電腦似乎與晶圓代工、HBM、CoWoS 沒有直接關係，但實際上量子計算非常依賴半導體產業。

量子處理器需要特殊製程、材料、低溫電子、控制晶片、封裝、訊號傳輸以及極精密的量測設備。即使量子位元本身不等同傳統 CMOS 電晶體，真正把一台量子電腦做成可以穩定運轉的機器，仍然需要大量半導體工程。

因此，D-Wave 出現在 SEMICON Taiwan 的意義並不只是「量子公司來參展」。

它反映的是量子運算正逐漸從純研究領域，開始與成熟的半導體供應鏈發生交集。

如果未來量子電腦真的要從實驗室走向大量部署，台灣擅長的製程、封裝、基板、控制電子與精密製造，幾乎都可能成為其中的一部分。

Elephantech：下一代封裝，也許真的可以用「印」的

如果 D-Wave 是最科幻的一家公司，那日本 Elephantech 可能是今年最有「這也可以？」感覺的技術之一。

Elephantech 是一家日本 Deep Tech 公司，專攻銅奈米材料與 Additive Manufacturing，也就是積層製造。

它所開發的核心技術之一，是約 15nm 等級的 Self-Assembling Copper Nanoparticles，自組裝銅奈米粒子。

更特別的是，Elephantech 把這些材料與 AI 控制的 Precision Inkjet Manufacturing 精密噴墨製造結合，希望直接把銅沉積到需要的位置。

概念上有點像極端精密版的工業印表機。

傳統半導體與封裝製程大量採用減法製造：先鋪上一整層材料，再利用微影、蝕刻等方式把不需要的部分移除。

Elephantech 嘗試走的路線則相反。

需要多少，就在指定位置放多少。

這種 Additive Manufacturing 如果能做到足夠精密與穩定，就有機會減少材料浪費與部分複雜製程。

公司目前把技術瞄準高深寬比 Via 金屬化、玻璃基板互連、Through-Glass Via、先進封裝與熱管理等領域。

尤其 AI 晶片封裝正在快速變大，玻璃基板、TGV 與更高密度銅互連成為重要研究方向，讓這類原本相對偏門的奈米印刷技術突然出現新的市場入口。

AlixLabs：不用一直增加曝光次數，也想繼續縮圖案

來自瑞典的 AlixLabs，則是在挑戰半導體產業另一個最昂貴的問題：圖案愈做愈小，微影成本也愈來愈高。

AlixLabs 在 SEMICON Taiwan 2026 展示的核心技術叫 Atomic Layer Etch Pitch Splitting，簡稱 APS。

從名字就可以看出它非常不尋常。

傳統先進製程如果希望增加圖案密度，可能需要 Multiple Patterning，也就是多重圖案化，透過額外曝光與製程步驟產生更細密的結構。

問題是每增加一次曝光、沉積、蝕刻與對準，都意味著更多設備時間、成本與誤差來源。

AlixLabs 的想法，是利用高度控制的 Atomic Layer Etching 原子層蝕刻，在既有結構上進一步產生更細的 Pitch。

換句話說，它想利用蝕刻本身協助完成圖案密度倍增，而不是單純繼續堆疊更多微影步驟。

這不代表它可以取代 EUV，更不代表下一代製程突然不需要 ASML。

真正值得注意的是，AlixLabs 正試圖攻擊先進節點一個非常現實的問題：Patterning 成本。

當 EUV 設備與整體製程成本愈來愈昂貴，任何能減少步驟、降低 Mask 數量或提升圖案化效率的方法，都可能具有巨大的經濟價值。

Quantum NIL：不用光刻，拿奈米級模具直接「壓」出結構

另一家名字也非常容易讓人停下來看的公司，是 Quantum NIL Corporation。

它所投入的是 Nanoimprint Lithography，也就是奈米壓印微影。

傳統 Photolithography 是利用光把圖案轉移到晶圓上，而 Nanoimprint 的思路完全不同。

工程師先製作具有奈米級圖案的模具，再利用接觸與壓印，把結構複製到材料表面。

直覺上，可以把它理解成一個精度達到奈米尺度的印章。

Nanoimprint 並不是今年突然冒出來的新概念，這條技術路線已研究多年，但它一直具有一個非常迷人的優勢：理論上不需要依靠極端複雜的光學系統來產生奈米圖案。

挑戰則在缺陷、模具壽命、對位、污染與量產可靠度。

Quantum NIL 在 SEMICON Taiwan 2026 帶來的是以 Nanoimprint Lithography 為基礎的 Flexible Hybrid Foundry Platform。

這種技術未必會正面取代先進邏輯晶片的 EUV，但在光學元件、特殊結構、感測器、Photonics 等應用上，奈米壓印一直是值得觀察的替代製程。

Leafy Lab：最難自動化的類比 IC，開始交給 AI Agent

今年另一個很值得注意的方向，不是在製造晶片，而是在問：晶片到底還需要多少人來設計？

Leafy Lab 在 9 月 2 日 Silicon Startups Stage 展示的題目，是 Agentic AI for Automated Analog and Mixed-Signal Circuit Design。

也就是利用 AI Agent 自動進行類比與混合訊號電路設計。

這件事情比一般所謂「AI 幫工程師寫程式」有趣很多。

數位 IC 設計早已大量利用 EDA 工具自動完成 Logic Synthesis、Place and Route 等工作，但 Analog IC 一直非常依賴工程師經驗。

電晶體尺寸、Bias、Noise、Matching、Layout Parasitics，以及各種製程變異，都可能影響結果。

很多類比 IC 設計知識甚至帶有很強的經驗性。

因此，如果 Agentic AI 能真正開始處理 Analog 與 Mixed-Signal Design，自動探索設計空間、模擬、修改參數並逐步收斂，它碰到的是半導體設計中最難被自動化的區域之一。

這也是為什麼 AI for EDA 可能成為接下來數年很重要的半導體題材。

AI 不只是需要更多晶片。

AI 正開始回頭設計晶片。

SiliconMind：把一整群 AI Agent 關進晶片公司的內網

同一場議程裡還有 SiliconMind。

它把自己的方向稱為 The Chip AI Factory，主打 Private、On-Premise AI Agents for Autonomous IC Design。

其中 On-Premise 特別值得注意。

晶片設計公司的 RTL、IP、驗證資料、製程資訊與未公開產品藍圖都屬於極高敏感度商業機密，很難直接丟進公有 AI 服務。

因此半導體產業真正導入 Agentic AI 時，很可能不像一般企業直接打開 ChatGPT 或其他雲端 AI，而是建立企業內部、與設計資料隔離的 Private AI Agent 系統。

SiliconMind 正好瞄準這個市場。

如果這種模式成熟，未來一家 IC 設計公司的 EDA 環境裡，可能不只有工程師與工具，而是一整群負責不同任務的 AI Agent。

RAAAM：大家都在看 HBM，它偏偏跑去解決 SRAM

以色列記憶體新創 RAAAM 則挑了一個非常典型、卻不像 HBM 那麼受到一般市場注意的問題：SRAM 太佔晶片面積。

SRAM 是處理器內部高速 Cache、Buffer 與 Local Memory 的重要基礎。

問題在於，標準 SRAM Cell 通常需要多顆電晶體組成，因此在先進晶片裡會消耗非常可觀的 Die Area。

AI Accelerator 需要大量 On-Chip Memory，這讓 SRAM Density 逐漸成為限制晶片設計的重要因素。

RAAAM 在 SEMICON Taiwan 2026 的題目直接叫做 Resolving the SRAM bottleneck using the highest density on-chip memory in standard CMOS。

它最值得注意的地方，在於希望利用標準 CMOS 製程提高 On-Chip Memory Density，而不是要求晶圓廠增加一整套完全不同的特殊記憶體製程。

如果可以在相同晶片面積裡放下更多高速本地記憶體，AI Accelerator 就可能減少部分外部資料搬移，改善延遲與能源效率。

這家公司沒有 D-Wave 那麼科幻，但從晶片架構角度看，它碰到的問題可能非常實際。

SEMICON 真正有趣的地方，往往不在最大的攤位

SEMICON Taiwan 2026 有超過 1,300 家企業、4,300 個攤位。

最大的攤位自然容易吸引目光。

但如果把視角往旁邊移，今年反而能看到非常不同的半導體未來。

D-Wave 正把量子運算拉進半導體供應鏈；Elephantech 嘗試利用奈米銅與精密印刷製造下一代封裝；AlixLabs 想用原子級蝕刻降低 Patterning 複雜度；Quantum NIL 繼續押注奈米壓印；Leafy Lab 與 SiliconMind 則直接讓 AI Agent 進入 IC Design；RAAAM 則從晶片內部重新思考 SRAM。

這些公司未必都會成功。

Deep Tech 新創最大的特徵之一，就是很多技術最後可能卡在良率、成本、設備相容性、量產速度甚至客戶驗證週期。

因此，把任何一家公司直接稱為「下一個台積電」都沒有意義。

但它們重要的地方，也不在現在值多少錢。

它們讓我們看到整個半導體產業正在同時探索多少條支線。

下一次重大突破不一定只是 2nm 變成 1.4nm。

它也可能來自一種新的蝕刻方式、一種可以印刷的銅材料、一個更密的記憶體 Cell、一群自己跑 EDA 的 AI Agent，甚至是一台工作在接近絕對零度的量子電腦。

如果說台積電、ASML 與 NVIDIA 展示的是半導體產業現在的力量，那麼 SEMICON Taiwan 角落裡這些奇怪的小公司，展示的更像是產業正在下注的未來。

Tech English 專有名詞

1. Quantum Annealing（量子退火）：利用量子效應尋找最佳化問題低能量解的一種量子計算方法，D-Wave 是目前最具代表性的商業化公司之一。

2. Additive Manufacturing（積層製造）：只在需要的位置增加材料的製造方式，與先沉積材料再移除部分區域的傳統減法製程不同。Elephantech 將其應用於高精度銅沉積與先進封裝。

3. Atomic Layer Etching, ALE（原子層蝕刻）：透過高度控制的循環反應，以接近原子層尺度逐步移除材料，可提供極高的蝕刻精度。

4. Nanoimprint Lithography, NIL（奈米壓印微影）：利用具有奈米圖案的模具直接複製微細結構，不依靠傳統曝光方式產生圖形。

5. Agentic EDA（代理型電子設計自動化）：把 AI Agent 導入晶片設計工具流程，使 AI 不只提供建議，而能主動執行模擬、驗證、參數調整與設計迭代等工作。

6. On-Chip Memory（晶片內記憶體）：直接整合在處理器或加速器晶片內部的高速記憶體，常以 SRAM 為主，可降低資料存取延遲，但會占用大量晶片面積。