【觀點】金雞母也淪賠錢貨!從英特爾Q1成績單,看東山再起的「難」
【觀點】金雞母也淪賠錢貨!從英特爾Q1成績單,看東山再起的「難」

日前英特爾公布2023年第一季財報,營收、獲利雙雙衰退,反應個人電腦及伺服器市場處於「逆風」之中。

2023年第一季,英特爾營收為117億美元,較2022年第一季營收184億美元,衰退36.4%。與2022年第四季營收140億美元比較,則衰退16.4%。

淨利方面,2023年第一季為-28億美元(合併)、-2億美元(非合併),較2022年第一季的81億美元(合併)、36億美元(非合併)。分別衰退134%、105%。

不論是合併報表或非合併報表,英特爾今年第一季皆呈虧損,這對以往幾乎年年獲利的英特爾來說,市場表現實在相當慘澹。

延伸閱讀:英特爾交出單季虧損新高,股價卻翻紅!投資人期待什麼?

展望今年第二季,英特爾仍然無法脫離「泥沼」,英特爾預估今年第二季,營收將達115~125億美元(合併與非合併皆相同),每股獲利為-0.62美元(合併)、-0.04美元(非合併),與第一季每股獲利-0.66美元(合併)、-0.04美元(非合併)相較,幾乎持平。

今年上半年英特爾預計將會虧損,倘若下半年無法獲利,則2023年將會是英特爾虧損的一年。

英特爾「三大巨頭」部門,第一季表現如何?

從個別部門來看,英特爾今年第一季,客戶運算部門營收為58億美元,年減38%。資料中心及人工智慧部門營收為58億美元,年減38%。網路及邊緣運算部門營收為51億美元,年減30%。

以上三大部門是英特爾營收最高的部門,第一季三大部門營收的年成長,皆大幅衰退,無怪乎英特爾第一季的營收表現欠佳。

客戶運算部門:衰退幅度大於整體市場衰退幅度

客戶運算部門的主力產品為PC的處理器,今年第一季全球PC市場,較2022年第一季衰退29%,英特爾客戶運算部門營收衰退無可避免。不過英特爾的衰退幅度,高於整體PC市場衰退的幅度,顯示英特爾的PC CPU市占率在下滑中。此部門利潤達5億美元,較2022年第一季的27億美元衰退81.5%。

資料中心及人工智慧部門:AMD、高通、輝達逼近,市占敗退

資料中心及人工智慧部門營收大幅衰退是英特爾的隱憂 ,以往英特爾是資料中心伺服器CPU的主要供應商,市占率超過95%,然而在超微(AMD)的凌厲攻勢之下,英特爾市占率逐漸流失。加上高通(Qualcomm)、輝達(NVIDIA)等公司,以ARM架構開發PC、伺服器用CPU,無怪英特爾在資料中心的生意節節敗退。更令人擔憂的是,此部門今年第一季虧損5億美元,相較去年同期獲利14億美元,退步很多,以往的「金雞母」,淪為「賠錢貨」,令人不勝唏噓。

英特爾(Intel)
英特爾公布2023年第一季財報,營收、獲利雙雙衰退,反應個人電腦及伺服器市場處於「逆風」之中。
圖/ Canva

生成式AI市場在ChatGPT的帶動下前途看好,英特爾也注意到這將會是「蓄勢待發」的高潛力市場,不過目前輝達的GPU在生成式AI市場中,占有先發的優勢,英特爾需要加倍努力方能迎頭趕上。

網路及邊緣運算部門:衰退幅度擴大、競爭力不佳

網路及邊緣運算部門衰退幅度擴大,主要是市場不佳以及輸給競爭者,使英特爾市占率下滑。此部門今年第一季虧損3億美元,相較於2022年第一季獲利4.16億美元,顯示英特爾競爭力不佳。

英特爾唯一正成長部門:Mobileye

英特爾的Mobileye,今年第一季營收達4.58億美元,年增16%,是英特爾最亮麗的部門。Mobileye是先進駕駛輔助系統(ADAS)及自駕系統解決方案的領導廠商,他的高速成長反映出車用電子的亮麗前景。

Mobileye
Mobileye第一季表現亮眼,也反映出車用電子的亮麗前景。

被英特爾寄以厚望的晶圓代工服務(IFS),今年第一季營收為1.18億美元,較2022年第一季衰退24%。IFS部門今年第一季虧損1.4億美元,顯示目前仍在「燒錢」階段。

Intel 20A追趕台積電,預計2025年量產

在製程推進部分,英特爾目前表現還算不錯,不過仍需時間驗證。Intel 7製程已進入大量生產中。更先進的Intel 4已經開始投片,預定今年下半年開始產出。

Intel 3、Intel 20A、Intel 18A,分別對應台積電的3奈米、2奈米及1.8奈米,英特爾宣稱目前進度符合公司預期。IFS與安謀(Arm)達成協議,在英特爾的製程中能夠使用安謀的架構,這可讓IC設計公司使用Intel 18A製程,開發安謀架構低功耗的系統單晶片(SoC) IC。

根據英特爾的規劃,3奈米級的Intel 3,預定在2024年下半年量產,如能如期量產,仍較三星電子、台積電約慢1年。

企圖超越台積電的Intel 20A、 Intel 18A,測試晶片已經設計定案(Tape Out),英特爾設定的量產時間為2025年,與台積電的2奈米製程的量產時程相當。

intel-process-technology-feb2022.png
Intel 20A、 Intel 18A預計的量產時間為2025年,與台積電的2奈米製程的量產時程相當。
圖/ Intel

英特爾砸錢追回往日榮光,但容易嗎?

英特爾為了恢復以往的榮耀,不惜斥下鉅資發展先進製程,並且大舉興建多座先進製程晶圓廠。英特爾公開宣示的投資計劃,英特爾將10年間,總投資額高達約4,000億美元興建先進晶圓廠。為了消化龐大的產能,分攤高額的投資折舊,英特爾全力投入晶圓代工市場,希望能創造新的營收來源。

然而這些年來,英特爾諸事不順,2020~2022年半導體供不應求的大多頭行情中,英特爾表現欠佳。在超微、輝達、高通等公司的夾擊下,英特爾在CPU市場喪失不少市場,公司前景堪慮。

英特爾一方面要發展自己的產品,一方面要開發晶圓代工技術及市場,首尾難以兼顧。尤其是今年半導體市場陷入修正,英特爾面臨更多的挑戰,營收衰退、獲利虧損。

IFS業務無法在短期內帶來「可觀」的收入,而投入龐大的資本支出,倘若沒有晶圓代工的大客戶相挺,產能利用率無法達到一定的水準,則前景堪憂。

延伸閱讀:英特爾為何節節敗退?「衰退的魔鬼」,就藏在部門營收數字中

2021年英特爾在美國亞利桑那州投資200億美元,興建2座先進晶圓廠,預計於2024年量產。2022年英特爾在俄亥俄州於投資200億美元,興建2座先進晶圓廠,同年9月動工,預計2025年開始量產。

新晶圓廠加入生產後,折舊費用驚人,屆時英特爾若沒有足夠的代工訂單,即便製程技術能迎頭趕上,市場的考驗才正要開始。

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場)

責任編輯:林美欣

關鍵字: #英特爾 #Intel
往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

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Vibe Coding
© 2025 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