NVIDIA收購Arm獲三大晶片巨頭支持!這樁400億美元聯姻還要面對哪些挑戰?
NVIDIA收購Arm獲三大晶片巨頭支持!這樁400億美元聯姻還要面對哪些挑戰?

編按(2021.6.29更新):Nvidia斥資400億美元收購英國晶片設計公司Arm的交易又出現轉機,今(29)日獲得全球三家最大晶片製造商博通、聯發科以及邁威爾科技的支持,三巨頭成為首批公開支持Nvidia收購Arm的客戶。

然而Nvidia收購Arm的交易正受到英國競爭和市場管理局的關注,後者準備提交可能反對收購的審查報告。與此同時,這筆潛在交易也正在美國、歐盟和中國受到審查。競爭對手如高通、微軟等都擔心,若交易成功,Nvidia會限制向他們提供Arm的技術,或是提高價格,而Arm目前由日本軟銀集團所有,向500多家製造商提供晶片設計服務。

2021.6.16更新

Nvidia能否順利收購Arm,最大的難關可能會是歐盟,因為歐盟必須等到秋季收集完所需資訊後,才願意展開審查,導致可能很難在協議中訂定的2022年3月的期限內完成收購。

去年披露這筆收購交易後,便在半導體業界引發宣然大波,微軟、高通等眾多科技巨頭均表達反對態度,Nvidia必須經過美國、中國及歐盟監管單位的首肯,才有辦法將Arm納入麾下。

Nvidia稍早傳出已經向中國提交審核申請,美國也正在籌備當中,不過歐洲方向則遲遲未能提出申請,歐盟計畫到9月蒐集完足夠資料後,才會正式進入審核流程。

儘管依照法律規定,Nvidia可以隨時提交審核申請,但以往慣例都是收到監管單位通知後,企業才會正式提交申請,如果違反這樣的默契,對與歐盟監管單位之間的關係可能不是好事。

Nvidia收購Arm的野心正面臨著各方審視,尤其在晶片短缺的現況下,半導體產業已經被各大國家視為攸關國家競爭力的核心產業,在手機晶片領域市占率達9成以上的Arm,可能失去中立性的擔憂令各國、相關企業都無比重視。

倘若無法在2022年3月完成的話,兩家公司可以將收購協議延長至同年9月,但如果到時仍無法獲得政府放行的話,任一家公司都可以選擇退出這起收購交易。

2021.4.15報導

雖然在剛結束的GTC 2021期間,NVIDIA執行長黃仁勳強調有信心順利完成收購Arm,但英國競爭及市場管理局(Competition and Markets Authority,CMA)表示因擔憂對國家安全造成影響,將針對NVIDIA收購Arm這筆涉及400億美元的收購案展開深入調查。

從去年NVIDIA宣布收購Arm之後,不僅因為是否涉及壟斷市場而爭議不斷,Arm共同創辦人赫爾曼·豪瑟(Hermann Hauser)博士也曾發起「Save Arm」請願活動,同時,英國文化部部長奧利弗·道登(Oliver Dowden)也以威脅國安為由,呼籲英國政府介入調查此筆交易。

目前包含英國前副首相彼得·曼德爾森(Peter Mandelson)在內多位英國政商界人士,均認為由NVIDIA收購Arm,將會造成英國對歐洲境內供應關係話語權受影響,甚至也可能讓英國在半導體發展地位受挫,因此要求英國政府正視此筆交易的後續效應。除了英國政府認為NVIDIA收購Arm將造成重大影響,包含高通(Qualcomm)、Google及微軟同樣擔心NVIDIA收購Arm之後,將會讓目前Arm對外合作關係產生變數。

針對市場的疑慮,黃仁勳多次強調斥資收購Arm之後,將會讓Arm維持獨立營運,並且表明不會因為收購Arm之後,讓NVIDIA獨佔Arm技術資源,未來也會維持合作的形式獲得Arm技術授權。

例如在此次GTC 2021期間,針對人工智慧、超算需求,以Arm下一款核心設計、Nerverse架構及台積電5nm製程技術製作,並且透過MCM(Multi-Chip Module,多晶片模組)形式結合NVIDIA下一款顯示架構設計GPU打造而成的「Grace」CPU,其中就有不少設計源自與Arm技術合作。

而進一步與Arm合作之下,NVIDIA希望能推動Arm在智慧型手機、嵌入式裝置之外,更多元場景市場的發展機會,不僅讓Arm架構打造的超算應用、虛擬化應用能擴大普及,甚至更有機會使Arm架構設計PC能被廣泛使用,進而扭轉過往普遍以x86架構為主流的市場模式。

但黃仁勳在後續受訪時,依然強調打造「Grace」CPU並非為了取代x86架構,未來依然會維持與Intel、AMD等以x86架構發展的處理器業者維持合作,甚至也依然會繼續支援以Power架構打造的IBM處理器,強調「Grace」CPU的出現是為了改善現行x86架構處理器運算執行所面臨瓶頸,但與現有處理器業者合作依然重要。

Jenson.jpg
黃仁勳2021年GTC大會上宣佈Arm平台處理器Grace,強調是最全方位運算公司。
圖/ NVIDIA

儘管黃仁勳多次強調收購Arm並非為了主宰市場,也強調會讓Arm維持獨立運作,不會影響現有市場利弊關係,顯然英國政府仍認為NVIDIA收購Arm將危害英國境內就業機會,更將造成英國在半導體市場發展的話語權受影響。

至於中國政府方面,目前也有可能因為中美貿易戰壓力之下,擔心一旦Arm正式成為NVIDIA所有物,未來將因此面臨美國技術出口禁令等限制,使得許多取用Arm架構授權來打造處理器產品的中國業者受影響,或許將對NVIDIA收購Arm事宜持反對票,導致目前NVIDIA此筆收購需要解決不少問題。

<iframe allow="autoplay *; encrypted-media *; fullscreen *" frameborder="0" height="175" style="width:100%;max-width:660px;overflow:hidden;background:transparent;" sandbox="allow-forms allow-popups allow-same-origin allow-scripts allow-storage-access-by-user-activation allow-top-navigation-by-user-activation" src="https://embed.podcasts.apple.com/us/podcast/ep62-%E5%B8%82%E5%80%BC%E9%81%A0%E7%94%A9%E8%8B%B1%E7%89%B9%E7%88%BE%E8%B6%85%E8%BB%8A%E5%8F%B0%E7%A9%8D%E9%9B%BB-nvidia%E5%A6%82%E4%BD%95%E7%99%BB%E9%A0%82%E5%8D%8A%E5%B0%8E%E9%AB%94%E9%9C%B8%E4%B8%BB/id1555393924?i=1000545104802"></iframe> 資料來源:[Evening Standard][1]、[Bloomberg][2]、[Reuters][3]

責任編輯:蕭閔云

關鍵字: #Nvidia #ARM
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