AI芯片需求持续爆棚，先进封装产能供不应求，扩产潮正从台积电（2330-TW）（TSM-US）向封测环节加速蔓延。日月光投控（3711-TW）（ASXUS）、京元电（2449-TW）、力成（6239-TW）、矽格（6257-TW）、欣铨（3264-TW）五大厂商2026年资本支出均大幅增长，合计超过3000亿元新台币，纷纷刷新历史纪录，全力抢占AI封装测试市场先机。

日月光投控1月自结合并营收599.88亿元（新台币，下同），较2025年12月增加1.9%，比去年同期成长21.3%，创历年同期新高。其中，封装测试及材料业务营收376.39亿元，月增0.1%、年增33.8%。日月光投控预估今年在先进封测（LEAP）营收将较2025年的16亿美元倍增至32亿美元，今年先进封测全制程相关营收目标年成长3倍，到今年底占整体先进封测业务比重到10%，今年成品测试（FT）占测试业务比重目标至10%。

2月5日，日月光投控公布了2025年第四季及全年财报，多项指标创下近三年来的单季历史新高。2025年第四季，公司合并营收为新台币1779.15亿元（约389.63亿元人民币），同比增长9.6%，创下近三年来单季新高；毛利率攀升至19.5%，同比增加3.1%，创近13个季度以来新高；营业利润为新台币176.9亿元（约38.74亿元人民币），营业利润率9.9%，同比增加3%，创12个季度以来新高；税后净利润达新台币147.13亿元（约32.22亿元人民币），同比增长58%。2025年全年，公司合并营收达新台币6453.88亿元（约1413.40亿元人民币），同比增长8.4%，创历史次高；全年合并毛利率17.7%，同比增加1.4个百分点；营业利润率7.9%，同比增加1.3个百分点；累计营业利润为新台币507.56亿元（约111.16亿元人民币）；税后净利润新台币406.58亿元（约89.04亿元人民币），同比增长25%。由于先进封测供不应求，近三个月订单能见度提升，因此预计今年先进封测业务营收将翻倍增长至32亿美元（约新台币1,010亿元），较去年年底预估上调幅度超过20%。

据韩媒报道，三星电子将在 HBM4 后的定制 HBM 内存上延续“制程优势”策略，提供从 4nm 直到当前最先进的 2nm 的一系列基础裸片 (Base Die) 解决方案。作为对比，台积电计划为定制 HBM 基础裸片导入 N3P 制程（第二代3nm工艺）。

日月光旗下子公司矽品1月13日斥资28.01亿元新台币（约合6.22亿元人民币），购入太阳能厂商联合再生能源位于竹南的厂房，推进产能扩张。此次联合再生能源出售给矽品的竹南厂房及附属建筑设备位于苗栗县竹南镇科研路66、68号，交易总价（未税）为28.01亿元新台币（约合6.22亿元人民币）。

日月光投控10月合并营收602.31亿元（新台币，下同），环比减少0.55%、同比增长6.74%，创历年同期次高；累计1-10月合并营收5277.04亿元，同比增长7.79%。其中，封装测试及材料10月营收360.39亿元，环比增长3%，同比增长22.9%。

据台媒报道，因应2026年AI与高效能运算（HPC）需求，日月光投控将今年资本支出再增约10亿美元，用于机器设备、厂房建造与相关设施，法人预估全年资本支出将超过60亿美元。

日月光投控公告称，旗下马来西亚子公司ASE Electronics (M) Sdn. Bhd. 已与ADI子公司Linear Technology Pte Ltd. 签署「交易备忘录（MOU）」，双方将就股份买卖契约（SPA）条款进行善意协商，拟由ASE Electronics 收购Linear 持有的马来西亚子公司Analog Devices Sdn. Bhd. 100% 股权。交易相对人为非关系人，契约起迄日为2025 年10 月21 日。

日月光投控9月自结合并营收605.61亿元（新台币，下同），环比增长7.3％，同比增长9％，创2022年11月以来单月高点。受惠AI/HPC相关专案拉货、先进封装接单畅旺，营运动能延续至第四季。

第三季合并营收1,685.69亿元，环比增长11.8％，同比增长5.3％，为2023年第一季以来高点；累计1-9月合并营收4,674.72亿元，同比增长7.92％。

阿里通义发布下一代基础模型架构Qwen3-Next和基于新架构的模型Qwen3-Next-80B-A3B，包含两个版本：更擅长理解和执行指令的指令（Insctruct）模型，以及更擅长多步推理和深度思考的推理（Thinking）模型。在训练成本方面，Qwen3-Next模型较今年4月发布的密集模型Qwen3-32B大降超90%，长文本推理吞吐量提升10倍以上。新模型在Qwen3预训练数据的子集15T tokens上进行预训练，仅需Qwen3-32B所用GPU计算资源的9.3%，便能训练出性能更好的Qwen3-Next-Base基座模型，大幅提升了训练效率。