童子賢如何讓和碩追趕 AI 伺服器?華碩分拆、DMS 與 AI Factory

童子賢與和碩在 2026 年最值得看的,不是他又一次談 AI,而是和碩正在補一門過去並不領先的生意:AI 伺服器。和碩已把伺服器團隊擴大到千人規模,推出 NVIDIA Vera Rubin、液冷 Rack 與 AI Factory 架構;童子賢自己也承認,公司在這個市場起步較晚。
把時間往前拉,這其實很像童子賢職涯反覆出現的問題:當原本熟悉的產業位置開始改變,要如何把既有工程、設計、供應鏈與製造能力重新組合,換到下一個還有成長空間的位置。
- 童子賢是華碩共同創辦人,目前為和碩聯合科技董事長暨策略長。
- 和碩法人於 2007 年設立;華碩於 2008 年完成品牌與 ODM/OEM 製造業務的分離。
- 和碩的核心長期定位是設計整合服務製造,也就是 DMS,而不只是單純組裝。
- 2026 年和碩已把 AI Server 團隊擴大到千人規模,並推出 Vera Rubin、液冷 Rack 與 AI Factory 方案。
- 童子賢目前最大的商業課題,是證明和碩能否把消費電子累積的量產能力轉成 AI 基礎設施競爭力。
這篇文章主要在談什麼? 童子賢是華碩共同創辦人、和碩董事長暨策略長。從2007至2008年的品牌與製造分拆,到2026年千人伺服器團隊、Vera Rubin與AI Factory,解析和碩如何用DMS製造能力追趕AI基礎設施。
讀者首先要掌握哪個重點? 童子賢是華碩共同創辦人、和碩董事長暨策略長。從2007至2008年的品牌與製造分拆,到2026年千人伺服器團隊、Vera Rubin與AI Factory,解析和碩如何用DMS製造能力追趕AI基礎設施。先抓住這個主軸,再閱讀後續細節。
標題中的關鍵對象有哪些? 童子賢如何讓和碩追趕 AI 伺服器?華碩分拆、DMS 與 AI Factory;文中依此整理相關人物、作品、事件或概念。
本文整理了哪些背景或脈絡? 文章從「童子賢 文化閱讀」出發,補上形成背景、發展脈絡與讀者最容易混淆的重點。
這個主題的核心差異或看點是什麼? 核心看點在於把「童子賢 文化閱讀」放回具體例子與前後關係中比較,而不是只列出名詞。
讀者可以從文中得到哪些實用資訊? 文中依序整理關鍵名詞、人物/作品或事件,以及相關時間、地點、規格或觀察角度;細節以本文段落與引用來源為準。
這篇內容適合哪些搜尋需求? 適合想快速了解「童子賢 文化閱讀」定義、背景、差異與延伸脈絡的讀者。
閱讀與查證時應注意什麼? 若涉及活動、票價、上映、產品或時程,資訊可能更新,請以文中列出的官方或原始來源最新公告核對。
一句話怎麼總結? 童子賢是華碩共同創辦人、和碩董事長暨策略長。從2007至2008年的品牌與製造分拆,到2026年千人伺服器團隊、Vera Rubin與AI Factory,解析和碩如何用DMS製造能力追趕AI基礎設施。YOLO LAB 將資訊整理成可快速理解與延伸查證的架構。
文章實體化:童子賢如何讓和碩追趕 AI 伺服器?華碩分拆、DMS 與 AI Factory
本文以「童子賢如何讓和碩追趕 AI 伺服器?華碩分拆、DMS 與 AI Factory」為主線,補回模型/工具、輸入輸出、版本、成本、測試與使用邊界,讓技術名詞回到可執行的工作流程。
- 核心元件:把標題中的模型、工具、格式或協定對應到實際輸入、輸出與依賴。
- 驗證方法:記錄版本、資料、環境、基準、錯誤案例與人工檢查,避免只引用功能宣稱。
- 治理邊界:說明權限、資料保存、成本、失敗回復與何時需要人工介入。
涉及版本、價格或 API 行為時,以文章原始資料與供應商最新文件核對。
童子賢是誰?從宏碁工程師到華碩共同創辦人
童子賢出生於花蓮,臺北工專電子科畢業後進入宏碁擔任工程師。1989 年,他與幾名工程師共同創立華碩,從主機板設計切入個人電腦產業。
華碩早期最大的突破,是快速建立主機板研發能力。童子賢之後也參與筆記型電腦與工業設計體系的建立,讓公司從零組件進一步走向完整產品與自有品牌。
這段經歷很重要,因為童子賢後來進入和碩時,並不是一名只熟悉工廠成本與交期的製造經理。他已經同時看過研發、品牌、設計與製造如何彼此衝突。
這也成為理解和碩的第一個入口。
華碩與和碩為什麼要分開?
華碩成長後,同時擁有兩種角色:一方面經營 ASUS 自有品牌,另一方面又替其他電腦品牌設計與製造產品。
兩種生意放在同一家公司,天然存在利益衝突。
品牌客戶很難完全放心把產品規格、成本與未來計畫交給同時也是競爭品牌的製造商;華碩本身也需要讓品牌與製造兩套組織擁有更清楚的資源配置方式。
和碩聯合科技於 2007 年完成公司設立,華碩官方則將 2008 年列為 ODM/OEM 製造業務正式分離的重要時間點。
分拆之後,ASUS 繼續發展品牌;PEGATRON 則專注設計、工程與製造。今天兩家公司是獨立企業,不能再把和碩寫成「華碩代工部門」。
對童子賢而言,這等於第二次創業。
和碩的 DMS 到底和一般代工有什麼不同?
和碩長期使用 DMS,也就是 Design and Manufacturing Service/設計整合服務製造,描述自己的位置。
製造商如果只負責最後組裝,很容易陷入價格競爭。DMS 希望把產品設計、工程驗證、零組件整合、機構設計、測試、供應鏈與大量製造放在同一套服務裡。
這套模式真正重要的是「接口」。
客戶有產品概念,但要變成幾百萬台可以穩定生產的產品,中間必須處理材料、散熱、電磁相容、結構、公差、韌體、測試、工廠良率與全球供應。
和碩長期累積的,就是把這些不同工程問題整合成可以量產的能力。
因此,童子賢的公司不是靠某一個明星產品建立護城河,而是靠「別人的產品能不能順利變成大量商品」獲利。
為什麼 AI Server 對和碩特別重要?
過去消費電子製造有一個結構性問題:產品數量很大,但毛利率普遍不高,而且客戶集中度高。
AI Server 則把製造難度向上推。
一台高階 AI Server 不只需要 GPU 和 CPU,還包含高速網路、電源、儲存、液冷、Rack、韌體與整個 Data Center 的部署問題。當系統進一步走向 Rack-scale AI,製造商交付的已經不只是單一主機。
這對和碩形成新的機會。
原本累積的機構、主機板、供應鏈與大量製造能力仍然可以使用,但必須再補上 Server Architecture、Liquid Cooling、高速互連與 Data Center Deployment。
換句話說,AI Server 是和碩既熟悉又陌生的市場。
熟悉的是製造。
陌生的是資料中心級系統。
童子賢承認和碩起步晚,反而是這條故事最重要的地方
2026 年 COMPUTEX,童子賢公開表示,和碩在伺服器市場起步比較慢,現在的成績是近年持續投入累積而來。
和碩共同執行長同時透露,公司的 Server 團隊已由數百人增加到超過一千人。
這個數字比一句「積極布局 AI」有意義得多。
因為伺服器產品不是靠買幾顆 GPU 就能建立。工程團隊必須同時處理主機板、BIOS、BMC、Rack、Network、Power、Cooling、Validation 與售後部署。
從幾百人增加到千人,代表和碩正在把 Server 從一條新產品線升級成真正的組織能力。
Vera Rubin 與 AI Factory:和碩現在賣的不只是 Server
和碩在 2026 年 GTC 與 COMPUTEX 展出的產品,已經從單台伺服器延伸到 Rack-scale AI Infrastructure。
其中包括 NVIDIA Vera Rubin NVL72、HGX Rubin NVL8,以及液冷 Rack、AI Storage 與 AI Infrastructure Switch。
COMPUTEX 2026 更進一步加入 NVIDIA DSX AI Factory 參考設計。
AI Factory 這個詞容易被當成新的行銷名詞,但它代表的實際變化很清楚:客戶希望供應商協助完成的,不再只是機器。
從 Digital Twin 模擬、機房布局、散熱、網路到正式部署,越多工作必須在進入資料中心之前就被驗證。
對和碩而言,這是把 DMS 從消費電子重新放大到 AI Infrastructure 的機會。
和碩能追上廣達、緯穎、鴻海嗎?
這是童子賢目前最難回答的問題。
AI Server 市場已經存在更早投入的大型 ODM 與 Server 供應商。客戶關係、工程經驗、Rack Integration 與出貨規模都需要時間累積。
和碩的優勢,是它並非從零建立製造能力。
它已經擁有大型電子產品設計、量產、全球供應鏈與工廠營運經驗,可以把既有基礎轉移到新的產品市場。
限制也很明確。
Server 客戶的驗證週期、軟硬體複雜度與售後責任,都不同於手機與筆電。即使產品規格成功推出,也不代表訂單、毛利與市場地位會立即跟上。
所以現在判斷和碩 AI Server 成敗仍然太早。
更值得看的,是 2026 到 2028 年間,千人團隊能否轉成穩定量產與長期客戶。
童子賢的文化與公共參與,應該放在哪裡理解?
童子賢長期投入文學、電影、表演藝術,也參與公共文化與氣候政策,目前是總統府國家氣候變遷對策委員會副召集人。
這些事情不能直接被寫成「因為閱讀,所以公司經營成功」。
兩者之間沒有可以證明的因果關係。
但它確實構成童子賢與典型電子製造企業家的差異:他的公開發言常把科技產業放到能源、文化、教育與社會發展中討論,而不只停在單季營收。
原本這篇文章的文化切角因此仍值得保留,只是不應取代企業人物本身。
理解童子賢,第一層仍然應該是華碩、和碩、製造與產業決策;文化與公共參與是第二層。
童子賢真正反覆做的,是替公司保留下一個選項
從華碩創業、Notebook 品牌,到品牌與製造分拆,再到和碩今天追趕 AI Server,童子賢的職涯很少建立在單一產品一路吃二十年。
比較一致的路徑,是在既有能力開始碰到限制時,再增加新的能力。
華碩時期從主機板往 Notebook。
和碩從消費電子製造延伸到不同產品。
現在則從 Device Manufacturing 往 AI Infrastructure。
這不保證每一次轉型都會成功。
但它解釋了為什麼和碩即使不是 AI Server 最早的參賽者,童子賢仍願意投入上千人的新團隊:製造業真正危險的情況,不一定是新業務一開始沒有規模,而是當既有市場改變時,公司已經失去進入下一個市場的能力。
常見問題
童子賢現在還是和碩董事長嗎?
是。和碩於 2025 年董事全面改選後,童子賢再次被董事會選任為董事長,公開職務為董事長暨策略長;2026 年最新經濟部公司登記也仍列童子賢為公司代表人。
童子賢是華碩創辦人嗎?
是。工研院等公開資料將童子賢列為華碩共同創辦人。他之後在華碩負責多項產品與管理工作,品牌與製造業務分離後轉入和碩。
華碩和和碩現在是同一家公司嗎?
不是。ASUS 與 PEGATRON 已是獨立公司。華碩官方資料也明確說明兩者為分開的企業實體。
和碩有做 NVIDIA AI Server 嗎?
有。和碩目前產品線已涵蓋 NVIDIA Blackwell、Blackwell Ultra 與 Vera Rubin 架構的 AI Server 與 Rack-scale 系統,也包含液冷與 AI Infrastructure Networking。
和碩為什麼現在才積極做 AI Server?
和碩過去核心市場較集中在消費電子與其他裝置製造。童子賢也公開承認公司在伺服器領域起步較晚;近幾年才持續擴大團隊、產品與資料中心能力。
後續最值得觀察什麼?
和碩已經證明自己可以做出 Vera Rubin、液冷 Rack 與 AI Factory 等產品。
下一個驗收標準會更現實:
產品能不能大量出貨、客戶能不能留下、Server 營收能不能持續成長,以及新業務能不能改善和碩長期的產品組合。
童子賢這一次面對的課題,和三十多年前創辦華碩時不同。
那時候要證明台灣工程師能設計世界級主機板。
現在則要證明,一家成熟的大型電子製造公司,在 AI 基礎設施賽局已經開始後,仍然有能力重新進場。
若想對照另一位台灣企業創辦人如何把製造能力、品牌與公共文化連在一起,也可延伸閱讀劉金標如何把巨大做成 GIANT,以及騎行文化的長期傳承。
資料來源
- 工業技術研究院:童子賢院士簡介。
- 和碩聯合科技官方投資人關係:年報與文件下載。
- 經濟部商工登記公示資料、ASUS 官方公司歷史與領導團隊資料。
- PEGATRON 官方 Server/AI Infrastructure、GTC 2026 與 COMPUTEX 2026 發布。
- 中央社 COMPUTEX 2026 訪談與總統府國家氣候變遷對策委員會資料。
增量:童子賢與緯創的 AI 伺服器轉型,要看製造、系統整合與資本配置如何接起來
從和碩、DMS 到 AI Factory,企業轉型不只是換產品名稱,而是能力結構改變。製造商要處理高密度運算、散熱、電力、測試、供應鏈、軟體整合與全球交付,產品複雜度與責任邊界都會上升。
GB300、德州 D1、Vera Rubin 等名詞需要放回時間線與供應鏈位置。產品世代、客戶需求、工廠建置、產能與實際出貨應分開核對;不能把展示、規劃與已量產混成同一個結果。
領導者的價值也不只在預測下一波趨勢,而在於把資本、人才、流程與客戶信任配置到能持續交付的系統。AI 伺服器市場若只靠單一客戶或單一世代,成長會伴隨更大的集中風險。
閱讀企業案例時,建議同時看年報、法說、公開資訊與產業數據。真正的問題是:公司是否把一次需求高峰轉成可重複的工程能力,以及在景氣反轉時能否保留選擇權。
把「童子賢如何讓和碩追趕 AI 伺服器?華碩分拆、DMS 與 AI Factory」拆成可驗證的系統問題
這篇文章的主題不只是一個名詞或產品名稱,而是一套由資料、流程、資源與限制共同組成的系統。讀完主要敘述後,可以把焦點往前推一步:系統邊界在哪裡、關鍵機制如何運作、指標改善是否伴隨新的成本,以及哪些說法仍需要原始資料核對。
| 分析面向 | 要追問什麼 | 可查找的證據 |
|---|---|---|
| 系統邊界 | 本文的主題由哪些元件、角色與外部條件共同構成? | 架構圖、供應鏈、時間線與官方規格 |
| 運作機制 | 結果是由哪個流程、模型、設計或制度選擇造成? | 流程步驟、參數、介面、測試與案例 |
| 指標與代價 | 效率、速度或規模提升後,哪種成本或風險被轉移? | 功耗、延遲、可靠性、價格、勞動與環境資料 |
| 可驗證性 | 哪些結論可以重現,哪些仍只是公司說法或推測? | 原始文件、版本、第三方測試與反例 |
用這四個問題閱讀,能把技術敘事從「看起來很強」轉成可比較的證據鏈,也能看見一個系統真正改變的是什麼。
KEEP READING
接著讀什麼?
從同一主題繼續閱讀,或回到 YOLO LAB 的完整文章索引,找到下一個值得投入時間的問題。


發表迴響