傳Google棄高通、選三星,合作自研晶片!Pixel 6成有望搭載的野心之作?
傳Google棄高通、選三星,合作自研晶片!Pixel 6成有望搭載的野心之作?

目前的手機硬體似乎處於決賽期,隨著時間過去,參賽的廠商一個接一個地被淘汰。

過去在新手機發佈前,人們總是會對新機的CPU做百般猜測,究竟會採用德州儀器、英偉達、英特爾,還是高通、聯發科?

但如今,隨著幾家廠商的黯然離場,晶片市場變得無趣許多。SoC(單晶片系統)的主流供應商幾乎用一隻手就能數出來:雙雄爭霸的高通、聯發科,獨樹一幟的蘋果A系列,掙扎中的海思以及若即若離的三星獵戶座(Exynos)。

一直以來,「晶片決賽圈」都是在淘汰廠商,鮮少有後進者入局。

不過,在晶片的技術壁壘越來越高的同時,還是有一些野心勃勃的廠商想要攀上技術高地。有傳言稱,將要打破這片僵局的新手,很有可能會是Google。

僅供報導用途_shutterstock_192086159_google
圖/ turtix via shutterstock

延伸閱讀:甲骨文、Google十年恩怨落幕!90億美元Java案大翻盤,美最高法院判Android未侵權

Google會是下一個晶片「玩家」?

一直以來,Pixel都被Android用戶稱為Google的「親兒子」——它有原汁原味的Android原生系統、能領先其他Andorid手機體驗新的系統版本,以及由Google親自調教的成像系統。

現在,Google有可能還要為這位「親兒子」換上一顆親手打磨的晶片。

2019-Made-by-Google_Pixel-4.jpg
圖/ Google Blog

久聞其聲卻不見其形,便是在形容Google的自研晶片。2020年4月,在美國新聞網站Axios的一篇報導中提到,Google正在與三星合作設計一款代號為「 Whitechapel 」的晶片,並且已試生產成功。

Axios表示,Whitechapel以Arm為基礎架構,為8核心CPU的設計,集成Google在人工智慧、圖像處理等技術,並將採用三星的5nm工藝來進行生產。

不過,晶片開發週期比想像中的還要長,試生產成功再到投入量產之間,可能還要有一年甚至更長的時程。Axios當時估計,Google的自研晶片還需要一年才能真正運用在Pixel手機,也就是說,今年很有可能推出Pixel 6系列。

在2020年Google的財政電話會議上,Google執行長桑德爾.皮蔡也表示將會在硬體方面進行一些更深入的投資,有傳聞猜測,這是其自研晶片Whitechapel即將發佈的訊號。

桑德爾·皮蔡Google.JPG
圖/ Reuters Connect

隨著一年之期將至,越來越多關於Whitechaple的消息被披露出來。根據《9to5Google》的報導稱,Google今年秋季推出的手機有望搭載代號為「 GS101 」的自研晶片,其中GS可能就是「 Google Silicon 」的縮寫。

《9to5Google》也提到,新的晶片有可能會運用於代號為「Raven」和「Oriole」的兩台裝置上,也就是今秋將發佈的Pixel 6以及Pixel 5a 5G,開發工程是與三星的半導體部門一起合作進行。這也意味著,Google的新晶片可能會與三星的Exynos 2100共用一些軟體元件等。

有傳聞猜測,Google會像蘋果一樣將自製晶片應用在Pixel手機和ChromeBook筆電上,從晶片端串聯硬體生態圈。

但就目前來看,Google的保密工作相當嚴苛,並拒絕對這些傳聞發表評論,更多關於Whitechaple的性能表現、晶片架構等資訊依然不得而知。

這一切令人不禁期待起今年5月的Google I/O大會,是否真的會有一個硬體驚喜在等待著眾人。若Google要另起爐灶的話,這將是Pixel系列手機首次拋棄高通晶片,對Pixel系列的粉絲來說,這或許是一個好消息。

延伸閱讀:Google I/O將於5月中強勢回歸!免費開放全球開發者參與、新版隱私政策受關注

採用高通旗艦晶片向來是Pixel系列手機的傳統,但去年的Pixel 5卻打破這項傳統,轉而採用高通的Snapdragon 765G而非Snapdragon 865。外界猜測,這可能是出於成本的考量。

對於Pixel 5系列而言,少了旗艦晶片確實是一個不小的遺憾,這意味著與同樣定位的旗艦對手相比,Pixel 5系列在性能表現上將有不小的短處。

若Google轉而採用自研晶片的話,硬體的採購成本將會大幅降低,新一代Pixel也可以重新搭載旗艦級水準的晶片,在性能表現上,Pixel 5將會有較大的提升。

自製晶片,Google是認真的

事實上,先前的Pixel系列手機就曾搭載過不少Google的晶片。在自製晶片這件事上,Google的態度是認真的。

細數一下大眾較為熟知的案例,Pixel 2就曾搭載著Pixel Visual Core(PVC)。 PVC是Google專為圖像處理研發的晶片,它的出現讓Pixel 2的拍照表現被稱為當時最強的單鏡頭手機

google
圖/ 愛范兒

Pixel 2刷新了當時有一定權威性的DxOMark拍照排行榜,以99分的高分超越iPhone 8 Plus的94分拿下冠軍。

PVC擁有8個效能核心,每秒可以進行3兆次計算。在PVC的算力加持下,Pixel 2能在用戶幾乎察覺不到的時間內,拍出前後景一致清晰的HDR+照片,且與前代Pixel只能仰賴Google Camera App才能獨享HDR+功能不同,PVC讓第三方App也能完成HDR+的計算。在任何情況下,暗部細節都能被清晰呈現,這種軟硬體結合的計算攝影效果在當時是令人非常驚豔的。

經過Android Central的測試發現,PVC的運行速度要比Snapdragon 835的圖像處理器快上五倍,而耗能不到Snapdragon 835的十分之一,它因此被評價為「 Pixel 2攝影鏡頭的秘密武器 」。

而在Pixel 3系列上,Google運用了一顆名為「 Titan M 」的安全晶片,以確保手機的數據安全。

Titan M能從Boot層面阻斷對Android系統進行降級和攻擊Boot loader(啟動程式)的行為,且可以限制惡意程式的解鎖次數,防止數據遭篡改和竊取,保護Android系統的完整性。

圖一.1
圖/ shutterstock

Google還為第三方程式提供了Titan M的API介面,例如程式開發者可以將密碼儲存在Titan M中,確保數據的獨立與安全。

來到Pixel 4時,於前兩代發揮重要作用的PVC晶片消失了,取而代之的是Google新研發的「 Neural Core 」晶片,其作用相當於人們更熟悉的TPU(張量處理器),能透過機器學習來完成HDR合成、語音控制、臉部辨識等的計算工作。

在目前最新的Pixel 5和Pixel 4a系列上,Neural Core又被Google捨去了,而Titan M則被保留下來。Google表示,這是因為他們透過優化演算法,讓Snapdragon 765G發揮出與Neural Core相近的計算能力。

不過在Pixel 5上,原先的臉部解鎖功能也被刪減了,相較於前一代,對於神經計算的需求降低了不少,也不難理解捨去Neural Core的成本來為5G等新功能鋪路的作法。

在新的GS101自研晶片上,這份遺憾有望能得到彌補,根據社群網站XDA的消息稱,GS101將會集成TPU和安全晶片Titan M,而神經計算核心也將會回歸。

為何要捨棄旗艦晶片,自己埋頭研發?

根據研調機構Counterpoint公佈的2020年第三季全球智慧型手機SoC晶片市場的統計報告顯示,聯發科和高通依然佔據著SoC市場的半壁江山。

google
圖/ 愛范兒

延伸閱讀:聯發科做對這兩件事,助攻股價破千、超車高通!IC設計一哥還有哪些5G布局?

不得不承認的是,銷量平平無奇的Pixel系列手機即便投入自研晶片,也不會對Android陣營的晶片市場造成多大影響。也就是說,Google的入場並不會改變這個局面,但對於Pixel系列和Google的硬體生態而言,自研晶片的意義顯得更為重要。

自研晶片最大的意義並不在於性能的提升,而是延長系統的更新週期 ,換句話說,就是能用得更久。與iOS長達6年以上的系統支援相比,Android系統2–3年的更新週期經常被人詬病。

想要延長系統的更新週期,少不了晶片廠商的協助相容,而自己掌握晶片的話,便可以少去這個中間環節。根據XDA的猜測,若Pixel 6換用Google的自研晶片,有可能會獲得超過5年以上的系統更新支援,

自研晶片除了為Pixel系列帶來革新之外,對於Google另一項重要的硬體系列Chromebook,其意義也是相對重大的。

Chromebook
圖/ Google

根據市調機構Canalys PC的分析數據,Chromebook在2020年的需求量創下了歷史新高,全年出貨量達到3,060萬台,且在2021年將繼續保持強勁的成長勢頭。

蘋果去年端出的M1晶片證明了Arm架構的潛力,也展現出高性能的Arm架構處理器將取代低功率X86晶片的趨勢,有評論預測Chromebook會是下一個發生Arm架構取代X86的平台。

換用Arm架構處理器能為Chromebook帶來更低的硬體成本、更好的Android系統體驗、更持久的續航力表現,且體積也能變得更加輕薄,Chrome Unboxed曾在一篇文章中指出,Arm架構就是Chrombook的下一個未來。

Google自研晶片的出現,可以進一步促進Android與Chrome OS兩個平台的融合,這對過分依賴雲端的Chrome OS而言,其軟體生態的豐富性將會獲得提升。

Apple_new-m1-chip-graphic_11102020_big.large_2x.jp
圖/ Apple

那麼Google會藉此推動PC端與手機端的生態一體化,來趕上蘋果甚至超越蘋果嗎?

相較於蘋果,Google仍缺乏設計定制版CPU、GPU架構的能力,也缺少強大的移動圖形處理部門。從Google目前的研發能力來看,要趕上甚至超越蘋果的可能性並不大。

那麼,大眾為何要對這顆神秘的晶片抱持期待?

Google是少數能貫通PC、平板電腦、智慧家居、手機等多硬體生態的廠商 ,從這一點來看,Google自研晶片的潛力是相當巨大的。在M1過後,這項消息可能會讓晶片市場再一次興奮起來。

本文授權轉載自:愛范兒
責任編輯:文潔琳

關鍵字: #Google #晶片
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