「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 不只搶流量,下一步連交易都要拿走! iKala 程世嘉:AI 不認識你,廣告下再多都沒用
AI 不只搶流量,下一步連交易都要拿走! iKala 程世嘉:AI 不認識你,廣告下再多都沒用

下一個替你買東西的,可能不是你自己,而是 AI。當 AI 開始介入搜尋、比較與消費決策,品牌與消費者之間的入口也正在改變。iKala 共同創辦人暨董事長程世嘉認為,AI 競爭正進入下一階段,企業真正要面對的已不只是「如何導入 AI」,而是當消費者逐漸把選擇權交給 AI,品牌如何確保自己仍在 AI 的選擇名單中?

零點擊只是開始!Agentic Commerce 恐讓 AI 從「導購」變「代購」

過去,消費者透過搜尋引擎找到品牌、進入官網,再完成比較與購買;如今,愈來愈多搜尋與決策可以直接在 AI 中完成。程世嘉表示,「零點擊只是剛開始。」隨著 AI Agent 從提供答案進一步走向執行任務,下一步甚至可能替消費者選擇商品、完成交易,讓 Agentic Commerce 從「AI 幫你找」走向「AI 幫你買」。

Sega 側拍.jpg
程世嘉指出「零點擊只是剛開始」,AI Agent 正從「幫你找」進化到「幫你買」,加速 Agentic Commerce 時代到來。
圖/ iKala

這場變化真正改寫的,不只是流量入口,而是交易的主導權。當 AI 開始代表消費者採取行動,品牌未來面對的,可能不再只是「如何吸引消費者」,而是如何成為 AI 最終選擇的對象。

AI 不認識你,廣告下再多都沒用!SEO 下一戰:搶進 AI 的「推薦名單」

要被 AI 選中,第一步是先被 AI 認識。程世嘉直言:「如果 AI 連第一步都不認識你,那你在網路上下多少廣告都沒用。」這也讓品牌競爭從 SEO 進一步走向 GEO(Generative Engine Optimization):過去企業搶的是搜尋排名,現在更要掌握 AI 如何描述品牌、引用哪些來源,以及在什麼問題下會提到自己。

面對新的消費決策入口,iKala 將 AI Marketing 定位為協助品牌成長的全方位行銷服務,結合市場資料、自有 AI 產品與專業顧問團隊,提供從顧問診斷、策略規劃、專案落地到成效優化的一站式服務。從品牌定位、市場與競品分析,到 GEO 內容優化、創作者合作與媒體投放,iKala 不只提供數據分析工具,更協助品牌找出成長機會、制定行銷策略,並持續追蹤與優化執行成效。

iKala AI Marketing 總監許巧彤指出,品牌不只要「聽人」,也要「聽 AI」。透過 Ontix 掌握社群話題、消費者需求與市場趨勢,協助品牌發掘潛在商機;Kuroma 追蹤品牌在 AI 平台的能見度、推薦情境與引用來源,找出內容布局與 GEO 優化方向;Kolr 則結合創作者數據與行銷執行服務,協助品牌媒合合適的 KOL/KOC,規劃內容合作與媒體投放,將市場洞察轉化為實際行銷行動。

iKala
iKala AI Marketing 總監許巧彤分享,iKala 透過全方位行銷服務,搭配獨家產品賦能,協助品牌成長。
圖/ iKala

對內打通資料,對外洞察市場!程世嘉:老闆要懂 AI,AI 更要懂台灣

外部的搜尋與消費入口正在改變,企業內部也面臨另一場 AI 轉型。

企業 AI 為什麼推不動?程世嘉直指,第一個問題往往是「老闆自己不用 AI」。決策者若連 AI 能做什麼、不能做什麼都不清楚,再大的導入計畫也很難解決真正的企業痛點。iKala 提出「小步快跑、長期陪跑」的轉型策略,從關鍵場景快速驗證,再逐步擴大;同時以 AI Service、AI Marketing 雙軸出擊,讓 AI 不只改善內部工作效率,也能成為企業掌握商機、推動品牌成長的助力。

而當 AI 愈來愈深入企業決策、品牌溝通與消費者選擇,另一個問題也隨之浮現:AI 真的讀得懂台灣嗎?

對 AI 而言,語言相通,不等於真正讀懂一個市場。語言背後還有文化脈絡、在地知識,以及台灣人實際使用語言的方式。iKala 投入 TMMLU+,便是希望透過開源的繁體中文 AI 評測基準,檢驗模型對繁體中文與台灣知識的理解能力,讓「AI 到底懂不懂台灣」不再只是主觀感受,而有一套具體的評測依據。

TMMLU+.jpg
TMMLU+ 在九月全新推出 v1.1
圖/ iKala

從 Agentic Commerce、GEO 到企業 AI 落地,背後其實都回到同一件事:AI 應用最終仍建立在人與資料之上。正如許巧彤所說,「先有人才有 AI,因為 AI 終究是要讀資料。」人們創造內容、累積市場訊號,AI 從中學習、理解並影響消費決策,形成相互作用的循環。當 AI 逐漸從輔助工具走向決策與交易入口,企業競爭的關鍵將不再只是如何運用 AI,更在於如何讓 AI 理解企業、讓企業讀懂市場,進而掌握新的成長機會。

【關於iKala】

iKala 致力於透過將 AI 與數據嵌入企業經營核心,協助企業做出更精準、更快速的決策。我們透過引導組織從「數據累積」邁向「決策產出」來支援 AI 轉型,並提供完整的 AI 解決方案,將企業的自有數據與 iKala 基於全球數十億社群訊號所建立的智慧模型相結合。

iKala 總部位於台灣,足跡遍布全球,服務超過 1,000 家企業及 50,000 個品牌,版圖橫跨全球 190 多個國家,客戶群包含多家財星 500 強企業(Fortune 500)。

iKala 官方網站:https://ikala.ai
iKala AI Marketing 介紹:https://ikala.ai/zh-tw/ikala-ai-marketing/

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
一次搞懂工業AI
© 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