中國手機市場德儀vs.聯發科|數位時代 BusinessNext

四月四日，TI亞洲區行銷總監黃志光在「二○○五年國際積體電路研討會暨展覽會」上說，TI今年初推出了一款GSM手機的單晶片，目前正與手機廠商接洽，包括中國的多家主流廠商，此晶片將大大推進手機的生產革命。黃志光還說：「在全球市場，TI還未發現有能力提供此類單晶片的競爭對手。」
無獨有偶，一個月前，深圳一家電子產品經銷商朱先生告訴記者，台灣地區晶片設計商聯發科亦透過台灣專業晶片經銷商品佳，向包括波導、TCL在內的中國本土廠商兜售類似的手機單晶片解決方案，其功能與TI推出的單晶片相類似。
今年一月以來，品佳已經開始與波導、TCL接洽，「過去TCL手機都是依靠法國Wavecom這樣的第三方設計公司來完成多晶片的整合方案，現在這樣做成本太高了，自己整合又一時做不了。」朱先生透露對於波導、TCL而言，成本競賽和技術實力欠缺，都使他們對單晶片的需求日益強烈。

**爭奪一二○億美元

**
根據環球資源(NASDAQ：GSOL)統計，今年中國大陸對晶片的需求將達到五九○億美元，來自電信業的需求占一九．九％，也就是說，包括基站、無線區域網、手機等通訊產品對晶片的需求將會拉動一二○億美元的龐大市場。無論是老牌的TI，還是後來的聯發科，都不會守株待兔。
受DVD行業競爭飽和的影響，聯發科其淨利潤下滑了十三．三一％，毛利率更跌破四五％，創上市以來毛利率最低紀錄。
聯發科董事長蔡明介近來多次公開表示，聯發科力圖轉型，在產品規劃中，增加了手機晶片，這也是他自稱為「最具成長爆發力」的產品。
聯發科宣稱，今年手機晶片有機會占整體營收的十五％，如果按去年十二．五億美元的總收益計，手機晶片的預期收入應為一．九億美元左右。

**DVD歷史能重演嗎？

**
手機主控晶片領域，一直以來都是TI、ADI、飛利浦三強割據，其中TI占據相對優勢，「我們在無線通訊領域有十五年的經驗和積累。」黃志光說，中國是TI重量級的市場，TI決不會掉以輕心。
TI一年收益超過一百億美元，中國市場的收益大約占二○％，而其中三分之一為通訊產品，約六億至七億美元。「手機這行遠比DVD行業複雜得多。」
電子行業資深人士張毓波分析，所有的晶片設計廠商都渴望掘金中國，但是並非所有的人都能把握機會。他認為，單晶片是手機行業未來的發展趨勢，但會受到兩個條件的限制：一方面，手機功能的複雜程度和規格的多樣化將加大單晶片開發的難度，「這跟DVD是不一樣的，DVD的尺寸是相對固定的」；另一方面，單晶片的開發成本不見得比多晶片低，晶片設計商要同時滿足高技術和低成本兩個條件，才可能被手機廠商接受。

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。