挖礦退燒後遺症,這批40歲板卡業接班人的期中考卷
挖礦退燒後遺症,這批40歲板卡業接班人的期中考卷

虛擬貨幣帶來的挖礦熱,短短一年竄起後退燒,帶來的後遺症是:先前受惠大賺的繪圖卡品牌業者,現在要面對需求退潮如何處理庫存的課題。

而正巧的是,四大主機板廠正巧都在安排新生代接班,這也成為新經營班底的第一張期中考測驗題。

X399-AORUS-XTREME-Rev10-SSBB-S.jpg
主機板與顯示卡業者一年來賺不少挖礦財,但需求第2季出現反轉。圖為技嘉主機板主打電競及高階市場。
圖/ 技嘉

挖礦需求今年第2季急轉直下,5月起就傳出繪圖晶片庫存過高問題,甚至外電指三大繪圖卡廠華碩、微星、技嘉要求輝達買回庫存晶片傳言,儘管業者表示從未有此例,但也凸顯需求反轉現象。

技嘉虧損,庫存Q3打消8.51億元

板卡大廠技嘉(GIGABYTE)公布第三季財報,令人意外的是,單季本業出現7189萬元虧損,儘管在轉投資收益進帳下,單季仍然是正數,但這已是技嘉2012年首季以來第一次本業虧錢,而兩大原因是:庫存認列損失,毛利率跌到12%歷史新低,同時認列存貨備抵跌價損失8.51億元。

備抵跌價損失是什麼概念?根據各公司的會計原則,一般庫存超過3個月180天後就會按照固定比例認列價值折損,逐月打消,不斷確認公司庫存變現價值。

全家物流新布局 全新理貨線首曝光_2017_10_19_吳晴中攝_0027.JPG
對業者而言,存貨超過一定天期就必須按比例打消價值,確保庫存的價值是真實反映市場行情的。
圖/ 吳晴中/攝影

假設一張顯示卡做好時售價100元,賣3個月還沒賣掉,第4個月公司可按規則,打9折預估只剩90元價值,認10元損失,第5個月剩80元價值,但若第6個月需求回來了,真正賣掉是85元,公司還可以「回沖」5元價差當利益。

根據第3季,技嘉存貨備抵跌價損失提列了8.51億元,若按照IFRS財會準則,單季只需要打消存貨成本4.7億元,今年1~9月打消存貨5.51億元,白話的說,技嘉的庫存打消制度比IFRS還要嚴格,且在今年第3季是打消庫存最多的一季。

8.51億元是什麼概念?技嘉第3季單季純益1.49億元,前3季賺24.28億元,光打消8.51億元就占前3季獲利35%,今年從挖礦賺的錢吐了1/3回去。

然而為何要積極打消庫存?技嘉發言系統表示,內部多年來一直有固定的庫存打消流程,第4季仍有庫存會打消,但樂觀預估2019年首季就會更趨緩。

而攤開技嘉財報,技嘉9月底庫存139.16億元,比6月時的133.21億元增加雖不多,但跟3月底104億元,甚至是2018年初的庫存86.67億元相比,庫存水位增加幅度分別是34%(跟3月比)及60%(跟2018年1月比),然而前3季營收只成長約1成。

顯示卡業者Q3倒一片

技嘉是品牌板卡大廠,今年前3季度主機板營收占比約42%,顯示卡營收53%,伺服器營收22%,可以說,過去主機板是技嘉最大核心事業,但在挖礦熱帶動下,今年已經由顯示卡當家,營收規模過半,只不過,若詳細的分拆單季營收,技嘉第3季顯示卡營收46億元,已經重新低於主機板。

圖一_ NVIDIA GeForce RTX 2080 Ti.jpg
NVIDIA發表最新高階RTX 2080Ti頂級顯示卡,但該卡價格過高,主流卡10月才出爐。
圖/ NVIDIA

挖礦退燒,但晶片訂單早已經在半年前下好,需求一旦反轉,就會燙傷品牌業者,換言之庫存問題不只是發生在技嘉,撼訊、映泰、麗臺單季也同樣虧損。繪圖卡大咖微星跟華碩,則因為多角化保護傘,營運相對穩健,但微星第3季毛利率跌至13.16%,但技嘉更跌至12.73%歷史低點。

所幸的是,9月隨輝達的主流顯示卡GTX 2070開始出貨,業者預期本季出貨表現將可望回升。技嘉第3季顯示卡出貨70萬片,但10月單月顯示卡銷售已有30萬片,第4季預期應該有2~3成季成長,比伺服器(季減5~10%)與主機板因處理器缺貨而季減2成相比,顯示卡業績反而一枝獨秀。

華碩執行長沈振來在法說會中坦言,挖礦需求最好的高峰是2017年第3季到2018年第2季,但因為拉高了基期,也使今年下半年營運比較基礎墊高。第3季受到挖礦減少,使零組件板卡營收比例下滑,第4季板卡業務又逢處理器大缺貨,所以板卡預估會有5%內季減率。

接班新人第一張測驗卷

值得注意的是,主機板跟顯示卡品牌大廠,近一年也陸續展開接班布局,微星董事會11月通過,委任桌上電腦事業本部總經理江勝昌升任總經理暨執行長,創辦人徐祥仍為董事長,人事令預計2019年1月1日生效。

微星-20161115-郭涵羚攝-3497.jpg
微星11月宣布江勝昌升任總經理,創辦人徐祥任董事長,展開交棒。
圖/ 郭涵羚攝

微星要交棒早已在2016年有訊號,當年度股東會宣布同是創辦人的黃金請任副董事長,希望建立代理機制,當時他就坦言微星做得有聲有色的電競事業,不是他所擅長,為了怕跟電競產業有距離,他全權交給專業經理人負責,讓40幾歲的主管掌權。

2018年微星更新納筆電事業部全球業務與行銷副總郭緒光、業務本部副總洪裕盛及全球多媒體業務副總廖椿鏗進入董事會見習。江勝昌同時掌管代工跟品牌板卡業務,近年也積極投入電競市場研究,1964年次的他今年才54歲,成為微星新任當家。

A516FEE1-66FA-45D7-89C9-10F7EEEC76FB.jpg
技嘉副總林英宇是板卡界最年輕的接班人。
圖/ 王郁倫攝影

技嘉則更早在2017年展開接班布局,總經理劉明雄升任林英宇為副總,整合板卡及周邊事業,人事改組後林英宇肩負電競品牌操盤重任,年僅1975年次的他,今年43歲,是板卡界經營梯隊中年紀最輕的一位操盤人。

而華擎主機板年資最輕,也是最早就年輕化的經營層的主機板品牌,執行長許隆倫僅1972年次,今年46歲,至於精英總經理楊龍光1963年次,今年55歲,是大同由專業經理人管理後任期最長最穩的一任CEO。

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

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
代理式商務連動百兆商機
© 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