高通蘋果專利戰變羅生門，一個搞斷貨、一個拿巨額佣金|數位時代 BusinessNext

高通蘋果專利戰變羅生門，一個搞斷貨、一個拿巨額佣金

蘋果高通大戰，劇情發展到後來成為大亂鬥，11日開庭後，雙方各說各話，還扯出對彼此不合理的議價，蘋果指責高通先斷貨，高通反咬蘋果，要交10億美元才能成為供應商，截然不同的說法，也讓整起事件成為羅生門。

蘋果：高通拒絕出貨，逼不得已選他牌

根據《CNET》報導，蘋果首席運營長Jeff Williams在15日開庭證實，整起事件的根本原因，是高通拒賣基頻晶片，iPhone XR等新機只好使用英特爾的產品，並非蘋果刻意不採用。

2017年1月，蘋果以「不合理授權費」為由告上高通，另外高通得知自己並非蘋果唯一供應商，隨即停止出貨。Jeff Williams表示，2018年蘋果採用「雙源晶片（Dual-sourcing Chip）」策略，確保其中一家供應商出現問題時，生產線仍能正常運作，「我們當時仍希望高通可以繼續配合，但最後高通卻選擇停止供貨。」

Jeff Williams還透露，高通針對每支iPhone收7.5美元的授權費，是蘋果認定合理價格的5倍。被問到為何還要繼續與高通配合，Jeff Williams表示若不配合，高通就會轉嫁給下游廠商，直接找代工廠付每支17或18美元的授權金，而且蘋果十分需要高通的晶片技術，也因此不得不妥協。

然而蘋果與高通的說法有很大出入。11日開庭時，高通執行長Steve Mollenkopf表示，2018年春天高通仍試著想贏得蘋果的合約，9月時高通財務長George Davis還對外喊話，「我們由衷希望，能與蘋果一起投入5G市場。」

高通批蘋果拿巨額佣金，卻不保證訂單

根據《路透社》報導，高通執行長Steve Mollenkopf 11日在法院證實，高通若要成為蘋果的核心供應商，必須支付高達10億美元的「獎勵性付款」（incentive payment），但拿到巨額佣金的蘋果，卻沒因此保證採購量。

Steve Mollenkopf指出，這筆錢是2011年為了打入蘋果iPhone供應鏈，所做出的妥協。根據《CNET》，每一家晶片廠多少都會收取授權費，但為了換取合作機會，通常會與手機廠協商，先付給手機廠一筆「獎金」，換取核心的供應地位，手機廠也能因此降低成本。

這筆佣金，也讓蘋果在iPhone中剔除了英飛凌，在iPad Mini2中淘汰英特爾的晶片，蘋果供應鏈主管Tony Blevins出庭指出，蘋果習慣找2家以上的供應商，但高通給的金額「實在太過於龐大」，蘋果也沒理由換其他廠商。

《CNET》指出根據2011年雙方的協議中，高通若成為蘋果獨家供應商，會提供一定的回饋，但若蘋果選擇其他廠商，優惠就會取消。但FTC認為，這是高通排除競爭者的手段，Steve Mollenkopf強調，「我們無意阻擋英特爾等競爭者。」

高通表示，蘋果目前仍欠70億美元的授權金，也停止對iPhone新機供貨，蘋果轉向英特爾，也導致搭載5G 的iPhone比對手晚一年，2020年才能出貨。

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。