蘋果M1晶片的「究極體」 M1 Ultra強在哪?從結構看它下一步如何發展
蘋果M1晶片的「究極體」 M1 Ultra強在哪?從結構看它下一步如何發展

M1系列晶片終於落幕,M1Ultra的出現讓人驚鴻一瞥,也明示了M系晶片將會繼續巔峰下去。

8043f1c6760ed9c64a0bc448c8df39a3.jpg
蘋果推出 M 系列最新款晶片 M1 Ultra。
圖/ Apple

面對物理工藝節點即將達到物理極限,蘋果晶片設計師用了一個簡單的「1+1」解決了一系列的晶片設計難題。

1Ultra=2Max,M1成了計量單位

在M1 Ultra發布前,蘋果官網的M1 Max架構圖並未展示出「高速總線」。

反而是由民間DIY愛好者所發現,並大膽的猜測這是為後續「拼接」晶片所預留。彼時猜測便是一則高速總線用來串聯多塊M1 Max。

M1 Ultra的確也是如此,通過預留的區域拼接在一起,同樣,兩枚晶片之間的數據互通,也經由拼接在一起的矽介質。

蘋果也給它取了個很蘋果的名字,稱為Ultra Fusion。依稀記得Fusion這個詞上次被提及,還是在iMac上的Fusion Drive,只不過上次結合的是硬盤,而這次是晶片,Ultra(極致)了一些。

其實,一台裝置用上多枚晶片並非蘋果首創,跟曾經的雙路泰坦、四路泰坦有些類似。

只不過,蘋果做了一些微小的工作,Ultra Fusion架構猶如統一RAM一樣,擺脫了數據經由主板連接的讀寫性能和能效損耗。

M1 Ultra.jpg
圖/ Apple

M1 Ultra內的兩枚M1 Max可以實現2.5TB/s的低延遲互聯頻寬。

不同於M1Pro、M1Max的多種規格,簡單晶片加倍的M1Ultra共有兩種規格。

  • 丐版M1Ultra:20核心CPU、48核心GPU、32核心神經引擎、64GB統一RAM
  • M1Ultra:20核心CPU、64核心GPU、32核心神經引擎、128GB統一RAM

與之對應的就是砍半的M1Max。

從這裡來看,M1Ultra的出現應該歸功於封裝技術,而非是晶片生產。通俗易懂地可以這樣說是,蘋果在設計M1Max時,預留了「塗膠水」的位置,「一拍即合」。

從M1出現,到M1Pro、M1Max再到M1Ultra,蘋果的M系晶片以ARM架構的高能效比為基礎,加入了令人嘖嘖稱奇的「統一RAM」、「Ultra Fusion架構」,誕生的SoC足以顛覆傳統的晶片設計。

這創新的想法,蘋果架構師蒂姆・米勒特(Tim Millet)曾在訪談中表示,一切都是站在蘋果十幾年獨自研發A晶片的「巨人」肩膀之上。而曾經下定投入海量資源決心自研晶片,自然是源自賈伯斯對完美產品的追求。

Tim Millet
Tim Millet
圖/ Apple

在今早凌晨,Tim Millet肯定的說,M1Ultra是最後的M1晶片,但距離兩年從X86轉向ARM陣營的期限,還有幾個月的時間,而Mac系列裡也差最後一塊「一錘定音」的拼圖。

Mac Studio並非承接自Intel版本的MacPro,而M1Ultra也不會是過渡期中最後和最強大的M晶片。

兩年之約,M1Ultra並非是終章

晶片架構陣營轉換,蘋果有過一次經驗,但從X86轉到ARM如此的順利,實屬罕見。

M1系列晶片徹底解放了產品形態,蘋果能夠以Pro Work flow團隊的一些特定需求來解決Mac產品的形態,Mac的產品定義和形態不再受晶片能效掣肘。

M1Ultra有著兩倍的M1Max性能,但對於蘋果來說,它還不夠Pro,僅僅可以達到Studio等級。

Apple Studio Display connectivity with MacBook Pro
圖/ 圖片提供/Apple

在Mac Studio對外公佈之後,Geek bench數據庫中也出現了M1Ultra的跑分,單核心1793的分數與M1Max接近,但多核心性能直接來到24055,與AMD Ryzen 3960X線程撕裂者差不多。

而至於蘋果口中的M晶片MacPro或許只有M2Ultra可解了。

在M1 Ultra和後續更強的M晶片不斷上探Studio工作室級和Pro專業級市場,增加行業影響力之時,M1晶片也開始被下放至iPad,不斷提升市場佔有率。

除了「雙路M1 Max」的M1 Ultra,M1也下放到iPad Air產品線中,無形之中降低了M晶片的准入門檻。而平板市場的回暖,也讓iPad收益,一舉奪得2021年全球平板電腦市場,34.2%的市場份額比第二、第三的三星和聯想加起來都多,數據來自IDC。

搭載M1晶片的iPad Air 5也會是iPad的出貨主力,M晶片的市場佔有率自然也會大幅提升,繼續強化M晶片認知度。

臨近兩年之約的節點,蘋果顯然加快了M晶片的佈局頻率,iPad Air、iPad Pro、MacBook Air、Mac Book Pro、Macmini、Mac Studio,能放M晶片的統統更新了個遍,與從Power轉到Intel的歷史進程保持一致。

edb5e302e624c825c295ef2d190815f5.jpg
蘋果推出支援 5G 的 iPad Air 5。
圖/ Apple

另一層面上,經營十幾載的蘋果生態也有了空前號召力,除了一些行業軟體和遊戲外,大眾的、專業的軟體在過渡期內幾乎齊齊的開發出了原生ARM版本,甚至微軟的一眾office套件也逐一適配。

凌晨的M1Ultra可以說是M1系列中最後的一塊晶片,但以「兩年之約」這個過渡期來說,M1Ultra可能只是個「高潮」,而非終結。

一錘定音的必定是MacPro。

M晶片的巨型恐龍化只是個表象

兩塊M1Max拼接成的M1Ultra已經超過輝達頂級GPUGA100晶片面積(826mm²),成為當下消費級最大的晶片。

4 M1 MAX
圖/ 愛范兒

其實,單個M1Max晶片432mm²的面積就已經十分可觀,幾乎無限接近了500mm²。面積再大,晶片設計良率會急轉直下,如700mm²的設計合格率大概只有30%,縮小到150mm²良品率就飆升到80%。

另一方面,愈發先進的工藝製程也讓晶片生產成本陡升。根據IBS所公佈的數據,設計3nm晶片預計將耗資5.9億美元,而5nm只要4.16億美元,7nm為2.17億美元,28nm不過才4000萬美元。倘若蘋果M晶片全面轉入3nm的話,設計成本可能就要增加50%。

似乎無路可走,未來愈發不明朗了?

雖然僅僅是兩枚晶片的拼接封裝,M1Ultra成型的理念有些類似AMD的Chiplet(小晶片)技術。只不過,蘋果用的是兩枚超大晶片。

不同於蘋果,Chiplet更多是運用舊工藝(如7nm晶片),小型化的晶片(CPU),利用先進的封裝工藝進行混裝,靈活度很高。

Chiplet的優勢便是降低成本,擺脫對先進工藝節點的依賴,甚至可以彎道超車。不過,Chiplet是將晶片2D、3D堆疊,對於熱管理設計和熱功耗的控制更為嚴格。

3D chiplet
相比於2D、Micro Bump 3D技術,3D Chiplet封裝能大幅提升連接密度,並節省耗能。
圖/ AMD

但這些劣勢在本身功耗比俱佳的M晶片上,似乎成為了進入Chiplet的一則優勢。

在確定M1Ultra會是M1系列最後一枚晶片時,也使此前猜測的四枚M1Max拼接的巨型晶片自然也停留在了猜想階段。

相對來說,在保證數據高速傳輸以及統一RAM的桎梏下,四枚M1Max的組合對Ultra Fusion架構的設計要求更高,但不排除在實驗室中蘋果已經有了相應的晶片構想和與之相配的平台。

只是以現階段,傳統的工藝製程節點升級仍然是個較為穩妥的選擇,繼續依靠4nm、3nm的先進製程繼續提升晶體管數量,與之完成相應的處理器升級。

同樣地,後續的M晶片也極有可能與M1系列看齊,一代四枚,最高等級停留在Ultra上。但並不排除蘋果在某個時間節點拿出一塊擁有M系列和A系列晶片組成的超大SoC塞入一個Pro後綴的產品之中。

讓行業嘆息、消費者驚嘆的晶片壁壘

在談及蘋果產品的時候,我們更傾向於「生態」優勢。我們被它的軟體生態所捆綁,裝置間工作流的無縫切換,數據通過iCloud無縫流轉,用上iPhone、Mac、iPad就再也不想換陣營,樂不思蜀。

Mac Studio
Studio Display主要特色
圖/ Apple

是什麼造就了蘋果完善、緊密、優渥的生態?不是封閉,不是優秀的設計,也不是強大的硬件,而是早就佈局十幾載的晶片。

蘋果可以為了前置鏡頭的人物居中,空間音訊,喚醒Siri等功能,將一枚A13晶片塞入Studio Display裡。而即使放在現在A13晶片依然能夠跟Android陣營的主流SoC打的有去有回。

同樣也可以為了5G,給iPhoneSE3塞入一枚A15,這就好比在五菱宏光裡塞一個V8。

在蘋果產品中,自研晶片幾乎無處不在。

無論是前無古人的M1系列晶片,還是逐步下放到IoT的A系晶片,使蘋果的硬體擁有了幾近一致的體驗,並在此基礎上建立出了所謂的生態。

A系、M系晶片壁壘才是蘋果產品最強最大的優勢所在,讓同類型產品難以望其項背。

本文授權轉載自:愛范兒 ifanr

責任編輯:傅珮晴、錢玉紘

關鍵字: #Apple #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