台積電緊張了？英特爾可能分拆晶圓代工部門，陸行之分析3大優勢|數位時代 BusinessNext

台積電緊張了？英特爾可能分拆晶圓代工部門，陸行之分析3大優勢

台積電該緊張嗎？英特爾正邁向設計、製造拆分的道路上，知名半導體分析師陸行之預期有3大優勢，且估計新的晶圓代工業務部門年營收將可達350億美元。

曾經是全球最大一條龍服務半導體公司，為何現在走分拆路線？

從創辦至今，英特爾一直都是典型的IDM（垂直整合製造）的半導體企業，一條龍地包辦了晶片的製造、設計和生產。不過，去年基辛格也在英特爾原有晶片設計、製造的組織之外，增加了晶圓代工部門，似乎有意擴展除英特爾以外的代工業務。

英特爾目前在先進製程上以落後台積電和三星（Samsung Electronics），在先進製程落後、成本過高的情況下，龐大的組織體系也讓英特爾在業務上的發展綁手綁腳，導致產品推出不斷延遲。如今基辛格的新措施，是否真在加速製造及設計部門的分割，還是僅為行業景氣周期循環下的決策，有待持續觀察。

《華爾街日報》引用分析師的論述表示，英特爾設計和製造部門之間的緊密連結，在財務選擇上有時會互相牽連，進而影響到整體回報。除此之外，在這種企業架構下，對於產品無法如期推出的責任歸屬，英特爾也很難判別究竟是哪個部門出了問題。

英特爾分割晶片設計和製造部門，有哪3大好處？

知名半導體分析師陸行之在其臉書上指出，5年前曾跟英特爾的台灣高階主管討論，認為分割晶片設計和製造部門對英特爾是好事，才能分清責任歸屬的問題。或句話說， 透過分割，英特爾才能釐清，公司的問題究竟是出在製造還是設計 。

《華爾街日報》並未明確指出英特爾將進行分割，然而陸行之則認為，英特爾的這項舉動，代表著英特爾終於要走向Fabless（無晶圓廠）的拆分道路。

無晶圓廠指的是將晶圓製造外包，僅從事晶圓設計、研發、應用和銷售的半導體公司。

事實上，英特爾對手AMD（超微半導體）現任執行長蘇姿丰在上任後，也是切斷了與已拆分出去的晶圓代工廠格羅方德（GlobalFoundries）的往來，改採台積電7奈米製程，挽救下滑營收和無法如期推出的產品，這才逐步回到營運正軌。

陸行之也分享了英特爾分割之後的好處。首先，在當前英特爾製程落後導致新CPU產品無法順利出貨的情況下， 分割後的英特爾設計部門即能放手使用台積電、三星、格羅方芯甚至是聯電的代工產能 。

雖然在此情況下，陸行之認為，英特爾和自家的晶圓代工業務肯定仍會有一定比例的合作，但相較之下設計部門可具備選擇低價、優質代工服務的其他出路。

此外，陸行之也指出，英特爾很可能會將原先對內的製造部門收編進晶圓代工部門，並逐步推動分割上市。陸行之預測，這個英特爾分割後的代工企業，很可能成為台積電以外最大的競爭者，甚至於 在沒有原先英特爾品牌束縛的情況下，也能開始幫如Nvidia（輝達）、AMD等現有的競爭者代工 。

陸行之認為，初步估計這樣的代工企業年營收很可能會達到350億美元，占全球代工市場的四分之一。不過陸行之也提醒，雖然這樣的轉單條件也可能會成為客戶和台積電進行價格談判的籌碼之一，但必須以分割後的英特爾製程技術、成本皆逐步優化為前提，才會成真。

責任編輯：林美欣

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。