Intel CPU缺貨有錢也買不到，是產能不足還是飢餓行銷？|數位時代 BusinessNext

Intel CPU缺貨有錢也買不到，是產能不足還是飢餓行銷？

英特爾(Intel)CPU缺貨情況嚴重，從Coffee Lake到Whiskey Lake都大缺貨，可能導致今年筆電出貨量比2017年衰退0.2%。若缺貨期真的長達半年，將給予競爭對手AMD一個乘勢而起的好機會。

多款CPU缺貨，電腦DIY、OEM大廠都買不到

電腦DIY零售商表示，「最近不只第八代，intel處理器基本上都大漲。」2017年上市的Coffee Lake系列14奈米的Core i5-8400, i5-8500, i5-8600 and i7-8700等CPU都因為缺貨價格水漲船高，以Core i5-8400 來說，最新價格已經漲到台幣7300元，但比起年初不到6000元，漲幅高達21.6%，而且「有錢還不一定買得到」，零售通路表示，缺貨並非一兩個月短期現象，會一直持續到今年年底，因此大部分商家僅販售給整機組裝給買家，不再單獨販售。

除了2017年第八代Coffee Lake系列產品缺貨，今年八月才剛正式推出的14奈米的Whiskey Lake與Amber Lake系列晶片也供貨不順。

Intel已經先向外界預告產能與良率有限的問題，而電腦OEM廠宏碁董事長暨執行長陳俊聖與NB代工廠仁寶總經理翁宗斌也都在媒體前證實最新系列晶片大缺貨，而且可能要2019年第二季才能解決，也同樣面臨「有錢也買不到」的困境。

9月缺口將約5%至10%，低毛利CPU外包台積電救火？

Intel沒有說明目前14奈米產能總缺口有多大，但市調機構集邦科技指出，8月英特爾處理器供給缺口約5%，9月缺口將約5%至10%，第4季缺口恐將進一步超過1成。而供貨不足的問題可能使得今年筆電出貨量比2017年衰退0.2%。

為渡過這個產能大缺口難關，傳出Intel可能外包部分晶片組給台積電代工製造。《電子時報》指出，「Intel可能將利潤較低的入門級產品H310與300系列晶片組外包給台積電代工製造，自己則專門生產高利潤的伺服器和晶片組。」不過，報導也指出這並非台積電第一次幫Intel代工，台積電先前已經是Intel FPGA晶片與iPhone基頻晶片的代工製造廠商。

缺貨恐達半年，Intel內部管理可能出問題

Intel並沒有說明缺貨原因，不過過去在DIY零售端Intel CPU並不常發生缺貨或僅有單一型號缺貨發生，但這一次是多個型號集體缺貨，導致全系列集體大漲價，並不多見。

除了DIY零售端，宏碁、仁寶與華碩等OEM大廠，甚至連蘋果也都集體碰到大缺貨潮，而且產品還橫跨去年就推出的Coffee Lake與今年的Whiskey Lake即Amber Lake系列多項產品，加上缺貨期長達半年以上，讓外界認為原因並不單純，猜測Intel內部管理可能出了大問題。

其中Intel 10奈米技術延遲到2019年才出貨多被視為原因之一。除了10奈米技術延宕，Intel CPU尚未解決的資安漏洞問題也是可能原因之一。

對手AMD乘勢而起

另外，也有業者認為可能和Intel的飢渴行銷策略有關，Intel藉由控制CPU數量保持一定的市場價格，拉抬產品毛利，不過，這個策略可能性並不高，因為10奈米製程延宕的Intel目前正面臨AMD的威脅。

過去AMD與Intel一直都保持很大的市場差距，在2016年AMD的市占率還不到10%，大部分都是Intel的天下，但今年AMD喊出拿下20%市占率的口號，另一方面，過去AMD的CPU雖然CP值較高，但有溫度過高，容易發燙的大缺點，不過，這個缺點在第二代Ryzen CPU大為改善，在效能與溫度管控上已經有顯著的進步，這對於Intel都是一大威脅。而若缺貨期真的長達半年，那也給予競爭對手AMD一個乘勢而起的好機會，Intel應不致於挺而走險。

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。