英特爾欲砸300億美元吃下晶圓四哥「格羅方德」，陸行之：憂心新任CEO搞砸老店|數位時代 BusinessNext

根據《華爾街日報》報導，英特爾正計劃以300億美元收購晶片代工廠格羅方德（GlobalFoundries Inc.），若收購順利完成，不僅可提升英特爾的晶片產能，也將是晶片產業最大的一宗收購案。

消息指出，英特爾收購格羅方德的計畫目前還在初期討論階段，並不確定最終是否能完成，這期間格羅方德仍繼續進行計劃中的公開募股。格羅方德為阿布達比政府的投資機構穆巴達拉投資公司所有，總部設立於美國，在美國和德國、新加坡均有設廠，目前主要客戶為 AMD、高通和博通 。針對收購一事，格羅方德發言人表示格羅方德目前並未與英特爾討論收購相關事宜。

延伸閱讀：包產能！晶圓代工四哥格芯出資8億美元，預購環球晶美國12吋廠新產能

英特爾執行長帕特·蓋辛格 (Pat Gelsinger) 在三月時發布「IDM 2.0」策略時就強調，英特爾將朝向對內提升產能，對外加強合作的方向前進，並承諾今年將投資超過200億美元用以擴建美國的新廠，希望能爭取更多的晶片代工訂單。

由於格羅方德是AMD在2008年拆分晶片生產業務時所創建，目前與AMD之間仍有一份為期多年、價值16 億美元的晶片供應協議，市場認為格羅方德與AMD關係可能讓此收購案更加複雜。

根據調研公司TrendForce的數據，格羅方德目前約佔晶片代工市佔的7%，在目前全球晶片短缺的狀況下，格羅方德也積極擴增產能，包括上個月公布將與新加坡政府合資，在新加坡投資超過40億美元建立新廠。

「果然不出所料，英特爾真的要跟台積電對幹了，」分析師陸行之針對英特爾收購格羅方德的消息，表示現在連聯電、中芯國際也將「拖下水打群架」，並指出：「之前我是擔心台積電拿了英特爾3nm訂單，但丟了其他客戶，現在我反而擔心英特爾被新上任的CEO Pat把老店搞爛、搞砸了，不要以為專業晶圓代工這麼好做！」

他更列出此項收購的優缺點，首先優點的部分：

花300億美元買下7%的晶圓代工市場份額，代工服務know-how、代工龍頭客戶，不是額外增加晶圓代工供給；
格羅方德有90-14nm完整的成熟製程＋SOI技術，跟Intel現在的10nm，2023年的7nm互補，這樣可以更完整的提供IP、設計、晶圓代工、封測製造服務數據中心系統客戶如Google、微軟、亞馬遜等等；
100%符合美國半導體產業鏈，技術回歸美國的政策，國防晶片製造收歸美國持有的公司製造。

而缺點的部分：

我還記得格羅方德是AMD不要的廠，還是簽了離婚協議、付了巨額分手費，才有辦法轉到台積電代工，AMD 5nm Genoa CPU現在連用格羅方德做的14nm服務器控制晶片都改用台積電的6nm製程工藝了。格羅方德除了SOI技術外，似乎只有產能值錢了；
聯電大小跟格羅方德差不多，聯電250億美元市值，明年彭博社預期賺16億美元，格羅方德主要工廠在美國，成本比較高，客戶比較弱，明年應該賺不到15億美元，英特爾花300億美元買格羅方德，只會拉低其毛利率、ROE，還要分五年認列龐大的商譽攤銷（市價高於book value的部分）。
格羅方德應該還是有一些跟英特爾CPU、GPU、FPGA、networking、AI、ADAS、IoT領域競爭的客戶，看到英特爾入主，當然要想辦法轉單。
格羅方德從7nm開始就玩不下去了，Intel 2023年二季度量產的7nm將足足落後台積電2020年二季度量產的5nm近3年，Intel除了要買格羅方德外，未來幾年又要投資加碼美國亞利桑那州、歐洲廠，增加這麼多沒有競爭力（無效）的產能，我要是在英特爾設計部門，想到我的獎金要被製造部門拖垮，想到我的設計要用在這些無效產能，而不能像我的競爭者AMD、Nvidia、Xilinx、Broadcom大方使用台積電的5nm、3nm、2nm，我只能用欲哭無淚來形容。

資料來源：華爾街日報、Reuters

責任編輯：蕭閔云

最新7月號雜誌《零碳新賽局》馬上購：傳送門
「電子雜誌」輕鬆讀：傳送門

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。