手機能否因半導體工藝進步,刺激消費者需求,讓產值變更大?
手機能否因半導體工藝進步,刺激消費者需求,讓產值變更大?
2019.03.05 | 蘋果

蘋果公司在今年1月29日發表上一季度的財務報告,全公司的營業額YoY衰退5%,其中,來自於iPhone的營業額衰退15% [1][2]。蘋果公司沒有達到原來預期的營收方向(Revenue Guidance),讓市場對於半導體的未來產生許多負面的看法。

過去幾年,全球半導體的成長的動能確實來自於智慧型手機,然而為何是現在才看到蘋果公司的手機衰退,而不是3年以前呢?智慧手機能否因為半導體工藝的進步,刺激消費者的需求,讓產值變得更大呢?本文嘗試連結智慧型手機錄影的每秒顯示張數/影格率(Frame Per Second, FPS)與半導體製程工藝,說明2018年的7奈米工藝恰滿足4K60FPS的錄影需求,利用簡易的技術預測推估3奈米工藝可滿足8K60FPS的需求,發生的時間點約在2021-2022年。

對FPS的需求,推動過去手機SoC效能發展

AnandTech網站最近公佈了一份近幾年來智慧型手機SoC的效能評比[3]。評鑑手機SoC有許多技術指標,當然也會有綜合指標,我這裡使用的指標主要是播放畫面時常用的每秒顯示張數/影格率。

FPS是動畫、影片的基礎,人的眼睛如果看到的畫面在每秒10-12張以上時,就會產生視覺暫留的效果,而認為畫面是連續的。電影院的膠捲播放約在24FPS,對於多數人來說是可以接受的速度。然而到了CRT與LCD螢幕的時代,NTSC規範顯示器的更新頻率在60Hz(PAL規範為50Hz),規範FPS在30p(PAL規範為25p),在一個可以每秒更新60張圖片的顯示器上面,NTSC建議畫面每秒顯示張數為30張,約為螢幕更新頻率的50%。如果影格率低於30FPS時,人眼會感覺到畫面延遲、拖影、抖動,所以開始要求提高FPS。

按照前面顯示器更新頻率要在FPS的兩倍以上的概念,螢幕的更新頻率開始有了120Hz、240Hz等高級規格出現。提高FPS與顯示器更新頻率有助於欣賞賽車影片、以及增加3D遊戲的流暢度。

目前一般所謂的電玩級顯示器,約在144Hz以上,也就是可以讓FPS達到72p。市場上高階的LCD/AMOLED TV,多數具備動態影像流暢技術,提高顯示器更新頻率達240Hz,如果搭配120FPS的影格率,其效果是非常好的。

半導體技術的能力是有限制的,在畫面解析度(1080p/4K/8K)與FPS之間,必須有所取捨。目前主流的手機SoC可以錄影1080p(2K)與60FPS的訊號,少部分(A12 Bionic、Snapdragon S845)可以錄影4K60FPS的訊號。

長期來看,手機SoC的技術目標還是在8K60FPS或8K120FPS的錄影上,這會帶動網路頻寬的需求(錄影之後透過網路上傳至雲端),以及手機記憶體的需求(DRAM+Flash),推動手機SoC的進步。我認為十年之內,應該是看得到,不會太久。

半導體製程、IC設計技術決定手機SoC效能

我嘗試把半導體工藝與手機FPS效能作一個連結,整理出(圖一)的資料。最新的iPhone Xs使用台積電7nm的FF製程,播放1920X1080p@25FPS的影片(GFXBench 3.1 Manhattan Demo)時,達到76~103FPS的效能,每瓦特功耗可以產生17~20FPS,領先全市場。華為與蘋果的策略相同,率先使用最新的半導體製程,同樣是7nm,可以看到華為的Kirin980效能不如A12,FPS與FPS/Watt都輸給A12。

但是,整體來說,7nm的SOo效能還是勝過10nm的SoC(S835、S845、Exynos 9810)。

我們可以看到,決定手機SoC效能的兩大關鍵因素是:(1) 半導體工藝(製程);(2) IC設計技術。

半導體工藝對於SoC效能的影響大於IC設計技術。同樣的製程,蘋果公司的IC設計技術顯然優於華為,高通的IC設計技術也優於華為。蘋果公司與華為公司的龐大經濟規模量,讓他們勇於率先使用最先進的半導體製程,以取得效能上領先的地位。其他公司礙於經濟規模量的關係,就會落後1-2年才使用相同的製程。

蘋果公司在半導體工藝與IC設計上雙雙領先,所以是市場上的第一名;華為公司僅在半導體工藝上領先,所以是第二名,而高通公司僅在IC設計技術上領先,所以是第三名。高通公司的10/14nm SoC在三星半導體代工,單獨比較這兩家公司的SoC,可以看到同樣的製程之下,高通SoC的效能還是超越三星,所以三星的SoC應該算第四名。

近幾年智慧型手機之效能與半導體工藝.jpg
圖一:近幾年智慧型手機之效能與半導體工藝
圖/ 陳世芳

半導體工藝與FPS是一個指數關係(圖二),7nm工藝下,FPS約在60-80之間,可以滿足多數3D遊戲與高品質影片的需求。由於NTSC/PAL規範的歷史因素,下一個市場需求應該是120-160FPS之間,從趨勢預測線看到,5nm的工藝尚無法滿足這樣的需求,要到3nm的時候,才有機會滿足這個需求。這就讓我特別期待使用3nm工藝SoC的手機了。

3nm工藝下之FPS效能預測.jpg
圖二:3nm工藝下之FPS效能預測
圖/ 陳世芳

FPS效能已滿足多數消費者需求,難再推動手機SoC進步

我們更好奇在哪一年的時候,3nm工藝會實現?我們可以看到SoC量產年份與FPS約是線性關係,所以用一個直線外插法,大概可以預測到時間點落在2021-2022之間。

使用10-20nm半導體工藝製作的手機SoC,其FPS效能多數低於60FPS,未達到多數使用者的需求,所以,2018年以前的年份,消費者殷切期待手機SoC每年都有重大的進步,願意1-2年花錢購買新機。我本人就是這個現象之下最好的實證。

2018年之後,FPS的需求,不容易推動手機SoC進步了。少數的專業玩家才會需要72-120FPS的效能,因此我們可以推測,未來手機使用年限會比現在增加許多,特別是7nm工藝SoC的手機,已經滿足多數使用者的需求,平均使用年限會增長許多。

先進半導體製程,現在是Intel、三星半導體、台積電三分天下的局面。如果以摩爾定律的標準單位Million Transistors(MT)/mm2來做一個客觀的評比,Intel的10nm工藝約等同台積電與三星半導體的6nm工藝。Intel的10nm工藝,電晶體密度為100.8 MT/mm2,台積電代工的Kirin 980則達到93.08 MT/mm2,略遜於Intel。預估台積電的5nm製程,電晶體密度才會超越Intel的10nm。坊間常用多少nm來評量半導體工藝的優劣,這是不專業的用法,專業人士用MT/mm2來做比較單位,這一點希望讀者特別注意。

智慧手機的FPS效能預測.jpg
圖三:智慧手機的FPS效能預測
圖/ 陳世芳

反過來思考,2019-2021這幾年的手機,FPS的進步很難讓消費者有明顯的感受,手機SoC開發商需要找新的技術指標來刺激使用者的需求。目前,我們看到AI運算、8K解析度是重點項目。 手機SoC的下一個戰場是8K60FPS ,2019-2021這幾年,手機螢幕會從1080p升級到4K,4K錄影的FPS也會逐步提升,FPS/Watt依然會持續增加。到了3nm的時代,也許就從4K120FPS變成8K60FPS,然後開始8K顯示與串流(Video Streaming)的新時代。

人眼的解析度是6000X3000,所以8K的螢幕已經超越人的肉眼,顯示器的解析度再往上增加的意義不大。到了8K60FPS的時代,影音串流大概就很難推動人類對於頻寬的需求,取而代之的是大量物聯網裝置的通訊需求。

參考資料

  1. Apple Inc., “Apple Reports First Quarter Results,” Apple Inc., 29 1 2019. [線上]. Available: https://www.apple.com/newsroom/2019/01/apple-reports-first-quarter-results/. [存取日期: 11 2 2019].

  2. Apple Inc., “Q1_FY19_Consolidated_Financial_Statements,” Apple Inc., 2019.

  3. Andrei Frumusanu, “The Snapdragon 855 Performance Preview: Setting the Stage for Flagship Android 2019,” AnandTech, 15 1 2019. [線上]. Available: https://www.anandtech.com/show/13786/snapdragon-855-performance-preview. [存取日期: 11 2 2019].

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

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