提前發表!聯發科5G單晶片「大翻盤」年底量產,斥資上億研發基地曝光
提前發表!聯發科5G單晶片「大翻盤」年底量產,斥資上億研發基地曝光

「這個晶片,是我們從2G時代開始累積的階段性成績。」聯發科技董事長蔡明介一手拿著自家內部編號「MT6885」的第一個5G SoC(系統單晶片),一手比著象徵著5G的「5」,滿臉笑意地面對媒體鏡頭。

正是這一個5G SoC,讓聯發科先前被外資看衰,被指「動作太慢」將無力加入明年中國5G換機戰;也是這一個5G SoC,超出預期提前量產時程,讓聯發科近期局面大翻盤,成功躍升5G晶片領先地位、追上高通的腳步。

成功加快量產時程,聯發科5G地位大躍進

明年,5G將從「助跑」進入到「正式賽道」。市調機構IDC預估,2020年5G智慧型手機出貨量將成長至1.235億支,占整體出貨量8.9%,但要5G手機要真正走向成熟,「心臟」晶片無疑是關鍵。

今年推出的5G手機,都還只能採用「支援5G的晶片外掛5G數據機」的過渡方案,像是「高通Snapdragon 855+X50」、「華為Kirin980+Balong5000」;但下一步,必定得走向整合5G數據機在內的5G SoC。

而在這場賽局中,變化總來的比計畫更快。

回顧市場概況,早在今年2月的世界行動通訊大會MWC上,跑最快的高通宣布自家5G SoC將在今年第二季送樣給客戶,2020年上半年就有採用的裝置推出。但這「第一」並沒有持續太久。

到了9月的德國柏林消費性電子展IFA上,華為和三星都分別發表了自家5G SoC,華為的「Kirin990 5G」由自家手機Mate 30率先採用,而三星的「Exynos 980」則將和vivo合作,於明年初推出搭載的裝置。

【HUAWEI】Kirin 990 5G.jpg
華為日前在德國發表了Mate 30系列手機,搭載自家第一個5G SoC Kirin990 5G。
圖/ 華為

反觀聯發科,早在今年5月的Computex上,就宣告將發表業界第一款5G SoC,內部編號為MT6885的晶片,原定將於2020年第一季量產,但當時卻不被外資看好,認為聯發科將趕不上明年中國爆發的5G換機潮,市場要被對手瓜分。

本月初,事態翻盤,摩根士丹利證券半導體產業分析師詹家鴻推翻原先說法,判定聯發科進程超乎預期,MT6885將提前到今年12月就可大量生產,預估明年上半年,聯發科可以攻下三成的中國5G手機市占率。

「對5G明年看法,我們還是比較正向樂觀,明年在大陸需求就有1億以上的需求量,」聯發科財務長顧大為透露,聯發科5G SoC已經在今年第三季送樣給客戶,明年第一季就有客戶會採用並推出量產裝置。

「我們會在12月公開更多資訊,整體來說進度非常順利,」顧大為一番話,再次掃走日前傳言陰霾,強調聯發科對5G的信心。

IMG_5680fix.jpg
這款具有轉折意義聯發科5G SoC日前首次亮相,聯發科日前也表示,第二款較平價的5G SoC也將於明年上半年推出。
圖/ 聯發科

然而,高通日前宣布,未來Snapdragon 6、7、8三系列新品都是5G SoC,最先推出的將是Snapdragon 7系列。

5G SoC.jpg
圖/ 數位時代

屏蔽室實驗室,模擬5G數萬種使用情境

勢頭正旺,聯發科也順勢出擊,在上個月正式啟用斥資50億在竹科打造的「無線通訊研發大樓」,這也是在台灣第10棟辦公大樓,並罕見地邀請媒體參觀。

包括手機通訊、上網、射頻、WIFI在內,「無線通訊」相關技術都歸這棟大樓所管,當然包含現在最重要的5G,就連一間5坪不到、小小的5G實驗室,都得耗費上億元打造。

IMG_7801_edited.jpeg
該大樓佔地1.26公傾,建築物涵蓋地下三樓及地上十樓,座落在竹科A、B大樓的對面。
圖/ 聯發科

以「手機晶片」為主營的聯發科,在樓內共設有30間電磁波屏蔽室,為的是在晶片送樣,營運商、手機廠商進行各種複雜的驗證測試前,聯發科得先自己先「模擬」,做好萬無一失的測試;而光是一間可以屏蔽外在訊號的空房間,造價也得要100萬台幣。

「在這個小房間裡,我們得模擬在不同國家、不同狀況下的環境,」現場工作人員說道,關鍵是在這層層疊加的機器上,透過工程師寫編碼,來模擬在不同國家基地台、情境等狀況。

無線通訊研發大樓 5G 2.jpg
在一間電磁波屏蔽室中,通常會有兩個模擬的機架。
圖/ 聯發科
無線通訊研發大樓 5G.jpg
共計有30間電磁波屏蔽室,測試項目不同。
圖/ 聯發科

根據現場工作人員透露,單單一張晶片,聯發科就得測試6~9個月,因為各國支援頻段不同,當一張晶片支援的頻段越多,測試的時間就越久,其中模擬的環境相當複雜,光是模擬的環境就有好幾萬個,像是在高速奔馳的地鐵裡、收訊不良的地下室、山區⋯⋯

「你單單看到這一台,就已經花了上億元,」而這些屏蔽室,有的是為4G測試、有的則是5G,各不相同。

蔡明介:天天都在看併購機會

「針對5G,我們七成的研發人才都在這裡,」蔡明介說道。

走在5G晶片研發這條賽道上,聯發科已經投入數千名人力、斥資超過1,000億台幣,即便研發團隊囊括歐洲、印度、美國、新加坡,但台灣仍是「大本營」,超過七成的關鍵人才還是以台灣為主。

「以我們現在的規模,一年營業額將近2,000多億台幣,在成長的過程靠自己當然是一條路,但是還滿累的。」

蔡明介回憶,聯發科22年一路走來,無論是獲得技術也罷、人才也好,投資併購一直都壯大自己的關鍵方式。被問起是否未來也會併購5G相關公司增強競爭力?他雖表示併購不僅限於5G,但仍不排除任何可能。

「我們天天都在看,always on!」蔡明介笑著表示。

責任編輯:蕭閔云

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