蘋果集中火力攻Mac晶片,iPhone等產品晶片改進速度放緩
蘋果集中火力攻Mac晶片,iPhone等產品晶片改進速度放緩

7月4日消息,自從開始自主研發晶片以來,蘋果已經取得了巨大成功,其iPhone、iPad、Mac等幾乎所有產品都開始搭載自家處理器。不過,蘋果現在似乎正集中力量改進Mac晶片,而iPhone等產品所用晶片的改進速度則在放慢。

蘋果自主研發的Mac晶片無疑撼動了個人電腦處理器行業,提振了該公司桌上型電腦和筆電的銷量,並促使競爭對手不斷尋找新的解決方案。

在過去一年半的時間裡,蘋果推出了五種主要類型的Mac晶片,從M1到M1 Ultra再到M2。但蘋果資深爆料專家馬克·古爾曼(Mark Gurman)預計,在接下來的一年左右裡,蘋果將推出更多產品,包括M2 Pro、M2 Max、M2 Ultra和M3。

為了實現上述目標,蘋果晶片團隊不得不將許多測試、開發和生產資源轉移到Mac晶片上。問題是,這是否會影響到其他產品。再加上供應瓶頸,這種關注可能導致iPhone、Apple Watch甚至手機數據機晶片的開發進展放緩。

自蘋果開始設計自己的處理器以來,該公司今年將首次不會升級其主打新款iPhone晶片。今年秋季發布的入門級iPhone 14將繼續搭載去年推出的A15晶片,只有iPhone 14 Pro版採用新的A16處理器。

預計Apple Watch的處理性能也將連續第三年保持不變,這是以前從未發生過的事情。古爾曼最近發現,Apple Watch Series 8內置的S8晶片將在性能上與2021年的S7晶片類似,與2020年推出的S6晶片也大致相當。

近年來,蘋果iPhone處理器的年度性能成長也有所放緩。儘管iPhone 13上搭載的A15晶片無疑更先進,包括改進的圖形處理器、效率更高的新CPU設計和升級的視訊編解碼器,但蘋果甚至沒有費心地將其速度與A14進行比較。

apple wwdc2022
圖/ Apple

相反,該公司開始專注於將A15與競爭對手的處理器對比,更多時候強調其晶片性能高於對手50%。這與過去不同,蘋果以前更喜歡將其新款iPhone晶片與自家前代產品對比,通常性能會提高20%到50%。

蘋果開發蜂巢式數據機晶片的戰略顯然也遇到了困難,此舉旨在取代高通公司提供的組件。蘋果知名分析師郭明錤最近表示,蘋果的數據機晶片項目暫時「失敗」。古爾曼也稱,在過去一年左右的時間裡,他聽說蘋果始終在為應對晶片過熱問題而苦惱。

對於蘋果真正計劃何時推出自己的數據機晶片,各方意見不一。有些分析師推測或許在2023年,但古爾曼始終認為2024年是蘋果數據機器晶片亮相的最早日期,因為該公司在2019年左右才開始研發這個項目。考慮到構建一款全新晶片的複雜性,同時在性能上還能與高通同類產品相媲美,這無疑將面臨著巨大挑戰。

考慮到幾年前Mac銷量開始減緩,蘋果當然需要加大投入力度。但忽視非Mac晶片開發並不是明智之舉。不要忘記,蘋果60%的收入仍然來自尚未搭載M1或M2晶片的裝置,儘管Mac晶片中使用的技術最終可能會應用到其他裝置上。

更廣泛的問題是,蘋果的晶片部門是否變得過於分散,從而加劇了員工的職業倦怠感。許多工程師說,該公司的運作非常精準,這使得它成為一個要求很高的工作場所。儘管蘋果的晶片業務在世界各地持續成長,但在過去的幾年裡,該團隊失去了許多工程師,其水平高於正常的自然離職。

蘋果已經採取行動整合其晶片業務,包括選擇在iPad和即將推出的混合實境(MR)頭盔中安裝Mac晶片。同時,蘋果還在HomePod中使用Apple Watch處理器。這意味著,蘋果不必為iPad、MR頭盔和HomePod構建特定的晶片。

但有些事情蘋果並不能完全控制,其中最值得注意的是全球晶片的生產和供應。蘋果依靠台積電生產晶片,它需要台積電採用改進後的3奈米節點工藝生產大量半導體。這種依賴可能阻礙了蘋果的晶片研發努力。

第二個因素是成本問題。晶片供應短缺大大增加了零部件的製造和運輸成本。將A16晶片用於價格更高、利潤率更高的iPhone 14 Pro系列,這樣蘋果就更容易承受價格上漲的代價,而不會把它轉移給消費者。同樣,在Apple Watch中保留相同的通用處理器也有助於降低成本。

本文授權轉載自:網易科技

責任編輯:傅珮晴、侯品如

關鍵字: #iPhone #Apple蘋果
往下滑看下一篇文章
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。

Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。

企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運

模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。

2025 年活動論壇現場,資料照
圖/ AWS

從六種產業場景,看 AI 如何走進真實流程

真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景 議程規劃與關鍵課題
智慧支付 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷
製造 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料
媒體科技 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰
零售製造 零售製造轉型;把技術接進實際營運與使用者體驗

這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。

10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。

10/23高雄展覽館盛大舉行
圖/ AWS

「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名

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
一次搞懂工業AI
© 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