「別玩數字遊戲」!英特爾打臉晶圓代工廠的製程秘密,堅守摩爾定律、要靠效能決勝負
「別玩數字遊戲」!英特爾打臉晶圓代工廠的製程秘密,堅守摩爾定律、要靠效能決勝負

晶圓代工龍頭台積電宣布自家5奈米已於今年第二季量產,而三星也喊出今年底要量產5奈米製程,同時3奈米也要轉換成GAA(閘極環繞)的架構,在這條突破摩爾定律的路上,兩家半導體業者也還不停地端出8奈米、6奈米、4奈米等各種製程。

提出摩爾定律的老大哥英特爾自然也將這些消息看在眼裡,新竹辦公室總經理謝承儒就表示,英特爾才是以摩爾定律限制持續發展先進製程的半導體企業,而這些「花俏」的數字在他看來,「都只是一種商業行為的考量」。

編按:
摩爾定律 ( Moore's Law )是由英特爾(Intel)創辦人之一戈登‧摩爾(Gordon Moore)所提出。其內容為:積體電路上可容納的電晶體數目,每隔24個月便會增加一倍;經常被提及的「18個月」則出自於英特爾的大衛·豪斯,他預測每18個月,晶片效能便會提高一倍。

跟著摩爾定律走,英特爾:「別再玩數字遊戲」

根據摩爾定律的規則,半導體要在18-24個月內,讓電晶體的集成數量能夠成長1倍才算數。而過去《數位時代》也曾專訪過工研院電子與光電系統研究所所長吳志毅,他指出過去製程的命名都是依據閘極的長度而定,但自從過了10奈米後,由於面積逐漸縮小、要在新的節點達到比前一代1倍的成長難度提升不少,因此各家業者在命名上就比較不再遵守過去的方式,比較像是透過一種「先喊先贏」的感覺,當然最終還是必須回歸到電晶體密度、晶片的效能來檢視。

英特爾新竹辦公室總經理謝承儒
謝承儒表示將不同廠商的不同製程技術,單純用簡化後的數字做競爭,並不適當。
圖/ 英特爾提供

昨(15)日舉行的「英特爾架構日」中,謝承儒讓數字來說話。跟自家前一代14奈米的電晶體密度44.67百萬顆相比,10奈米的電晶體密度有2.26倍的提升、達到100.78百萬顆;而以台積電的7奈米為例,較前一代10奈米電晶體密度有1.6倍的提升,約來到91.2百萬顆,這麼一來,應該很容易理解為什麼外界總用「英特爾的10奈米等同於台積電的7奈米」來比較。

此外,謝承儒也分享了用在最新發表的CPU「Tiger lake」的10奈米SuperFin製程,透過增加FinFET(鰭式電晶體)中的「鰭」來強化該製程的效能表現,因此比起10奈米,有20%的效能提升,不過因為在架構中多了「鰭」的設計,因此面積有些微的增加,但英特爾解釋,如何抉擇取決於客戶對於產品的需求,究竟是「面積」抑或是「效能」,例如行動裝置可能就會更在意晶片的面積。

intel 10奈米 SuperFin製程
intel 10奈米 SuperFin製程
圖/ 螢幕截圖

不只靠製程,晶片的表現也要打「團體戰」

謝承儒也進一步表示,不同晶圓代工廠的不同製程已無法單純用簡化的數字比較,除了是因為業界沒有一個共同的命名標準外,將不同製造商的製程技術單純簡化成數字上的競爭並不恰當。同時他也認為,「外界太著聚焦在單一項目的比較了」。

在英特爾的眼中,一個能被用來運作的晶片包括了科技六大創新支柱:製程與封裝、XPU架構、記憶體、互聯架構、安全性以及軟體。謝承儒表示,外界太過於專注在製程的數字卻忽略了其他的影響力,例如擁有好的架構設計對晶片在終端裝置的效能表現上肯定有幫助,絕非製程這個環節可以「獨撐大樑」;又或是當一個晶片裡面所需要的技術由外面代工廠製作,英特爾的角色就是用良好的封裝技術,讓這些不同的晶片可以更順暢的溝通、達到良好的效能表現。

外包不是技術差!做最有效的決策才是英特爾考量

外界也相當好奇今年7月執行長史旺(Bob Swan)的一席「外包說」(Out Sourcing),謝承儒解釋,站在英特爾的角度,未來考量將會是更全面性的,別人若擁有比英特爾更好的技術,也會思考是否委由他人去製造,這部分不單只是成本的考量、也可能包括產品上市(Time to Market)的速度。

英特爾台灣分公司發言人鄭智成以獨立GPU為例,當場上所有獨立GPU都是由晶圓代工廠製作的時候,沒有理由英特爾要捲起袖子自己來,可能他們的技術上沒有晶圓代工廠成熟、也可能因為產能要留給更重要的產品,所以選擇外包就是個能讓產品加快上市時程的考量。

英特爾台灣分公司發言人鄭智成
鄭智成說,外包的行為對英特爾來說,是個包括成本、產品上市時間等全盤的考量。
圖/ 英特爾提供

另外,未來外包產品將採用先進製程或成熟製程,英特爾都不會設限,只要能協助產品效能和表現達到最佳化,都會考慮。對於是否會由外面代工廠封裝完畢再送回英特爾,鄭智成表示,這部分也都沒有絕對,可能是由外部廠商完成後交回英特爾、又或是將半成品送回英特爾再封裝。

可預見的是,未來英特爾將持續往封裝技術上鑽研,假設當所有人都獲得了相同的素材,那麼廚師炒菜的功力就成了如何端出一盤美味佳餚的關鍵,半導體的封裝技術正是這個概念,「這部分英特爾也已經在做了」,鄭智成說。

不過眼下比較現實的問題,還是英特爾製程的良率跟產能是否可以跟得上市場的需求腳步,尤其仍守著50多年前提出、可能面臨到瓶頸的摩爾定律,英特爾該如何面對兇猛的競爭對手們?對於這一點,謝承儒很有自信地表示,英特爾依舊是以摩爾定律為策略核心,而且端出來的產品表現夠好,市場肯定會接受,「你也看到了10奈米SuperFin的數字了不是嗎?」

責任編輯:錢玉紘

關鍵字: #台積電 #英特爾
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