高通想吃下英特爾,為何分析師說「蠢到無法評論」?科技業史上最大收購案能成嗎?
高通想吃下英特爾,為何分析師說「蠢到無法評論」?科技業史上最大收購案能成嗎?

《華爾街日報》上周獨家披露,IC設計大廠高通(Qualcomm)近日已向CPU大廠英特爾(Intel)提出收購方案。 若這項收購案成真,將成為科技業史上規模最龐大的收購案。

但目前這項收購案普遍不被分析師所看好。天風國際證券分析師郭明錤甚至指出, 該併購案對高通可說是災難一場,甚至爆料高通是因為某「外力不可抗拒因素」的壓力,才動評估併購英特爾的可行性。

另方面,9月22日也傳出,私募基金阿波羅全球管理公司(Apollo Global Management)將投資英特爾50億美元,可被視為是該公司對英特爾投下的信任票。

針對此投資案,據悉英特爾高層目前正在權衡利弊中,相關討論尚未定案。

高通想併英特爾?存在3大挑戰

外媒報導指出,高通雖尚未提出正式報價,但這樁交易可能將成為有史以來最大規模的科技業收購。以美股9月20日收盤價來看,高通市值為1881.7億美元,英特爾則是931.9億美元,高通市值約為英特爾的2倍。

挑戰1:英特爾市值仍近1000億美元,高通財務壓力巨大

有「最強蘋果分析師」之稱的天風國際證券分析師郭明錤指出,高通的現金、現金等價物與可銷售證券共約130億美元,即便先忽略併購帶來的溢價、衍生費用、債務承擔與後續管理成本等,此併購案對高通的財務壓力極大。

郭明錤也說,併購英特爾對高通獲利能力會有立即性的負面影響,淨利率可能從現在的超過20%,降到個位數,甚至虧損。「尤其,英特爾的晶圓代工業務是最大累贅。」

郭明錤也提到,高通最新一季的資本支出約為3.9億美元,與其耗資1,000億美元以上併購英特爾,拿同樣的資金追求AI PC與AI伺服器成長,「風險更低,且管理效率更高。」

郭明錤認為,高通應沒有強烈動機去併購英特爾,「此併購案若發生,對高通可說是災難一場。」 他並透露,高通正在內部討論中,對併購英特爾也抱著消極態度,或因某種「外力不可抗拒因素」的壓力,才去謹慎並被動評估併購英特爾的可行性。

挑戰2:反壟斷與國安問題

《CNBC》報導則指出,反壟斷和國家安全問題將使這樁潛在的併購案變得複雜。英特爾和高通都在中國開展業務,並且都曾遭遇中國反壟斷執法機構的反對。

英特爾方面,曾試圖收購以色列晶圓代工廠高塔半導體(Tower Semiconductor)並未成功;高通則欲收購荷蘭車用晶片大廠恩智浦半導體(NXP Semiconductor),最終也告吹。

挑戰3:虧錢的晶圓代工,仍是燙手山芋

知名半導體分析師陸行之則質疑,高通有辦法接手及管理英特爾燙手山芋(晶圓代工業務)變成IDM(整合元件製造商)嗎?還是會再分拆賣掉晶圓製造部門?

他並疑惑,高通為何不買下英特爾部分業務就好,例如Mobileye、Altera、Network、Edge Group等部門。

花旗分析師也有類似疑惑。據《金融時報》報導引述,分析師指出,英特爾應該退出其半導體製造業務,「我們認為英特爾領先代工廠的機會很小。」分析師甚至直言:收購談判「幾乎愚蠢到無法評論。」

英特爾將獲50億美元續命金?

在收購傳聞之外,也傳出英特爾或將找到新金主。據《彭博》引述知情人士報導,美國私募基金巨頭阿波羅,已提出向英特爾進行高達50億美元的股權類投資,可視為對英特爾的轉虧為盈戰略投下的信任票。

知情人士向《彭博》表示,英特爾高層在權衡阿波羅的提議,並指出一切尚未最終確定,潛在投資的規模可能會發生變化、討論可能會失敗,從而導致無法達成協議。

《彭博》並指出,阿波羅以保險、收購和信貸策略而聞名,和英特爾已有合作關係。英特爾今年6月同意以110億美元向阿波羅出售愛爾蘭工廠合資企業的股份,為大規模擴廠帶來更多外部資金。

阿波羅在晶片製造領域還擁有其他經驗,包括去年向記憶體廠威騰電子(Western Digital Corp)領投9億美元,購買可轉換優先股。

延伸閱讀:英特爾怎麼了?昔日CPU霸主為何變AI輸家?盤點20年來Intel的4大錯誤決策
科技業2024迄今裁員逾5萬人!戴爾、英特爾、特斯拉最慘烈,盤點哪些巨頭也深陷風暴?

參考資料:《Bloomberg》《CNBC》《Financial Times》

責任編輯:李先泰

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

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
代理式商務連動百兆商機
© 2026 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