英特爾的IDM 2.0能否開闢出另一藍天
英特爾的IDM 2.0能否開闢出另一藍天

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。

Intel-HQ-RNB-Santa-Clara-4-690x460_c.jpg
圖/ Intel

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。

台積電.jpg
圖/ 台積電

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。

Intel
圖/ shutterstock

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-

關鍵字: #Intel #晶圓代工
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