找台積電神救援?英特爾CPU缺貨的3個真相
找台積電神救援?英特爾CPU缺貨的3個真相

半導體巨人英特爾成立邁入50年,目前在電腦X86架構處理器獨霸一方,長期守住8成市場,近兩個月,英特爾14奈米製程處理器供應吃緊消息頻傳,波及個人電腦品牌、筆電、桌上電腦系統組裝及主機板DIY市場,這個已經撐6年、生產5代英特爾處理器的製程發生什麼事?

Intel News photo 2.jpg
Intel傳出14奈米處理器缺貨,主要是低階規格。
圖/ Intel
未命名.png
英特爾12年來與對手超微的市佔率不斷擴大,維持絕對領先地位。
圖/ passmark官網

PC業者波折不斷,才剛漸漸走出上半年MLCC被動元件缺貨之苦,8月起低階英特爾處理器缺貨,又干擾旺季接單。業者預期,這個問題要到2019年上半才會紓解,也因此,本週傳出英特爾有意將14奈米部分晶片組轉交台積電「神救援」,好紓解自家14奈米產能瓶頸。

值得探討的3個問題是,究竟英特爾如此成熟的14奈米晶片為何會缺貨?而台積電又是否真的出手救援呢?除筆電處理器缺貨,DIY主機板跟伺服器業者是否也受波及?

英特爾14奈米撐6年非常長壽

根據摩爾定律,半導體製程不斷前進,將使電晶體體積縮小,每24個月積體電路可容納電晶體數量就能翻倍,不僅平均生產成本降低,效能改善還可提高一倍,也因此英特爾每隔一段時間,就會將主流製程向前推進一步。

NVIDIA 創辦人黃仁勳解釋摩爾定律
半導體界的摩爾定律由英特爾共同創辦人戈登·摩爾所提出,預告了半導體多年來的發展趨勢。
圖/ James Huang 攝影

2012年英特爾推出22奈米製程處理器,2014年跨入14奈米後,就一直停留在該製程不斷完善技術,後續又推出14nm+及14nm++等改良製程。

英特爾在14奈米製程迄今已經推出4代處理器,核心包括Braodwell、SkyLake、KabyLake、CoffeeLake,今年8月筆電已經正式跨入新一代處理器WhiskeyLake及AmberLake,但仍然使用14nm+++製程,使得14奈米製程從2014年擔綱主力後迄今已經邁入5年。

然而,英特爾卻一直無法順利跨入10奈米。雖英特爾已經在法說會宣佈,2019年下半會推出10奈米製程CannonLake處理器,但顯然,14奈米製程還要繼續當家到2019年。

那麼如此長壽成熟的製程,為何突然無法讓低階處理器供貨充足呢?對此英特爾對供應商解釋是:10奈米良率不佳。

10奈米出狀況為何影響14奈米產品呢?業者說,10奈米製程CannonLake從2017年計畫量產,一路不斷推遲,拖到2019年,使得多數新產品都仍要用14奈米製程生產,相對於過去英特爾每2~3年製程就向前跨一步,使新舊產品使用製程分散,這次則因14奈米製程已經使用超過5年,所有新舊品都卡在同一個製程上,導致產能不足。

這也是何以英特爾強調,主要交貨緊繃的產品都是主於「低階產品」,英特爾將優先把產能放在Xeon及高階Core處理器上,滿足客戶需求。業者認為,這是英特爾產能調配策略,先交貨利潤佳的產品,而對於為何交貨不足,英特爾則強調主要來自「高於預期的需求」。

神救援?台積電無14奈米,英特爾:會自救

至於對於缺貨是否找台積電救援?英特爾13日已發出官方聲明表示:「為回應優於預期的市場需求,我們將持續投資於自身的14奈米製程。」而對於外包近況,英特爾則表示一直以來,都會使用外部晶圓廠產能生產部分產品。

台積電提供_007.jpg
台積電晶圓廠製程與英特爾不同,業者認為一般轉產品生產多以新品導入為主,舊產品轉換成本過高。
圖/ 台積電

英特爾的官方回答顯然是意味:英特爾將自力解決14奈米製程產能不足問題,而非臨時找外包。而對於傳言,台積電則回應:不針對單一客戶、市場傳言進行評論。

而緊接著要問的是,台積電有14奈米製程嗎?

各晶圓代工業者製程定義不盡相同,且製程也有專利,台積電的製程規劃從16奈米之後就進入了10與12奈米製程,今年7奈米量產後,公司也宣佈2019年上半將進入5奈米製程風險試產。

與台積電不同的是,英特爾從22奈米後就跨入14奈米製程,未來也將朝10奈米先進製程推進,然而10奈米製程量產時間一延再延,使得14奈米仍是英特爾主力。

那麼,台積電沒有14奈米製程,可否救援英特爾?業者表示,雖英特爾製程與台積電不盡相同,但轉單類似的製程生產仍是可以,只是費時與所需成本將比同樣製程移轉要長要多,且一般的模式來看,轉晶圓廠都是利用新品轉換,英特爾把舊產品轉到台積電生產,從轉換成本角度看,猜測可能性偏低。

伺服器無礙,筆電苦哈哈

而最後一個問題是,英特爾處理器緊繃,會連帶衝擊筆電、桌上電腦、DIY主機板甚至伺服器業者嗎?

根據供應鏈的說法是,伺服器Xeon供貨還算平穩,伺服器TOP2大廠慧與科技(HPE)董事長王嘉昇也表示,雖有聽說吃緊,但不影響供貨,目前也沒有收到任何客戶對出貨方面有抱怨。

慧與主管解釋,聽說Skylake架構處理器吃緊,但因慧與庫存都有做足規劃,並不影響正常出貨。

BD079EDD-887D-43D1-8AA9-A517CDEE91F3.jpg
慧與科技董事長王嘉昇認為,伺服器處理器雖傳缺,但目前交貨不受影響,客戶也沒有任何抱怨聲音。
圖/ 王郁倫攝影

伺服器出貨無礙,但筆電跟桌上電腦處理器供貨則較為緊張。筆電端,英特爾8月推出WhiskeyLake與AmberLake架構處理器後,立刻陷入供貨不足,雖業者提早降低新品倚重,但筆電代工廠預估,第4季處理器缺口仍將達5%。

品牌電腦業者分析,缺貨最兇的仍是低階筆電機種,儘管有AMD對應產品,但需求能否轉換也要看消費者態度。

桌上電腦部分,英特爾將於10月8日發表Coffee Lake-S架構的第九代Core桌上電腦處理器,對應的晶片組Z390也將同步推出,鎖定DIY市場的主機板業者會推出Z390主機板,而宏碁與華碩等品牌業者會推出品牌主機系統,由於Coffee Lake-S採用14奈米製程,是否缺貨將在開賣後揭曉。

而桌上電腦代工廠則已透露,9月已經開始跟品牌商催CPU,預估缺口超過1成。

鴻海HPC記者會_2017_12_26_蔡仁譯攝-2.jpg
伺服器業者表示目前CPU沒有缺貨壓力。
圖/ 蔡仁譯攝

主機板業者在這波英特爾處理器缺貨潮中,則處境最是尷尬,因為主機板廠只需要生產主機板,主機板上的處理器則由消費者到通路上採買,也因此,市場供應數量夠不夠,就影響到主機板賣得好不好,業者表示會提高AMD主機板備貨量,其次是減少英特爾低階主機板鋪貨量,避免買不到處理器造成滯銷。

主機板業者表示,目前尚未知道新處理器是否供應吃緊,但現在市場上桌機用Core i8400系列(CoffeeLake架構)處理器已經開始缺貨,尤其在中國市場,這種低階處理器正是主力,風聞缺貨消息後,中國通路更開始搶貨,也連帶炒熱對應的AMD處理器需求。

低迷多年的個人電腦產業,因為英特爾製程進展不如預期,引發一場風暴,市場保守的看,這次缺貨至少要到2019年第2季才會完全抒解。

關鍵字: #台積電 #英特爾
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