蘋果打算一毛都不讓三星賺了
蘋果打算一毛都不讓三星賺了
2018.04.07 |

蘋果到底是一家硬體公司,還是一家軟體公司?這兩個說法一直都存在。蘋果大包大攬喜歡所有東西都自己來做的行事風格,在行業內已經不算是什麼秘密。受到多年封閉文化的影響,iOS系統一直都和「開放性」保持著一定距離。

但如今蘋果硬體產品的成功,卻離不開多個上下游企業的通力合作,以iPhone 為代表的核心產品仍然建立在一條漫長且複雜的產業鏈上,也獲益於眾多核心供應商在關鍵元件的研發和製造上的成功。

蘋果對供應鏈的重視由來已久,根據早期在Apple和NeXT中任職的Dan'l Lewin表示,蘋果創辦人賈伯斯本身就是一位對供應鏈極為關注的人。很多人知道的是他在產品細節以及行銷方面的出眾成就,然而他在供應鏈領域同樣有擅長的一面,甚至親自負責運營。

不過賈伯斯並非是科班出身,所以他找來了這方面的專家,也就是現在的蘋果CEO蒂姆·庫克。

賈伯斯看中庫克的是他在康柏公司的採購和供應鏈經驗,加入蘋果後庫克便採取了一系列的外包措施來簡化運營,降低成本的同時還有效加快了產品的生產週期,這至今依舊是支撐蘋果產品高效周轉的核心之一。

在今年3月份,蘋果發布了新一期的《供應商調查報告》,其中顯示在2017年共有756家供應商負責給蘋果供貨。以iPhone X為例,為大眾所知悉的便有來自三星的螢幕、高通/英特爾的基帶、索尼的CMOS等,絕大部分蘋果產品都是在包括中國在內的亞太地區進行組裝生產,蘋果自己則在愛爾蘭等地區保有少部分象徵意義的「環保工廠」。

其產業鏈之複雜,絕大多數用戶都很難一窺究竟。而根據去年IHS Markit公司的拆解報告來看,iPhone X的成本達到新高,而且為了獲得三星的柔性OLED螢幕,蘋果也付出了不少代價。

為了包攬這種面板資源,iPhone X單純螢幕的成本價就達到了110美元,而且只有三星一家來供應蘋果想要的OLED螢幕,這顯然不是什麼好消息。短期過渡都受制於人,長遠看來更加不能將雞蛋放在一個籃子裡。

因此這種情況未來可能會發生一點改變,近期的多條傳聞都明確地指向了一個信息,蘋果正在做進一步的整合,並為此逐漸擺脫來自三星和英特爾等一些核心供應商的控制—— 前者是螢幕,後者則是處理器。

蘋果先行押寶的是下一代MicroLED,而且這次選擇是「自己動手豐衣足食」。這種新型顯示技術比現在的OLED在色域、亮度和功耗等方面都有著更好的表現,在2014年對微型LED公司LuxVue收購也被視為是蘋果希望掌控並量產該螢幕面板的信號之一。

為了盡可能避免核心技術的外洩,從Bloomberg的報導來看,蘋果已經將工廠設在了加州總部附近,雖然這種小規模的實驗還打不到量產的目標,而且三星、LG 等品牌也同樣處於研發和專利佈局中,但已經足以支撐蘋果度過研發階段。

如無意外,這種螢幕會首先運用在Apple Watch上,或許還有被猜測了很久的蘋果AR裝置。

這種對核心部件的研發動作,很難不讓人回想起蘋果自研晶片的歷程。2008年,蘋果低調收購了晶片製造商PA Semi,兩年後我們在初代iPad上看到了首次亮相的A4晶片;到現在,蘋果已經讓iPhone和iPad全部採用自己設計的A 系列晶片,而在iPhone 3GS之前,蘋果還一直是三星ARM晶片的忠實盟友。

可解決了行動端還不夠,現在桌面端也成為了下一個目標。如果Bloomberg的消息屬實,那麼在2020年後,來自英特爾的晶片可能也要和蘋果Mac電腦說再見了。

和昨天所報導的一樣,蘋果最終的目的,是讓包括Mac、iPhone、iPad在內的所有設備都能更無縫地協作。

另一個值得關注的是蘋果在R&D(研發費用)上的支出,在之前的財報中這個指標已經達到了歷史新高,過去5年裡在總營收中的佔比也一直在提升。

持續研究新產品自然少不了燒錢,但蘋果這筆錢花在哪裡?根據分析師Neil Cybart的研究,明面上來看,大概囊括了AR眼鏡、Titan汽車以及企業收購等這些專案的開展,但同樣也少不了對螢幕和晶片等核心技術的投入。

如果將這些信息整理後,我們便能很清晰地看到蘋果未來的佈局。對供應鏈有著極高追求的庫克,顯然希望能親自掌控自家所有產品的核心部件供應,而不是過分依賴於三星或是英特爾。

尤其是在這些關鍵零部件上。如果進展順利,未來的蘋果完全可以按照自己的節奏來推出產品。

而且蘋果顯然不止希望能掌控核心技術,還有對軟體體驗和統一生態圈上的考慮。所以哪怕拋棄英特爾這件事有些激進,這其中也有它合理的一面。

以目前蘋果的產品情況來說,iPhone和iPad所運行的iOS系統是以ARM架構建立的,但Mac電腦的macOS生態,其硬體核心仍然是基於英特爾的X86架構。雖然蘋果在近幾年也推出過很多iOS和macOS系統聯動使用的功能,比如Handoff特性,還有最新的文件管理體系。

但對比Google和微軟分別在Chrome OS以及Windows 10上的體驗,蘋果在整合行動和桌面系統上的進展其實是落後一步的。

蘋果的目標仍然是在想方設法整合自己的iOS和macOS兩大系統,但實現這個目的,Mac同樣需要硬體上的協助,比如說使用自研處理器來追求更低的功耗。

但這種轉換難度不小,尤其是對於廣大的第三方開發者們來說,這也不算是太好的消息。蘋果在2005年曾有過一段將Mac從IBM的PowerPC轉移到英特爾X86平台的經歷,這個過程前後持續了近五六年的時間才結束。

縱使現在蘋果財大氣粗,但包袱也比十多年前更重,這種融合的過程自然談不上輕鬆。此前微軟的Windows 8系統雙界面的策略已經證明,就算是微軟這種更側重軟體系統的公司,也沒辦法快速的完成這種雙端整合的工作,互動層面怎麼解決?兼容性又怎麼解決?如何縮短這段轉化的陣痛期,是蘋果需要正面考慮的問題。

蘋果想要包辦關鍵零部件的供給,這件事仍然有極大的吸引力,因為這就和當年賈伯斯展現出來的激進控制慾和完美主義一樣:

最好的產品必須要「一體」,不管是軟體和硬體,還是從內容到行銷,都應該是相互為對方量身定做的,並最終為用戶體驗負全部的責任。

蘋果的控制欲依舊強烈,蘋果仍然希望可以掌控一切。只是在強調全球化合作的今天,蘋果是不是真的可以在一條龍包辦整個生產鏈的同時,讓自己的產品保持在最出色的狀態,這仍然是一個未知數。

本文授權轉載自:愛范兒

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓