確定買了!AMD蘇姿丰宣佈350億美元併賽靈思,一次看FPGA佈局全解析
確定買了!AMD蘇姿丰宣佈350億美元併賽靈思,一次看FPGA佈局全解析

10月27日更新:
AMD(超微)同意以350億美元價位收購Xilinx(賽靈思),一口氣將業務觸角伸向5G及車用市場,這是執行長蘇姿丰任內主導最大樁併購案,也是2020年第二大金額交易案,此舉將使超微晉身第四大IC設計業者,超越聯發科。

該收購價約是賽靈思市值280億美元的1.25倍。該交易預計2021年底完成。

蘇姿丰宣佈,這次併購賽靈思將幫助AMD成為業界高性能運算的領導業者,也是業界最大也最重要的技術合作夥伴首選。

這次出手併購,比先前傳言300億美元更大,後續AMD如何支付該筆費用也受到關注,目前AMD市值約1000億美元,市場評論則認為因賽靈思的晶片銷售毛利比AMD高得多,可以成為AMD的獲利金牛。

也有評論認為,AMD只是在跟進學習英特爾,英特爾先前也併購了賽靈思對手Altera。

TrendForce旗下拓墣產業研究院指出,若收購案完成,AMD不論在5G、資料中心、ADAS(先進駕駛輔助系統),以及工業自動化領域的話語權皆將大幅提升,完成收購後營收將超越Mediatek(聯發科),營收將緊追在第三名NVIDIA之後,除了躍升為全球第四大IC設計業者之外,由於兩家皆是TSMC(台積電)的重要客戶,因此對台積電的議價能力也將隨之提升。

Intel與NVIDIA戰略性收購多家IC設計業者,垂直整合,在AI、5G基礎建設、ADAS與工業自動化等領域發展強勢,相較之下,AMD在這些領域略顯遜色。綜觀來看,拓墣認為,單憑應用範圍、產品廣泛度、技術實力與營收規模等,相較於Intel與NVIDIA,AMD是三者間最弱勢的廠商,該收購案將透過FPGA的可編程彈性與平行運算等優勢,為AMD帶來如5G基建、AI、ADAS與工業自動化等更多商機。

不過,Xilinx營收表現已連續衰退三季,受疫情及貿易戰影響甚大,分析師姚嘉洋表示,倘若中美關係再度惡化而擴大實體清單的制裁範圍,Xilinx將會面臨更大衝擊,也是AMD在交易案完成後新的考驗。

在技術面,TrendForce認為,雙方合併後不論是產品的定位、研發資源分配、開發工具與函式庫的整合,需要透過既有人員的溝通與討論才得以發揮綜效。其中,開發工具與函式庫等軟體資源的整合相當困難,必須兼顧CPU、GPU與FPGA三者的特色, 因此AMD若要達成此一目標將面臨不小的挑戰。

10月11日
NVIDIA(輝達)宣佈400億美元收購Arm後,AMD(超微)9日也傳出計畫以300億美元收購Xilinx(賽靈思),約高出賽靈思市值16%;賽靈思是一家全球最大FPGA(現場可編程輯閘陣列(Field Programmable Gate Array)晶片供應商,似乎,半導體產業正掀起滔天併購巨浪。

xilinx-building.jpg
賽靈思客戶包括華為、阿里巴巴、亞馬遜等客戶。
圖/ 賽靈思

AMD成功站穩在桌上電腦與伺服器地位後,新發表Zen3架構開發的新品,包括高階桌上處理器與顯示晶片一波波推出,再度對PC市場玩家展開攻勢,由於NVIDIA GeForce RTX 3080 及3090缺貨,勢必有趁隙搶市機會。

然而,AMD動作不止於計畫中的新品規劃,9日又傳瞄準全球最大FPGA晶片商賽靈思招手,外電指出,雙方正在談判最後階段,下週即將公佈談判結果,這可能是AMD2006年併購ATi後最大手筆,但外界也質疑,AMD是否有如此龐大現金部位。

延伸閱讀:5G時代營收要多3倍!FPGA晶片大廠賽靈思,如何用一款軟體平台抓住市場?

外媒預期AMD是看好賽靈思在無線通訊領域的優勢,並佈局AI領域,但突然出手也被猜測是被NVIDIA逼急了,因為同為繪圖晶片業者,NVIDIA還在今年買下Mellanox高速傳輸業者。

xilinx-t1-hero-pr-media-kit-720x405.jpg
賽靈思推出5G的加速器。
圖/ 賽靈思

在說明FPGA晶片是什麼之前,要提醒的是,同樣看好FPGA的應用前景,英特爾(Intel)在2016年已經出手以167億美元併購Altera,這也是賽靈思過去最主要的頭號對手,英特爾後來也發表許多針對AI應用的FPGA相關產品,跟賽靈思單挑。

FPGA是什麼?GPU的頭號敵人

那麼,FPGA是什麼呢?賽靈思為何值得接近8610億台幣的收購價格呢?

FPGA是一種可以反覆修改電路設計,修改邏輯運算的架構,在技術更新快速的領域很受歡迎,比方AI及物聯網等領域,業者買來晶片後,可以透過系統設計師重新編寫程式,根據需求修改晶片邏輯功能,重要是能反覆修改,這表示一旦演算法有變動或程式有Bug可以立刻修改,降低成本,耗電也低,唯一缺點是業者自己的技術能力要足,也就是FPGA對技術要求有一定門檻。

xilinx-subaru-automoative-pr-mediakit-720x405.jpg
賽靈思獲得車廠使用於邊緣運算上。
圖/ 賽靈思

FPGA的半定製特性,比較適合專門用途;相對於CPU適合各種各樣的指令,屬於通用型運算處理器,FPGA尤其適合AI深度學習及神經網路運算,拿來跟CPU及GPU相比,FPGA運算特定應用的效率比CPU高得多,而可編程這一點來說,彈性比GPU(繪圖晶片)更大;換言之,在AI領域,FPGA是相當有優勢的。

由於許多AI應用要處理分析龐大數據資料,平行運算能力需求高,GPU跟FPGA這方面相對較強,所以許多AI伺服器的硬體設計,會以CPU搭配GPU,或者CPU搭配FPGA來設計,FPGA被當作AI運算加速器。

換言之,FPGA的對手就是GPU業者們,到現在就能稍微理解,身為CPU與GPU二哥的AMD為何想出手買下FPGA龍頭了!一旦完成併購,AMD在AI運算領域有機會瞬間拉高市占率,搭配自家CPU供貨給雲端大廠們。

英特爾2016年出手買Altera,與賽靈思較勁

FPGA的兩大廠商有賽靈思與Altera,這兩家廠商都供應FPGA晶片、開發板與設計工具軟體給客戶,其中賽靈思更是創立FPGA架構的開山始祖,在對手被併購後,目前獨大,在AI及無線通訊領域都有突出表現,2019年更宣佈跨入5G產業。

INTEL
英特爾2016年也併購進入FPGA戰場。
圖/ INTEL

賽靈思目前獲得哪些雲端服務大廠採用?根據資料顯示,亞馬遜及微軟、阿里巴巴的資料中心都有賽靈思的身影,若AMD買下賽靈思,在AI雲服務大廠供貨佔有率有機會增一倍,但還是比不過霸主NVIDIA,但不少研究機構也預估,NVIDIA的霸主地位也很可能會被FPGA及ASIC(特定應用積體電路)蠶食。

賽靈思目前市值258.95億美元,最近四季EPS為2.56元。今年4~6月底(2021財年第一季)營收為7.27億美元,排除一次性項目的非通用會計準則(Non-GAAP)每股稀釋盈餘0.65元。

賽靈思是晶圓代工龍頭台積電重要客戶之一,台灣合作夥伴包括台積電、日月光控股、京元電等等。

關鍵字: #AMD
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