【觀點】AI「十倍速成長」,為什麼軟硬體卻失衡了?
【觀點】AI「十倍速成長」,為什麼軟硬體卻失衡了?

9月初台灣舉辦2024國際半導體展(SEMICON Taiwan),可說是近年來最盛大、最熱鬧的一次展會。眾多重量級講者發表關鍵報告與產業動態,我也在此與大家分享我的3點觀察心得。

首先,在展前記者會時,日月光執行長吳田玉提及,在他40年職場生涯中,這是第一次看到硬體來不及供貨,趕不上軟體的強大需求。目前台灣各公司AI硬體接單都交不了貨,缺貨時間至少會持續2年,這是他在半導體產業中不曾見過的景象。

硬體增速趕不上軟體!為什麼?

原因一: AI「10倍速成長」

硬體趕不上軟體需求,過去確實少見,因為產業發展的大部分時間,都是殺手級應用難覓,但硬體產能很多,硬體即使缺貨,也都只有很短暫的時間。如今AI以10倍速成長,就算硬體不斷投資躍進,也是立即被軟體消耗掉。

原因二:後摩爾時代,限制硬體提升速度

硬體出現瓶頸,除了生成式AI進展太快,另一個關鍵原因是主宰半導體發展近60年的摩爾定律開始撞牆。過去晶片功能每1年半到2年就提升1倍,軟體應用即使不斷推進,硬體也大都能滿足軟體需求。

但如今進入後摩爾時代,製程發展到3奈米、2奈米後,線寬已達物理極限,功能增速減緩,需要整合更多技術,例如小晶片、2.5D、3D封裝、材料與光學等技術,也限制硬體提升的速度。

原因三:升級技術愈來愈難

硬體增速遇到另一個挑戰,是技術愈來愈難、投資金額加大,高階製程技術屏障愈墊愈高,如今全球只有台積電一家能跨過鴻溝,供應當然受限。

微軟Azure硬體系統和基礎設施副總裁Rani Borkar,也在大師論壇演講中提到,AI軟體發展增速,過去是每2年成長10倍,就算摩爾定律維持2年成長2倍,AI軟體增速也是硬體的5倍,這是硬體為何跟不上軟體的主因。

其次,硬體增速還要面對另一個大考驗。展會中幾乎每個講者都提出警告,當AI發展亟需高速運算,但高速運算逃不掉高耗電與散熱問題,這已成AI產業發展的天險,是需要共同面對並積極解決的問題。

展會期間,我也訪問台大前校長李嗣涔,他提到生成式AI的蓬勃進展至少引發3大憂慮,包括AI發展可能超過人類智慧,甚至出現取代或奴役人類的情況,其次是AI將大量取代白領階級的工作,造成白領失業等社會問題,最後是青少年大腦神經正處於發展階段,但AI可能形成「大腦外包」現象,對青少年的衝擊相當大。

因此,李嗣涔也預測,由於生成式AI需仰賴高速運算,但高速運算又太耗電,或許,電力會成為減緩AI發展的主要障礙。若人類無法降低AI耗電,或無法發展出更有效率的新能源或新技術,電力或許反而變成降低AI帶來危機或悲劇的解方。

最後,展會中另一個焦點則是高頻寬記憶體(HBM),台韓半導體產業也將因為AI時代進入合縱聯盟的新局面。

南韓2大記憶體龍頭三星和SK海力士,今年首次派出最高階主管李禎培及金柱善來台參加大師論壇,過去2大龍頭幾乎不曾同場出現,但為了此次台灣半導體展首度破例,也透露出一個全新產業競局正在展開。

延伸閱讀:HBM是什麼?3D完全圖解,帶你一次看懂「記憶體全村希望」

台韓意外因AI破冰,台積結親SK海力士

過去,記憶體屬於標準產品,和邏輯晶片的關係並不明顯,也沒有必要將2種晶片封裝在一起,但AI伺服器系統愈搞愈大,晶片功能、面積、散熱及耗能問題愈來愈嚴重,將系統單晶片(SoC)與HBM封裝在一起,成為解決問題的必要手段。

因此,當輝達與台積電合作規畫AI伺服器系統時,透過輝達的AI GPU晶片,加上台積電的先進製程及先進封裝技術CoWoS,最後要將HBM與SoC晶片封裝在一起。也因為這個趨勢,HBM廠商必須和輝達的晶片設計與台積電的先進製程與封裝密切合作,記憶體與晶圓代工這2大產業因此被AI拉在一起,打破過去台、韓業者不相往來、獨立運作的模式。

在這種微妙的大趨勢中,台積電與輝達陣營優先選擇與SK海力士、美光合作,至於與台積電在晶圓代工上競爭的三星,當然就被擺在一邊。在先進製程與高階封裝的發展上,台積電成為主導半導體方向的領頭羊,也讓向來與台灣競爭多過合作的韓商,必須經常來台灣拜碼頭,例如SK海力士社長金柱善,就在論壇中說今年已來台灣10次了,原因就是與台積電緊密合作。

在此加碼另一個幕後故事。由於SK海力士與台積電密切合作,因此SK海力士很早就決定參與台灣半導體展,後來三星得知,也主動表達參與意願,甚至在大師論壇的座談部分,原本金柱善要和台積電共同營運長米玉傑同台討論,但由於三星也要求參加,後來金柱善就決定退出,最後由李禎培上場。2大韓商王不見王的死敵態度,由此可見一斑,但也可以從中看到半導體產業最新的競合關係。

延伸閱讀:氣冷、液冷、浸沒式三種散熱差在哪?一文看懂AI大商機:關鍵技術、概念股有哪些?
AI高速運算關鍵!CXL、DRAM、HBM記憶體差在哪?記憶體概念股有哪些?

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