Nvidia端A800閃過美國紅線！為何有助台積電7奈米？下步AMD會跟進？|數位時代 BusinessNext

效能等同於A100但頻寬窄，A800不足以打造超級電腦

Nvidia表示，這款新的A800產品，將能符合美國對中國的限制標準。A100晶片主要用於高速運算，以達成先進AI運用的發展，白宮認為這將會大大提升中國的軍事力量，引此祭出禁令。目前Nvidia已在上個月投入生產A800晶片。

《華爾街日報》也指出，A800能達到與A100相同的效能，但是在頻寬的部分較窄，這將會影響到資料中心伺服器在接收和發出訊息的速度，並不利於建立大型AI模型和打造超級電腦時，所需要的即時收發，符合商務部規範。

《華爾街日報》也引述Nvidia官方的說法指出，A800除了是符合美國政府的規範標準，也無法透過程式改寫來加大其功能。

沒有其他選擇！三點解析為何利多台積電7奈米

分析師則認為，Nvidia的該項消息，實際上對台積電來說是好事。由於該款晶片使用的是台積電7奈米製程，可為現下產能利用率低落的7奈米產製程解套。

首先，雖然中芯國際於日前也做出了7奈米產品，但講求高能效的資料中心晶片，對品質尤為講究，「不會因為這樣就下單到中芯國際。」該公司雖於日前成功做出7奈米晶片，但僅用於挖礦晶片，品質要求不高，這也讓台積電仍能夠吞下Nvidia的此筆訂單。

其次，雖然A800效能等同於A100，但整體表現仍不如A100。工研院產業科技國際策略發展所研究總監楊瑞臨則認為，諸如阿里巴巴、百度等中國大企業，也很可能會兩顆表現不夠就乾脆用四顆，以量來提升效能表現。在這樣的情況下，分析師表示，也具有增加台積電訂單的可能。

最後，由於Nvidia和AMD採用5奈米製程的產品遭受到限制，A800的存在便相當重要。分析師認為，中國也有可能會因此囤貨，避免美國不知何時又祭出更嚴峻的手段，因此台積電7奈米訂單也更可能會持續上升，「也可能是Nvidia A800造成的效應。」

AMD也可能跟進，但下一步仍無解

分析師推測，與Nvidia一樣被禁止的AMD（超微），近期也很可能會推出類似解決方案。Nvidia創辦人暨執行長黃仁勳，也曾在上個月的GTC大會上指出，Nvidia具有多元的產品可能，美國禁令對Nvidia並未如想像中的大，多家媒體報導也指出，目前該公司已獲得白宮一年的禁賣緩期，將擁有一年的時間做調整。

不過，即使Nvidia真能先透過A800度過禁令難關，隨著中國科技的快速發展，未來該如何因應還未有明確解答。分析師認為：「未來很可能多數企業都會有一個中國特規版。」 但他也認為，接下來若要用中國被「禁止」使用的3、5奈米來提升資料中心效能，中方將勢必尋找其他出路，值得持續觀察。

責任編輯：錢玉紘

從生成式AI訓練、推論，到代理式工作流程（Agentic Workflow）與未來的實體AI，資料流量正以指數級成長，讓記憶體從過去支援運算的配角躍升為決定AI效能與能源效率的關鍵角色。

全球知名的半導體與微電子技術分析機構TechInsights指出，AI競爭正逐漸從晶片算力擴展到記憶體架構設計能力，加速「Computational Memory」等新架構興起；在這波浪潮中，深耕記憶體與儲存技術數十年的美光科技，正與關鍵夥伴展開深度協同設計，包含攜手NVIDIA共同開發適用於新世代資料中心的低功耗記憶體技術，在AI基礎建設的新賽局中成為不可或缺的關鍵。

當GPU不再是唯一主角，記憶體為何躍上AI舞台中央？

過去，半導體的焦點多圍繞在晶片，例如CPU、GPU跟AI加速器等，市場普遍認為，晶片運算能力是左右科技產業發展速度的關鍵，但在進入生成式AI世代後，產業逐漸發現另一個事實：真正限制AI效能的瓶頸不是運算，而是資料能否快速被存取與傳輸。

從大型語言模型訓練，到AI推論、代理式工作流程（Agentic Workflow），甚至未來的機器人與自駕車，龐大的資料流量正持續推升對高頻寬、低延遲、高容量記憶體的需求，讓記憶體產業從過去相對標準化、以價格競爭為主的市場，逐漸轉變為AI基礎建設的重要核心。

「仔細觀察AI應用服務會發現，大多數工作負載都被頻寬限制。」美光科技全球業務執行副總裁Mike Cordano認為，記憶體是突破（頻寬）瓶頸的關鍵，也讓AI競賽從晶片算力升級到記憶體與儲存架構的系統級競爭。這樣的產業洞察，也正是Mike在歷經二十餘年的儲存產業資歷，加上四年半的創投生涯後，選擇加入美光的核心原因之一：在AI重塑產業結構的浪潮下，記憶體將成為這波成長最直接的動能所在。

從零組件供應商到策略夥伴，記憶體共創時代來臨

AI的崛起，正在改變記憶體廠商與客戶的關係。

過去，記憶體產品多是標準化元件，客戶關注的是價格、供貨與規格；合作模式也偏向短期採購與交易導向。然而隨著AI系統規模愈來愈大，從資料中心、雲端平台到終端裝置，記憶體已經成為決定系統效能的重要關鍵，也因如此，越來越多企業將記憶體視為「策略性資產」，而非單純零組件。

Mike表示：「現在，我們跟客戶合作的時間跨度改變了，在產品正式上市前三到四年便開始合作，從系統架構階段就共同規劃未來需求。」例如，美光科技與NVIDIA共同研發的資料中心所使用的低功耗記憶體，便是雙方提前多年展開深度合作（co-design）的成果。

值得特別注意的是，美光科技除從技術層面與晶片製造商等夥伴共創產品，也在需求層面與客戶進行密切合作，例如，將過去較無約束力、期限僅一年的長期協議（LTA）轉變成為期五年、條款更具約束力的策略性客戶協議（SCA），藉此掌握客戶的未來需求，進而在技術層面做更深度的合作。Mike坦言，深度協同設計是高成本的投入，美光的做法是先廣泛進行市場感知，理解不同場域的需求方向，再與生態系統中的夥伴們展開客製化合作。

從裝置導向轉為Token導向，AI浪潮重寫記憶體成長模式

除了合作模式改變，更大的典範轉移是需求的改變。

Mike解釋，過去記憶體需求跟PC、手機跟伺服器出貨量息息相關，但在AI新世代，推動記憶體需求成長的核心不再是設備數量，而是AI模型所產生的運算與資料消耗量。「AI產業逐漸走向以『Consumption』或『Token』為主的新經濟模式，每一次的模型運算都需要消耗大量的記憶體跟儲存資源，這意味著，即使設備銷量成長趨緩，記憶體需求仍可能持續上升。」

更重要的是，AI應用正從資料中心外擴至手機、PC、自駕車與機器人等場域，儘管不同場域對記憶體的需求不盡相同，但是，Mike認為：所有AI裝置都存在三項共同需求：更快的速度、更大的容量，以及更高的能源效率。

正如Mike在受訪時提到的：「我們最大的挑戰，是如何與客戶和整個生態系保持高度一致，一方面創造供給與產能，另一方面持續推動技術創新。」可以預期，在接下來的五年，記憶體產業面臨的挑戰不僅僅是擴展產能，而是如何與客戶共同規劃需求、同步投入技術創新，而這也是美光科技積極經營AI生態體系的原因。

總的來說，AI帶來的改變，不只是算力提升，而是重新定義整個運算架構：過去，記憶體被視為支援運算的基礎元件；現在，則是決定AI效能、能源效率與創新速度的關鍵資源；當產業競爭從晶片性能延伸到資料流動效率，從裝置數量轉向Token消耗量，記憶體的重要性也將隨之水漲船高，對美光科技來說，這將是其從供應商走向AI生態系核心夥伴的關鍵角色轉變。