聯電重磅攜手英特爾，開發12奈米！一文盤點關鍵好處：聯電笑納3萬片產能？|數位時代 BusinessNext

聯電攜手英特爾共同開發12奈米製程

雙方在共同聲明中指出，12奈米製程平台將落腳於英特爾位於美國亞利桑那州的Fab12、22和32廠進行開發和製造，透過運用現有設備可大幅降低前期投資，利用率最大化。在研發端，雙方主要聚焦於12奈米FinFET架構的製程開發。

不僅如此，英特爾和聯電還會透過提供電子設計自動化(EDA)和智慧財產權(IP)解決方案給客戶。簡單來說就是會提供客戶標準化的晶片開發工具，而非固守英特爾內部自身的慣用軟體，更加客戶導向，對英特爾來說是必經之路。

英特爾為何找上聯電？3點分析看懂

英特爾一直以來在製程開發上都是針對自家產品，這項合作某方面而言打破過去英特爾的既有模式。究竟對英特爾來說可能的決策原因為何？

首先，半導體分析機構More Than Moore的分析師卡特雷斯（Ian Cutress）在社交媒體上指出， 自英特爾晶圓代工服務（IFS）問世以來，一直都缺乏12奈米的FinFET製程 ，「他們有16/22奈米，下一個節點就是Intel3。」卡特雷斯認為，這會讓包含台積電和三星在內的主要對手獲得更多客戶，甚至格羅方德（GlobalFoundries）也擁有不少客戶。

其次，為何英特爾不使用14奈米呢？卡特雷斯認為，英特爾的14奈米開發時主要是為配合自家產品，高度客製化， 但若要開放給客戶下單，就必須要有能提供客戶開發的工具和標準規格 。然而在開發14奈米時，英特爾仍為內部導向，也還未有IFS部門出現，當然不具客戶所需的相關資源。「IFS部分製程需要重新開發沒辦法的事情。」研調分析師說。

第三，本次合作的亞利桑那州廠，一直生產如40奈米這樣的成熟製程。分析師認為，雙方合作對英特爾來說也是好事，「 剛好把產線做活化，這個廠如果不升級就是閒置產能 。」

聯電「一舉兩得」策略，能成功嗎？

從聯電的角度分析，分析師認為，最大的好處在於聯電能 一邊推進製程，而且無需花費大筆支出 。聯電共同總經理王石就指出：「聯電與英特爾進行在美國製造的12奈米FinFET製程合作，是追求具成本效益的產能擴張，和技術節點升級策略的重要一環。」

對此，分析師解讀，「蓋新廠和買機台等折舊費用很高，這對目前市況不好的聯電來說是很大的財務壓力，藉由這個方式聯電可在不花費太多的狀況下，有新增的產能。」

不過分析師預期，兩者會在成功開發12奈米之後，再將權責劃分清楚，「有可能聯電會和英特爾買斷或租用產線，營運部分派自己的人過去。」由於聯電和英特爾仍存在競爭關係，這項作法也可以防止洩密等狀況發生。 他也透露，聯電很可能最終會持有約3萬片的產能。

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。