聯發科天璣9400銷售旺，貢獻營收年成長「從50%上修至70%」！上半年配股利29元|數位時代 BusinessNext

聯發科天璣9400銷售旺，貢獻營收年成長「從50%上修至70%」！上半年配股利29元

聯發科預期2024年美金營收成長率將優於先前預估，針對Arm及高通訴訟案，蔡力行表示與Arm合作緊密，將維持雙贏關係。

天璣9400銷售旺，上調營收貢獻年成長由50％至70%

聯發科第三季手機業務佔總營收54%，年增33%、季增4%，蔡力行表示，本月初發布的天璣9400旗艦手機晶片反響熱烈，與上一代9300相比有更多機型導入；並且也觀察到搭載天璣9400的機型銷售強勁，例如Vivo宣佈其X200系列的銷售額，已達到前代同期的200%。

在樂觀的銷售表現下， 聯發科提高今年旗艦產品營收貢獻預期，從原先超過50%的年成長、提高到超過70%。

展望第四季及全年營運表現，聯發科預期，天璣9400帶來的強勁營收成長，可望抵銷部分較低的消費性電子季節需求，第四季營收將介於1,265億至1,345億元之間， 並預期2024年美金營收成長率，將可優於原先14~16%（mid-teens）的目標，全年毛利率介於目標區間46%至48%之間。

JP Morgan分析師詢問，旗艦手機晶片成長動能強，聯發科是否預期拿下更多市佔率？

蔡力行表示，2024年全球智慧型手機出貨預計年增2~3%，聯發科旗艦產品不僅在中國市場成長動能強，其他市場也將持續提升市占率，不過目前未有成長目標預測。

Arm、高通訴訟案帶來影響？蔡力行：與Arm合作緊密，維持雙贏關係

近期IP龍頭Arm與IC設計大廠高通（Qualcomm）專利授權紛爭，引發市場議論，法人關注對聯發科帶來影響及是否可能受惠。

對此蔡力行回答，他不便評論相關法律訴訟，不過他提到，聯發科和Arm合作十分緊密，尤其在先進製程方面，從產品研發階段便與Arm合作，聯發科和Arm將持續維持雙贏（win-win）的關係與策略。

持續推進ASIC業務，瞄準2028年450億美元客製化AI加速器商機

有外資詢問聯發科AI ASIC（特殊應用IC）業務的成長潛力，以及先進封裝產能的取得。

蔡力行表示，聯發科對資料中心AI ASIC業務持續抱持樂觀態度，商業模式十分彈性，並且與客戶及潛在客戶合作緊密，是維持公司成長的一大優先事項（priority），在先進封裝產能取得上，則與台積電等合作夥伴密切合作，ASIC業務預期在2025年底、2026年有望看到更多進展。

聯發科表示，瞄準2028年規模可達450億美元的客製化AI加速器市場，聯發科在雲端運算方面，將持續全力執行企業級客製化晶片策略，憑藉領先的112G及224G SerDes IP、優異的IC整合能力、先進製程與封裝的技術能力，將持續積極與雲端服務供應商合作，尋求更多市場機會。

責任編輯：林美欣

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。」

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。