英特爾慘了！股價5天慘跌35％「蒸發逾320億美元」，股東不滿遭坑殺怒提集體訴訟|數位時代 BusinessNext

英特爾（Intel）繼日前公布裁員1.5萬人後，股價在8月2日單日下跌26％，不但創下成立50年來最大跌幅，市值更在5天之內下跌逾320億美元（約新台幣1.04兆），

而雪上加霜的是，由於英特爾日前並未向股東充分揭露潛在的業務問題，一項密蘇里州的養老基金提起集體訴訟，指控英特爾在報告16億美元淨虧損及裁員1.5萬人之前，隱瞞了其內部晶片製造業務的問題。

這起訴訟在本週三於舊金山聯邦法院提交，英特爾的CEO基辛格（Patrick Gelsinger）和CFO辛斯納（David Zinsner）被列為共同被告。

自製晶片大賠，股價慘跌引集體訴訟

8月1日，英特爾宣布將裁減15%的員工，即約1.5萬人，並報告第二季度淨虧損達16億美元。這家矽谷公司曾經領先於晶片行業，但現在在人工智慧競賽中，主要競爭對手Nvidia（輝達）在GPU市場上佔據了主導地位。

英特爾目前設計並製造自己的晶片，幫助其獲得85億美元的聯邦補助金，通過《美國晶片法案》（CHIPS Act）。

根據訴訟，英特爾向投資者聲稱，這種內部生產模式將使公司在2025年底前節省80億到100億美元。然而，訴訟指出， 實際情況比投資者預期的更為昂貴，內部晶片製造業務在訴訟期間（2024年1月25日至8月1日）收入實際上下降，成本卻大幅增加。

英特爾遭控發表「誤導聲明」

訴訟由大聖路易斯建築勞工養老信託基金（Construction Laborers Pension Trust of Greater St. Louis）代表其他英特爾投資者提出，聲稱英特爾、CEO及CFO發表了虛假和誤導性的聲明，使公司股價「人為抬高」。訴訟還指出，英特爾的晶片製造業務實際上在虧損，並且收入增長不如預期。

對於遭股東聯合提吿，英特爾沒有發表評論。自英特爾宣布將大幅裁員且暫停配息以進一步削減成本後，5天之內股價就慘跌近35％。

有分析師認為，英特爾如今已面臨公司「存亡之秋」危機，產品落後市場，陷入生存困境。

3個月內二度挨告

事實上，這是英特爾3個月內第二度面臨投資人的集體訴訟。

根據科技媒體《Tom’s Hardware》6月時的報導，美國律師事務所Levi & Korsinsky指控英特爾今年1月公布2023年業績時， 未正確揭露製造部門的虧損情形，導致投資人權益受損 ，呼籲投資者加入針對該公司的集體訴訟。

代工業務1年慘賠70億美元

自2024年第一季開始，英特爾採用所謂的「內部代工廠」（Intel Foundry Services, IFS）模式， 其產品部門和外部客戶可從英特爾的獨立部門「英特爾代工廠」（Intel Foundry）購買製造和封裝服務 。

先前英特爾並未單獨報告其製造部門的業績表現，只公佈了向外部客戶銷售製造服務的業績，直到今年4月披露新劃分的部門及業務，必須公布「英特爾代工」作為獨立部門的業績，結果顯示， 該部門在2023年虧損了約70億美元 ，導致英特爾股價應暴跌。

另一方面，英特爾將約30%的產能，外包給台積電及其他晶片代工廠生產，種種都讓投資者感到不安。

4月25日，英特爾公布2024年第一季財報，其中代工部門的營收為44億美元、虧損25億美元。自今年初以來，英特爾市值已縮水三分之一，截至6月17日的市值為1296.2億美元。

Levi & Korsinsky的訴狀指控英特爾的虛假陳述及隱瞞行為，並列舉如下：

(1) 英特爾代工服務的成長，並不代表內部部門可報告的收入成長
(2) 英特爾代工部門在2023年出現重大經營虧損
(3) 因內部收入下降，導致代工部門產品利潤下降
(4) 代工模式不會成為英特爾晶圓代工服務（IFS）策略的強勁成長推動力
(5) 基於上述原因，被告關於公司業務、營運和前景的正向陳述，存在誤導性或缺乏合理依據

《Tom’s Hardware》報導指出，認為自己在2024年1月24日至4月25日期間，因英特爾股票遭受損失的投資者，可在2024年7月2日之前請求成為本案主要原告。

基辛格CEO大位恐不保？

對於英特爾將面臨的集體訴訟案件，知名半導體分析師陸行之在其Facebook粉絲專頁評論，英特爾的律師團隊當然不是省油的燈，不過目前來看IFS（Intel Foundry Services）對英特爾而言，仍然是個沒有割掉的瘤，「在拿了85億美元的美國政府補助，加上110億美元貸款的加碼投資之後，如果還是無法在2025年量產出貨20A/18A，公司又出來說完成生產準備（manufacturing ready）跟正式量產（mass production）差很遠，我看他（基辛格）的CEO位子將岌岌可危了！」

英特爾先前多次宣布「4年內達成5個技術節點」（5N4Y）的目標，將在2024年上半年完成20A（相當於台積電2nm）量產準備，2024年下半年完成18A（約台積電2nm+）量產準備。

陸行之並提到，若基辛格真的掉了執行長大位，到時候英特爾交給蘋果（Apple）或輝達（NVIDIA）來併購管理，可能會比較有機會翻身。

延伸閱讀：白話科技｜NPU是什麼？跟CPU、GPU差別是？圖解AI PC最重要關鍵字

資料來源：Tom’s Hardware、Market Screener

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。