劉克振身家 22 億美元：研華如何從工業電腦做到 Physical AI 與 AI 工廠？

劉克振身家22億美元：研華如何從工業電腦做到Physical AI與AI工廠？

《Forbes》2026 年估計研華科技創辦人劉克振的財富約 22 億美元。和台灣近年因 GPU、AI 伺服器與先進封裝暴增的富豪相比，劉克振代表另一條 AI 路線：研華沒有製造 GPU，它做的是把運算能力真正放進工廠、機器人、醫療設備、交通系統與各種不能只靠雲端運作的現場。

研華現在是全球最大的工業電腦業者之一，Forbes 估計全球市占約 41%。但這家公司 1983 年成立時，甚至還沒有今天熟悉的「工業電腦」市場。

實體索引｜AI 企業服務與製造實體

• 人物、公司與產品：劉克振身家22億美元：研華如何從工業電腦做到Physical AI與AI工廠？；核對人物、公司、AI／SaaS／ODM／工業電腦／伺服器產品、客戶、資料流程、工廠、併購與時間線。
• 原文錨點：《Forbes》2026 年估計研華科技創辦人劉克振的財富約 22 億美元 。和台灣近年因 GPU、AI 伺服器與先進封裝暴增的富豪相比，劉克振代表另一條 AI 路線：研華沒有製造 GPU，它做的是把運算能力真正放進工廠、機器人、醫療設備、交通系統與各種不能只靠雲端運作的現場。 研華現在是全球最大的工業電腦業者之一，Forbes 估計全球市占約 41%。但這家公司 1983 年成立時，甚至還沒有今天熟悉的「工業電腦」市場。 劉克振是誰？ 劉克振英文名 K.C. Liu，畢業於
• 產業脈絡：把模型或軟體、硬體、製造、資料、客戶導入、服務收入與全球布局連回具體商業流程。
• 編輯界線：區分公司定位、產品功能、營收／市場資料與作者推論；「Physical AI」需說明感測、控制或部署場景。

劉克振是誰？

劉克振英文名 K.C. Liu，畢業於交通大學電信工程系，曾任職惠普台灣電子儀器部門。1983 年，29 歲的劉克振與兩名 HP 台灣同事成立研華。

早年的研華沒有消費品牌，也沒有大量生產一般個人電腦。

它專門做企業、實驗室與工業現場需要的電腦設備。

這個選擇後來形成研華最重要的定位：不追最大的消費市場，而是處理一般 PC 無法可靠工作的特殊環境。

研華最早不是做AI，而是做測試設備

研華官方大事紀顯示，公司 1985 年開始推出標準 PC-based 自動測試系統，1987 年投入資料擷取卡，1989 年再把工業電腦 IPC 發展成第二條主要產品線。

工業電腦和家裡的 PC 最大差異不是運算原理。

工廠設備可能必須全年運轉，要面對震動、粉塵、高低溫、長產品週期，而且設備停機的成本遠高於換一台家用電腦。

因此客戶在意的是穩定、長期供貨、連接能力、維護與客製化。

這種市場不一定有最大出貨量，卻非常適合建立長期客戶關係。

為什麼研華後來會成為全球工業電腦龍頭？

工業電腦市場高度分散。

一間工廠可能需要機器控制。

醫院要醫療影像。

交通系統要車載電腦。

零售業需要 POS 與自助設備。

機器人又需要即時控制和視覺運算。

研華長期建立的能力，是把 Intel、AMD、ARM、NVIDIA 等通用運算平台重新包裝成可以直接放進各產業的硬體。

Forbes 目前將研華稱為全球最大工業 PC 業者，估計市占約 41%。

Edge AI到底是什麼？

ChatGPT 類服務通常把資料送到大型資料中心，再由雲端 GPU 處理。

Edge AI 則把 AI 模型直接放在資料產生的位置。

例如工廠攝影機拍到產品後，可以當場判斷瑕疵。

機器人可以在毫秒級時間內判斷障礙物。

醫療設備可以直接處理影像。

無人設備不需要把每一筆感測資料先傳到遠端資料中心再等答案。

這就是「Edge」。

研華現在的角色，是提供能讓這些 AI 模型在現場穩定運作的工業級電腦。

NVIDIA Jetson讓研華從工業電腦走進機器人

研華目前已經把 NVIDIA Jetson Thor、Jetson Orin、IGX Thor 等平台做成完整 Edge AI 產品。

Jetson 系列最大的價值，是把 GPU AI 算力縮進相對低功耗、體積較小的邊緣設備。

研華再加上工業 I/O、攝影機、感測器、網路、散熱與長期供貨設計，就可以把它放進 AMR、機械手臂、人形機器人、醫療或智慧交通設備。

2026 年研華已經公開展示以 Jetson Thor 為核心的人形機器人與 Physical AI 解決方案。

Physical AI為什麼比生成式AI更接近研華的本業？

生成式 AI 處理文字、圖片與程式碼。

Physical AI 必須理解真實世界，然後採取動作。

機器人要知道人在什麼位置。

自駕設備要理解道路。

工廠設備要判斷零件與瑕疵。

AI 做出的決定最後還必須控制馬達、機械手臂、感測器或其他設備。

這些工作都需要非常靠近現場的運算能力。

因此 Physical AI 的成長，反而比純雲端 AI 更直接對應研華四十多年累積的工業電腦與 I/O 能力。

2026年研華開始做「AI Factory Brain」

研華下一步已經不只是賣一台 AI 電腦。

2026 年，公司與 NVIDIA 擴大合作，公布 AI Factory Brain 架構，把 NVIDIA NemoClaw、Factory Operations Blueprint、RTX PRO、Jetson Thor 和研華自己的 WEDA 軟體架構串在一起。

目標是讓 AI Agent 直接讀取工廠的生產、影像與設備資料，再執行分析與控制。

研華甚至先在自己的工廠驗證。

官方公布的 Production Line Efficiency Agent 在約六個月試驗期間，使生產線效率提高約 12%；另一套能源 Agent 完整部署後預估可減少約 10% 工廠能源使用。

這是一個很重要的改變。

研華正在從「賣工業電腦」移向「提供工廠執行 AI 的整套平台」。

2025年營收708億元，Edge AI開始反映在財報

2025 年研華合併營收達 708.82 億元、年增 19%，創歷史新高。

稅後淨利約 105.93 億元、年增 18%，EPS 為 12.25 元。

公司在 2026 年法說中把 2025 年營收創高的重要背景之一，直接指向 Edge AI 升級與各區域需求成長。

2026第二季營收261億元，又創新高

成長在 2026 年進一步加速。

第一季研華營收 203.85 億元、年增 17%，淨利 33.34 億元，EPS 3.85 元，營收與淨利均創當時單季紀錄。

第二季營收再升至 261.26 億元、年增 46.5%，刷新單季紀錄；6 月單月營收更首次突破 100 億元，達 101.23 億元、年增 73.4%。

研華管理層將近期需求強勁部分歸因於 Edge AI 應用加速落地。

這讓研華與前面資料中心供應鏈公司產生很重要的區別：

資料中心正在建更多 AI 算力；研華押的是這些模型接下來會走出資料中心。

劉克振2026年底為什麼要卸任CEO？

研華同時正在發生另一個重要事件：接班。

劉克振在 2026 年 3 月法說會表示，目前董事長與 CEO 都由自己擔任，但計畫在 2026 年底卸下 CEO，未來最高管理架構將調整為 CEO、COO 與 CFO。

截至目前公開資料，研華尚未正式確認最後由誰接任 CEO。

這一點尤其值得注意。

Forbes 資料顯示，劉克振兩個兒子 Wesley、Tony 都已進入董事會；但目前的 CEO 接班規畫同時高度依賴公司既有專業經理人。

因此研華不像單純的「創辦人傳子」。

它正在測試的是：一家創辦人主導超過四十年的台灣科技企業，能否真正建立制度化接班。

劉克振真正押中的，是「電腦會走進每一種機器」

1983 年創業時，個人電腦才剛開始普及。

劉克振選擇的卻不是做另一個 PC 品牌。

研華持續把 PC 架構放進測試設備、工廠、醫療、交通、零售與各種特殊場域。

到了 IoT 時代，它變成 Edge Computing。

到了生成式 AI 時代，它又變成 Edge AI。

現在進一步走向 Physical AI 與機器人。

技術名詞一直在換，底層判斷其實相當一致：

當運算越來越便宜、越來越小，它就會進入更多真實世界的設備。

劉克振的 22 億美元財富，與研華四十多年來一直站在這條運算下沉路徑上有直接關係。

劉克振的重要貢獻，不能只用「工業電腦創辦人」概括

劉克振與研華常被放進工業電腦、AI 工廠或台灣科技富豪的快速敘事裡，但這些標籤沒有回答一個更重要的問題：研華如何把一項硬體能力，逐步變成能在不同產業、不同國家與不同客戶現場交付的邊緣運算平台？研華官方主管介紹把劉克振列為創辦人兼董事長，並以 1983 年創業、工業物聯網與 Edge AI、全球據點及企業使命描述他的企業角色。這些是官方自述，人物貢獻仍要從產品、組織、客戶與治理四個層次核對。

本文不把研華的營收、股價、AI 題材或任何市占率全部歸因於劉克振，也不把官方展示的 AI 工廠情境當成每一個客戶都已導入。研究這位企業家的方法，是把「做出工業電腦」「建立垂直解決方案」「讓硬體、軟體與夥伴協作」「在全球現場持續服務」分開，觀察哪些能力可以被年報、產品資料與治理文件交叉驗證。

第一項貢獻：把工業電腦從單一設備做成長期平台

工業電腦與消費性電腦的差異，不只在外觀或規格，而在溫度、震動、粉塵、長時間運作、通訊介面、維修週期與現場整合。研華官方歷史資料將公司發展放在工業電腦與自動化脈絡，這使劉克振的重要貢獻可以從「建立能長期運作的產品平台」來理解：主機板、嵌入式系統、工業網路、資料擷取與邊緣設備，需要共同面對客戶的設備生命週期。

平台化的價值在於，客戶不必每次改造都從零開始。只要處理器、I/O、通訊、機箱、驅動程式與管理工具能形成可延伸架構，設備商就能把研發成果帶到機器視覺、能源、交通、醫療或製造現場。評估這項貢獻時，應查產品生命週期、相容性、備料、韌體支援與維修資料，而不是只看某一年度推出多少新機種。

第二項貢獻：由硬體規格轉向 Edge AI 與邊緣運算

雲端適合集中式運算，但工廠、車站、醫療設備與能源現場常需要低延遲、斷線仍可運作、資料留在現場，以及依設備條件即時反應。研華官方公司介紹把 Edge Computing、Edge AI 與多個產業市場放在同一個定位中；這可以用來檢視研華如何把工業電腦延伸成感測、運算、通訊、模型部署與管理的邊緣節點。

「AI 邊緣」不是把 AI 字樣貼在舊硬體上。真正的交付還包括資料品質、模型更新、GPU 或加速器相容性、現場網路、資安、權限、監控與失效時的人工流程。劉克振的企業貢獻若要成立，應觀察研華是否建立了可重複的硬體、軟體與服務組合，以及客戶能否在不同工廠或設備上複製，而非只引用一次性的展示案例。

第三項貢獻：用產業導向策略處理「每個現場都不同」

工業自動化、能源、公用事業、醫療、零售與交通的需求不同；同一台電腦若沒有產業知識，仍可能需要客戶自己完成大量整合。研華官方 About 頁面以產業市場、Edge AI 與 WISE-IoT 等方向說明公司布局，反映出它不只是販售通用硬體，也試圖把參考架構、軟體工具、合作夥伴與現場服務組合起來。

這種策略的難處是平衡標準化與客製化。太標準，可能無法符合設備商的通訊協定與法規；太客製，則會讓每個專案都變成一次性工程。研究研華時，可以逐案檢查：哪部分是共用平台？哪部分是產業模組？哪部分由研華、系統整合商或客戶負責？這比只看「AI 工廠」四個字，更能判斷解決方案的可複製性。

第四項貢獻：把 WISE-IoT 與夥伴生態系放進商業交付

邊緣運算的價值不會只由一台設備完成。資料採集、裝置管理、資料庫、視覺模型、雲端服務、資安與系統整合都可能由不同廠商提供。研華官方資料將 WISE-IoT、夥伴合作與垂直應用放在解決方案脈絡裡；這讓劉克振的管理貢獻可從「建立共同交付的生態系」來分析，而不是把所有成果都視為單一公司獨力完成。

生態系要能留下可驗證的商業成果，必須說清楚 API、資料責任、維運分工、認證、資安更新與客戶支援。合作夥伴數量本身不等於平台成功；更重要的是，合作方案能否縮短部署時間、降低停機風險、保留客戶資料控制權，並在設備增加時維持管理品質。這也是硬體公司往軟體與服務移動時最容易被忽略的成本。

第五項貢獻：用全球據點把產品能力變成現場服務

工業設備的客戶不只買一次硬體，還需要選型、測試、認證、安裝、韌體更新、備品與故障處理。研華官方主管介紹與公司資料描述全球業務與據點；若這些網路能讓工程與服務更靠近客戶，便可能形成工業市場的轉換成本。劉克振的貢獻要從組織能力判斷：總部的產品平台如何與地方團隊的產業知識互相回饋？重大客戶的需求如何回到研發與品質流程？

全球化也帶來庫存、法規、資安、人才與供應鏈風險。研究時要把地區收入、存貨、交期、保固、研發投入與夥伴服務網路放在一起看，不宜只把「遍及多國」直接等同於競爭優勢。真正的護城河，應該能在客戶設備跨國部署、規格變更或供應中斷時，仍維持可預期的交付。

第六項貢獻：讓創辦人理念進入企業治理與接班

研華官方主管資料提到劉克振的企業理念與公益方向，官方董事會頁面與治理文件則提供董事角色、獨立性、委員會與董事會運作的核對入口。這些資料不能單獨證明接班已完成，也不能把創辦人的管理格言當成制度成效；但它們能讓研究從個人魅力移向制度問題：決策權如何分配？專業經理人如何被問責？工程、品質與資安責任是否能在創辦人不直接介入時延續？

治理與公益也要放回商業脈絡。工業設備涉及工安、資料、能源與長期維護，企業若要成為客戶的基礎設施供應商，就必須處理董事會監督、供應商要求、人才培訓、環境管理與資訊揭露。劉克振的重要貢獻若已超越創業本身，應能在這些可重複、可審查的流程裡留下痕跡，而不只是演講或品牌故事。

如何驗證研華與劉克振的產業影響

讀者可以建立一份五欄表：產品平台、邊緣 AI、產業方案、夥伴生態系、全球服務與治理。每一欄都標記官方自述、年報數字、客戶公告、獨立市場研究與仍待驗證的推論。研華年報入口與歷史資料適合核對年度策略與組織變化；董事會與多元獨立性文件適合核對治理邊界；主管介紹與公司 About 頁面則適合核對企業自我定位。不同來源的用途不同，不能把一頁產品介紹當成財務或市占證據。

延伸閱讀可對照 YOLO LAB 的洪水樹與精密製造供應鏈、張忠謀與純晶圓代工平台、葉南宏與通訊晶片日常裝置。這些文章不是研華的合作或背書證據，而是讓讀者比較「製程、平台、客戶、交付與治理」如何在不同產業形成長期價值。

本輪官方來源與證據邊界

本輪使用研華官方主管介紹、公司 About、歷史、首頁、董事會、年報入口、董事會多元與獨立性文件，以及創辦人策略演講資料，核對劉克振的角色、研華的產品與組織定位。官方來源屬企業自述；市占率、特定客戶、AI 營收因果、富豪榜數字與每一個工廠導入，仍需年報、客戶公告或獨立來源交叉驗證。本文提供的是商業人物研究框架，不是研華、劉克振或任何產品的投資、採購與工程選型建議。

• 研華官方劉克振主管介紹：創辦人、董事長與企業使命資料。
• 研華官方 About：Edge Computing、Edge AI、WISE-IoT 與產業市場定位。
• 研華官方歷史與里程碑：公司發展脈絡。
• 研華官方董事會：董事角色與治理資料入口。
• 研華官方年報入口：年度策略與財務文件索引。
• 研華官方首頁：產品與解決方案定位。
• 研華董事會多元、獨立與治理目標 PDF：治理邊界與董事會文件。
• 研華官方創辦人策略演講 PDF：企業理念與策略敘事的原始資料。

常見問題

劉克振目前身家多少？

Forbes 2026 台灣 50 大富豪榜對劉克振的基準日財富估值約為 22 億美元。該數字會隨研華股價變動。

研華是哪一年成立？

研華於 1983 年正式成立，之後在 1989 年開始發展工業電腦產品，1999 年上市。

研華主要做什麼？

研華主要提供工業電腦、嵌入式運算、IoT、Edge Computing 與 Edge AI 軟硬體平台，應用橫跨製造、機器人、醫療、交通、零售與智慧城市。

研華為什麼和NVIDIA有關？

研華大量採用 NVIDIA Jetson、IGX Thor、RTX PRO 等平台，並在 2026 年與 NVIDIA 擴大 Physical AI、機器人與 AI Factory Brain 合作。

劉克振什麼時候卸任CEO？

劉克振已表示計畫在 2026 年底卸下研華 CEO 職務；截至目前，最終接任者尚未由公司正式確認。

2025 財報：研華把工業電腦的規模轉成 Edge AI 平台

劉克振與研華的關鍵，不是把「AI」貼到既有工業電腦上，而是讓硬體、軟體、服務與長期客戶關係一起產生可重複的收入。研華 2025 年報列出合併營收 708.82 億元、年增 18.56%，毛利 281.98 億元、毛利率 39.8%，營業利益 115.67 億元、年增 28%，歸屬母公司淨利約 105.92 億元、年增 17.6%，每股盈餘 12.25 元。四大事業群也都達到雙位數成長，這讓 Edge AI 不再只是產品簡報，而是開始進入可檢查的財報結果。

FY2025 指標	官方數值	可借鏡的經營讀法
營收	NT$70.882bn，年增18.56%	工業電腦、嵌入式、IoT 自動化與服務共同放大市場
毛利	NT$28.198bn，毛利率39.8%	高客製化與解決方案整合必須守住產品組合與報價紀律
營業利益	NT$11.567bn，年增28%	規模成長若能跑過費用增幅，平台化才開始反映在利潤
歸屬母公司淨利	約 NT$10.592bn，年增17.6%	用淨利與 EPS 檢查 Edge AI 敘事是否落到股東回報
EPS	NT$12.25	搭配現金股利與資本支出閱讀，避免只看營收排名

年報同時揭露 DDR4、SSD 等關鍵零件成本上升，長約又無法立即把成本全數轉嫁，毛利因此承壓。研華採用 PPV（Purchase Price Variance）價格結算機制，並對個別零組件採雙週報價，縮短成本變化到客戶報價的時間差。這是一個很適合台灣製造商借鏡的細節：真正的護城河不是喊出「AI 工廠」，而是把採購、報價、庫存、交期與毛利管理變成每天可執行的流程。

從工業電腦到 AI Factory Brain：公司名、產品名與人物策略

研華的品牌脈絡可以拆成三層。第一層是 Edge Computing 硬體：嵌入式電腦、模組、GPU 系統、工業網路與邊緣伺服器；第二層是 WISE-IoT、EdgeSync 與新推出的 WEDA（WISE-Edge Developer Architecture）軟體架構；第三層才是把感測、MES、WMS、SAP 與 AI agent 串成工廠營運的 AI Factory Brain。劉克振的長期判斷，不是押中某一張晶片，而是把研華從「賣一台工業電腦」推向「讓客戶更快部署整套現場系統」。

這種平台打法也解釋研華為什麼要和 NVIDIA、Intel、AMD、Qualcomm 等夥伴共同開發，而不是只依賴單一處理器。研華 2025 年報描述 WEDA 以容器化、標準化架構預整合不同半導體夥伴的 AI SDK，縮短客戶從開發到部署的時間；2026 年官方 AI Factory Brain 公告則指出，研華在自有工廠驗證兩個 AI agent 試點，生產線效率提升約 12%，iEnergy Agent 完整部署後預估可降低約 10% 工廠能源消耗。這些是公司披露的試點／預估數字，不能直接當成所有客戶都會複製的保證，但它們提供了比「智慧工廠」更可追蹤的驗收指標。

桃園、龜山與全球製造：台灣供應鏈如何接上產品策略

研華年報列出的製造網路包含中國昆山、台灣桃園龜山與日本能登；桃園與能登的新設備投資，分別把產能提高約 15% 與 35%。公司也規劃逐步改用 cross-docking 物流模型，從工廠到區域倉再到客戶的兩段式流程，轉向更直接的交付。對台灣供應鏈而言，這代表機會不只在主機板或零組件，而在測試、散熱、工業網通、倉儲、製造軟體、維修與區域服務能否一起縮短交付週期。

但不能看到 NVIDIA 或 AI Factory Brain 就直接推定某家台灣公司是研華供應商。較嚴謹的做法，是把研華公開的產品線與年報財務，對照台灣上市公司的資本支出、產品認證、客戶集中度與法說會用語，再建立「可能受惠」的假說。讀者可延伸閱讀台積電純晶圓代工平台、AI 伺服器系統整合、Applied Materials 半導體設備平台，比較晶圓、伺服器、工業邊緣裝置在供應鏈治理上的共同點與差異。

拆解劉克振與研華策略的五個問題

1. 看收入品質：營收成長來自一次性硬體出貨，還是軟體、服務與長期客戶共同推動？
2. 看毛利防守：DDR4、SSD 漲價時，PPV 與雙週報價能否把成本變化轉成可管理的價格？
3. 看平台黏性：WISE、WEDA、EdgeSync 是否讓客戶換平台的整合成本變高？
4. 看工廠驗收：AI agent 是否能用 OEE、良率、MTTR、能源與產線效率具體驗證？
5. 看台灣根基：桃園龜山的製造、測試、物流與人才，如何和全球在地交付網路互相支援？

這套長青框架把劉克振、研華、Edge AI、WISE、WEDA、AI Factory Brain 與台灣製造網路放在同一張可更新的地圖上。下一次財報更新時，可以沿著營收、毛利、營業利益、EPS、零件成本、產能利用率、AI agent 效率與交付週期逐項比較；這比把研華簡化成「工業電腦龍頭」更接近它如何把台灣工程能力變成全球產品平台。

官方資料：研華投資人關係年報頁、研華 2025 年報 PDF、研華 AI Factory Brain 官方公告。

資料來源

Forbes《Taiwan’s 50 Richest 2026》與劉克振人物資料；研華科技官方公司沿革、主管資料、Edge AI、Physical AI、Jetson Thor、IGX Thor、AI Factory Brain 與財務公告；中央社 2026 年接班與營收相關報導。