Intel放棄5G手機晶片市場,並不代表退出5G戰局
Intel放棄5G手機晶片市場,並不代表退出5G戰局
2019.04.26 | 蘋果

上週蘋果與高通訴訟案大和解,蘋果將採用高通數據機晶片後,英特爾(Intel)同時也宣布退出5G數據機晶片市場,讓外界好奇,英特爾是因為蘋果才退出市場的嗎?

的確,蘋果重回高通懷抱,讓英特爾,失去了一個以2億顆晶片為單位的大客戶,看似很重的打擊。但實質上,失去蘋果5G訂單只是壓垮駱駝的最後一支稻草,英特爾對於5G數據機晶片市場早萌生退意。怎麼說?

Intel對於5G數據機晶片市場早萌生退意

從根本面來看,智慧型手機高成長時代已過,市場飽和、手機價格越來越貴,換機周期延長等因素讓智慧型手機出貨量2018年開始衰退,年成長率為-4.1%,這個衰退的幅度遠超過手機產業鏈預期。從各大市調公司數字來看,今年可能也是衰退局面。

Intel Bob Swan
英特爾執行長Bob Swan曾說,智慧型手機數據機業務看不到獲利與投資回報的清楚路徑。

同時5G手機滲透率也進展緩慢,IDC預估2019年5G手機銷量僅為670萬支,必須到2023年數量才會成長到全球 26% 的市占率,因此有很長一段時間將是4G與5G共存。

種種因素來看,就算5G時代,手機整體出貨還能正成長,成長幅度也大不如4G時代動輒20%以上的亮麗數字。對Intel來說,5G數據機晶片不是值得投資的未來。

也因此英特爾執行長Bob Swan當時才會強調,「智慧型手機數據機業務看不到獲利與投資回報的清楚路徑。」

加上,英特爾雖然提供4G數據機晶片給蘋果,但在手機領域實力一直落後於高通。英特爾是PC時代霸主,Intel 2007年起錯失iPhone與Android帶動的手機風潮,同時在4G時代,英特爾力推WiMax技術,想與高通推行的LTE爭奪技術標準,但不幸成為高通手下敗將,英特爾在5G數據機晶片戰場,專利、技術、人才與生態系等布局很難超越高通。

5G數據機晶片除了高通還有聯發科、三星、華為四家業者,競爭異常激烈。英特爾在業界也難排上前兩名。高通將在2020年推出SoC整合單晶片,把數據機晶片直接整合在一起,也讓英特爾挑戰加劇。

另外業內人士也指出,「英特爾原本寄望與中國展銳合作,希望能在中國市場有一番成果,成為反敗為勝的關鍵。2014年英特爾積極和展銳合作,但在今年的MWC上,英特爾證實合作破局,這件事也重挫數據機晶片業務部門。」

「高通5G數據晶片大受手機品牌商歡迎,當英特爾不再有蘋果訂單保障後,大客戶難尋,未來增添不少不確定性與風險,」該人士強調。

因此失去蘋果5G訂單只是壓垮駱駝的最後一支稻草而已,並非主因。

丟掉5G數據機晶片,仍留著基地台等基礎設備?

不過,英特爾全面退出5G數據機晶片,不代表退出5G戰局,英特爾著眼於較有競爭優勢的天線等5G基地台基礎設施晶片。

「5G不僅用在手機通訊而已,產業界更期待的是5G能帶來萬物互連與智慧城市等物聯網的新生活應用,」業內人士強調。

因此英特爾著眼的是各類物聯網裝置啟動的「邊緣運算」與資料中心等「雲端運算」帶來的大成長,而非智慧型手機。況且行動時代的裝置數量以10億為單位,但物聯網可能暴增至以500億為單位,這塊餅非常大,而且一切都還剛開始,機會無窮,相較智慧型手機已經看到了「天花板」,充滿機會。

著眼500億為單位的物聯網

邁入物聯網世代,摩爾定律的未來又遭受挑戰,Intel、 NVIDIA與Xilinx與Intel等全球前十大晶片設計廠商莫不具焦三大領域,1.運算力(Compute)2.網通(Networking) 3.儲存(Storage)。

NVIDIA 創辦人兼 CEO 黃仁勳於 GTC 2018
NVIDIA近期收購伺服器互聯技術商Mellanox。
圖/ James Huang 攝影

NVIDIA就砸下67億美元,從Intel與Xilinx手中搶下乙太網路交換機、伺服器晶片網通大廠Mellanox,就是看到5G時代,資料中心中運算力(Compute)、 網通(Networking)與儲存(Storage)三者整合(Integration)的重要性。

而Intel布局已深,已推出多種產品。5G基礎設備關聯到邊緣運算與雲端運算等網通技術傳遞,在網通領域,FPGA保有相當多的優勢。

多元硬體加速晶片種類中,FPGA與ASIC常拿來做比較。若單純以效能來看,ASIC是一種為了某種需求訂製的專用晶片,在量產後成本與延遲與功耗等表現都優於FPGA。但ASIC晶片的演算法是固定的(ASIC設計製造後電路就固定無法改變),也就是說,若使用了ASIC加速某種類神經網絡演算法,後來別種演算法更優異,也無法變更,這些投資就浪費掉。

FPGA的優點就是可以重新編碼,可以配合不同的演算法做不同的設計,不需更改硬體設計,直接透過升級軟體改變晶片硬體功能,因此具有高度的彈性。

現在5G應用一切尚未成熟,演算法更新速度也快,因此具有高度彈性的FPGA,很適合用在5G基地台天線RRU(遠端射頻單元,Remote Radio Unit)中。

FPGA產品線布局迅速,連ASIC趨勢都準備好

為了FPGA市場,Intel採用收購策略。2015年,Intel以167億美元的價格,收購全球第二大FPGA商Altera,隨即成立現在的可編碼部門(PSG),專攻FPGA晶片。2018年Intel收購矽谷晶片公司eASIC,提供一種介於FPGA與ASIC中間的技術。(延伸閱讀:Intel低調收購的晶片商eASIC,背後帶來的價值是什麼?

市場競爭來看,這個領域GPU大廠NVIDIA的手也很難伸進來,FPGA領域就屬第一大廠Xillinx與英特爾兩家獨強。相比5G數據機晶片的研發延宕,FPGA產品線布局迅速,已經推出MAX、Cyclone系、Arria與Stratix等系列。

針對5G基礎設施部署。lntel看準需求推出FPGA 加速卡 N3000 產品。已經獲得日本樂天(Rakuten)與美國Affirmed Networks採用。

不僅於此,Intel看得非常遠,未來5G電信商若將從FPGA轉換為ASIC,Intel也都準備好了。Intel在2018年併購的團隊eASIC,就可以提供電信客戶從FPGA轉ASIC晶片的客製化服務。

「eASIC產品已經好了,就等待電信客戶有需求上門,」英特爾可程式化解決方案事業群業務經理林士元指出。

「由於ASIC晶片成本下降,效能提高、功耗也較低,因此預期客戶轉換意願加,」林士元強調。根據過去4G的發展,電信客戶紛從FPGA轉為ASIC晶片也花了約2年到3年的時間,因此,英特爾已經提前布局。

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