蘋果傳推新款MacBook Pro、Mac Pro，還要端更勝M1的新晶片|數位時代 BusinessNext

加速揮別Intel！蘋果傳將推新款MacBook Pro、Mac Pro，還要端更勝M1的新晶片

有消息指出蘋果即將在夏季推出新款MacBook Pro，不僅設計上有著諸多改變，並且還將搭載性能更勝M1的新自研晶片。

比M1晶片效能更佳，MacBook Pro將配備最新自研晶片

這些新產品將搭載比M1更先進的自研晶片。4月底時《日經》曾披露，名稱被暫定為M2的M1晶片後繼型號，已經在4月初正式進入量產階段，最早會在7月發表的MacBook中使用。

依據當時的報導，M2晶片採用台積電5nm強化版（5nm Plus）製程打造，這種高階晶片預計需要花費3個月時間生產。

新款MacBook Pro（14吋、16吋）預計將使用兩種不同的晶片打造的10核心處理器，包括8個高性能核心及2個省電核心。高性能核心負責更複雜、耗能的任務，而省電核心則協助瀏覽網頁等較為基本、單純的任務。

作為比較，目前的M1晶片為8核心，分別為4個高性能核心及4個省電核心。同時新的晶片將搭載64GB記憶體，遠遠超越M1的16GB，繪圖晶片核心數則有16及32兩種版本，而M1的繪圖晶片一樣只有8個核心。

且不只採用的晶片更先進，硬體設計上也會一改過去不斷減少外部接口的設計思維，增加了Thunderbolt插槽數量，並重新放回HDMI及SD卡插槽，先前取消這些插槽曾受到用戶詬病，機殼也經過重新設計，並配備MagSafe磁吸充電器。

作為工作站的Mac Pro則預計將有新版MacBook Pro的兩倍至四倍性能，擁有20或40核心處理器，以及64或128核心繪圖晶片，將一併取代目前採用的Intel處理器及AMD顯示卡。

新版Mac Pro預計外型設計不會大改，不過體型會較2019年推出的版本為小。同時蘋果也在開發下一代Mac Mini，預計將採用和MacBook Pro同樣的晶片，取代目前仍在販售、較為高階的Intel版本。

晶片短缺陰霾依舊，新Mac推出是否會受影響？

受惠於衝擊全球的新冠肺炎疫情，原先在主要產品中占蘋果營收比例相對較低的Mac不斷成長，在最近一個季度財報中已超越穿戴式裝置，躋身iPhone、服務以外第三大營收來源。

根據顧問公司Gartner的資料，今年第一季個人電腦出貨量較去年同期成長32%，達到6,990萬部，也創下近20年來最高的成長幅度。蘋果出貨量的成長達到48.6%，也創下前6大電腦廠商中的最大幅度，並使全球市占率上升至8%。

個人電腦市場如此熱烈的需求，可能是促使蘋果加快推出搭載自研晶片Mac的原因之一。只不過就如同Gartner預警，目前席捲全球的晶片荒可能導致個人電腦出貨量成長放緩。

至少第一季財報會議上，蘋果坦承晶片短缺可能導致第二季營收損失30億至40億美元，而春季發表會上端出的新款iMac便必須等待遠比以往漫長的出貨時間。這些計畫推出的新Mac產品是否同樣會受到影響，或許還要打個大大的問號。

責任編輯：錢玉紘

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。