英特爾的IDM 2.0能否開闢出另一藍天|數位時代 BusinessNext

3月23日，英特爾公司在Engineering the Future線上發布會上，宣示雄心勃勃的「IDM 2.0」，重申英特爾會將最重要的產品，留在自家晶圓廠生產。不過也會將部分產品，委託台積電先進製程代工。CPU以外的產品會交給台積電、聯電、三星電子、格芯等，晶圓代工廠生產。

英特爾的「IDM 2.0」主要有三大重點

首先，英特爾會維持全球自家工廠大規模生產的營運模式，英特爾會在自家工廠生產多數的產品。目前英特爾7奈米(相當於台積電的5奈米)製程開發進展順利，並且積極使用EUV技術。封裝技術方面，英特爾可使用多個IP或「晶片塊」（Tile）。這顯示英特爾在半導體先進製程及封裝方面，仍持續前進，足堪支援在自家工廠生產多數產品。

其次，英特爾將擴大使用第三方晶圓代工產能。英特爾下一代Meteor Lake 7奈米CPU的部分晶片塊，將在2023年委託台積電代工。CPU以外的產品線，擴大委託台積電、聯電、三星電子、格芯代工生產。

第三點為英特爾將再次跨入晶圓代工服務。英特爾宣布將成為美、歐主要晶圓代工產能供應商。英特爾將成立「英特爾晶圓代工服務」（IFS）部門，為美、歐客戶提供晶圓代工服務。英特爾晶圓代工計畫獲得微軟、高通、IBM、Google、思科、亞馬遜、愛立信以及比利時微電子研究中心（IMEC），8大公司、組織的支持。

最令人矚目的是，英特爾宣布將投資200億美元，在美國亞利桑那州設立兩座先進晶圓廠。這兩座新晶圓廠除了生產自家產品外，將提供在英特爾IFS下單客戶生產所需的產能。目前英特爾在亞利桑那州共有4座晶圓廠，加上將設立的兩座新晶圓廠，則總共6座晶圓廠，亞利桑那州成為英特爾在美國的生產重鎮。

2015年英特爾宣布以167億美元購併FPGA大廠Altera，這是英特爾進入晶圓代工事業的「引子」。2016年8月英特爾在IDF宣布開放晶圓代工服務，紫光展訊使用英特爾14奈米製程開發生產智慧型手機應用處理器，LG使用英特爾10奈米製程開發生產智慧型手機應用處理器。由於英特爾製程延宕，10奈米製程「千呼萬喚」在2018年5月方問世，自家產品都無法順利上線，遑論「社外」的晶圓代工客戶。英特爾當年的代工事業大計，落到「悄悄落幕」的下場。

英特爾14奈米製程於2014年9月量產，領先群倫。台積電的16奈米製程於2015年第三季進入量產，10奈米製程(與英特爾14奈米製程性能相當)在2017年6月量產。英特爾此時製程技術領先台積電約2年。

依照英特爾原本規劃的時程，10奈米製程應在2016年下半年量產，無奈一再拖延，直到2018年5月方量產。可惜的是量產不順，真正大量生產被推遲到2019年第二季底。

台積電於2018年4月量產7奈米製程，2020年4月量產5奈米製程，2022年下半年量產3奈米製程。而英特爾的7奈米製程則延宕到2023年方可量產。因此目前台積電在製程技術方面領先英特爾約2年。

延伸閱讀：[英特爾與台積電相爭，是成功的一步棋、還是自不量力？分析師這樣看
][1]

面子問題與供需失調，英特爾怎麼選？

由於英特爾在製程發展不順利，目前主流產品仍由14奈米以及10奈米擔綱。主要競爭對手超微，使用台積電7奈米製程，性能卓越，因此在市場搶了不少英特爾的市占率。

英特爾由於製程發展不順暢，導致設計部門無法全力發揮，因此內部遂有積極委託台積電以最先進的製程代工生產CPU的聲音。產業界的消息指出，英特爾已與台積電簽約，將委託台積電以6奈米製程生產獨立繪圖晶片，以5奈米、3奈米生產部分CPU產品。

英特爾是全球第一大半導體公司，是美國的驕傲，委託台灣台積電生產，有「面子」問題需要考量。尤其是在這波，全球半導體供需失調的情境下，強化自家在地生產，可說是英特爾的「當務之急」。

因此英特爾的新營運模式，將附加價值低的CPU以外產品，委託外部晶圓代工廠生產，留下附加價值高的CPU及伺服器處理器在自家生產。同時將採用台積電3奈米製程生產CPU以因應市場的挑戰。

先進製程投資龐大，因此英特爾企圖進入晶圓代工市場，以擴大自家先進製程的「出海口」，以免產能閒置。

英特爾的晶圓代工瞄準美、歐市場，企圖以在地生產的優勢取得訂單。然而英特爾可能不熟悉晶圓代工的營運模式，有許多困難需要克服。除此之外，除非英特爾可以不計盈虧，否則英特爾的生產成本高，無法與台積電競爭，客戶可能無法接受高昂的代工價格。

從第一波跳出來支持英特爾的八大公司、組織來看，僅有高通一家為IC設計公司，其餘的為軟體、系統公司及研究組織。盡管高通總裁表示將會在英特爾投單，然而當英特爾端出的製程技術、良率、價格等，如果無法讓高通滿意，「在商言商」高通可能無法在英特爾下單。

高通是英特爾潛在的競爭者，高通將來可能開發推出筆電、伺服器CPU，如此一來高通與英特爾關係丕變，檯面上講得是「場面話」，實際商業行為是以利益為優先。

客製化IC（ASIC），則是英特爾的可行之策。替微軟、Google、AWS等開發客製化IC，成為英特爾晶圓代工服務的可行之策。從IC設計到代工生產，「一條龍」的服務，將可能為英特爾開闢一片新藍天。

責任編輯：錢玉紘、陳建鈞

《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。

（觀點文章呈現多元意見，不代表《數位時代》的立場）
[1]: https://www.bnext.com.tw/article/61959/intel-idm-revolution-

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。