美國入股英特爾是在幫倒忙?解密市場看衰5原因:無助緩解客戶荒,也還是打不過台積電
美國入股英特爾是在幫倒忙?解密市場看衰5原因:無助緩解客戶荒,也還是打不過台積電

重點一:美國政府以近90億美元(約新台幣2,741億元)《晶片法案》補助換取英特爾(Intel)近10%股權,成為最大單一股東。

重點二:專家認為,美國政府持有英特爾股權不但無法解決代工廠缺乏外部客戶與虧損問題,反而可能削弱競爭力。

重點三:專家主張,有效的產業政策應量身定制工具,僅在私人資本無法到位時才考慮政府持股,以避免不必要的政策風險。

美國政府近期《晶片法案》補助款近90億美元直接轉換為英特爾約10%股權,旨在強化國安及供應鏈韌性,也是美國首次以產業政策介入半導體企業所有權的首例。然而,「AI晶片國家隊」看似一片美意,為何業界卻始終保持高度疑慮?

針對美國政府是否應該持有英特爾股權問題,前美國商務部晶片計畫辦公室創始主任麥克·施密特(Mike Schmidt),以及同辦公室首席投資長陶德·費雪(Todd Fisher)近期在《華爾街日報》撰文指出,「政府持股並非解決英特爾代工廠虧損及缺乏外部客戶的良方,反而可能讓英特爾在成本結構上陷入劣勢,削弱美國半導體產業競爭力。」

文章直言,晶片法案已促使美國電子製造業投資創下新高,產業韌性明顯提升,「政府應聚焦於推動多元化供應鏈與激勵主要客戶,而非直接介入股權。」

值得注意的是,施密特與費雪皆於拜登政府任內正式任命,負責推動CHIPS法案的執行與美國半導體產業政策。施密特負責整體辦公室領導,費雪則主導投資審查與資金分配,兩人任期自2022年起,至2025年結束。

延伸閱讀:MIT報告揭95%企業投資AI「零報酬」,只有5%能賺錢!「那5%」的企業做對了什麼?

問題在「沒有客戶」,政府入股只是徒增風險

施密特與費雪分析,自晶片法案通過以來,美國電子製造業投資總額已超越過去30年,宣布投資金額超過5,000億美元(約新台幣15.2兆元)。全球五家具尖端邏輯與記憶體製造能力的領導企業,包括英特爾、三星、台積電、美光、海力士,皆在美國擴建產能,而且沒有其他國家能同時吸引如此規模的投資,這顯示了《晶片法案》產業政策確實發揮效益。

施密特與費雪強調,英特爾的代工業務(Foundry)去年虧損逾130億美元(約新台幣3,964億元),外部客戶極少,核心問題在於如何吸引主要客戶採用其先進製程。政府股權不僅無法解決客戶問題,還可能導致英特爾在成本與競爭環境上落於下風。

相較於亞洲廠商能享受低成本生產與直接激勵,美國政府若以持股替代補助,反而提高英特爾資金成本,影響其競爭力。兩位作者建議,政府應以補助、稅收抵免、貸款等工具,根據產業需求量身定制政策,僅在私人資本難以到位時才考慮持股,避免產生不必要的市場扭曲與政策風險。

總結而言,兩人主張美國政府不應入股原因如下:

原因1:無法解決英特爾核心問題

英特爾代工部門(Foundry)虧損嚴重,且缺乏外部客戶,政府入股並不能改善這一根本困境。同時,代工廠競爭力的關鍵在於吸引主要客戶採用其先進製程,而非資本結構的改變。

原因2:可能削弱英特爾競爭力

英特爾在公開市場融資並無困難,政府資金取代私人資本會提高英特爾的資金成本。同時,其他晶片製造商多在低成本國家生產,若美國政府以股權方式介入,英特爾將在成本結構上處於劣勢。

原因在於,英特爾在公開市場融資並不困難,政府資金並未帶來額外優勢,反而可能使英特爾在成本結構上落於競爭對手之後,尤其是主要競爭者如台積電、三星多在低成本地區生產,並獲得直接激勵。

原因3:政府持股帶來政策與市場風險

若英特爾在選舉年裁員,政府可能被質疑從裁員中獲利,產生政治爭議。此外,政府作為企業股東,也可能影響決策者角色,導致政策目標與企業利益混淆。 更重要的是,美國政府持股可能影響與三星、台積電等國際合作夥伴的公平競爭環境,並引發國家資本主義模式的疑慮。

延伸閱讀:比安靜離職更毒?職場無聲內耗新名詞:「安靜崩潰」是什麼?

原因4:產業政策應量身定制

有效的產業政策應根據問題選擇合適工具,如補助、稅收抵免、貸款等,僅在私人資本無法到位時才考慮持股。政府應聚焦於推動供應鏈多元化與激勵主要客戶,而非直接介入企業股權。

原因5:現有補助機制已設有納稅人保護條款

晶片法案撥款已包含收益分享與里程碑條款,能保障納稅人利益並確保企業承擔責任。但川普政府直接入股反而可能削弱這些保護機制,降低政策執行的彈性與效果。

結論:美政府入股英特爾「弊大於利」

專家與市場都認為,政府用股權代替補助英特爾「是個壞主意」。這會損害美國的競爭力,還會帶來不必要的政策風險。

展望未來,英特爾能否翻身,取決於能否吸引蘋果、輝達等大客戶採用其新一代製程,以及美國政府後續支持力度。許多業界人士認為,僅靠政府資金以及軟銀大手筆投資20億美元,遠不足以改變英特爾在高階晶片製造上的劣勢。

美國政府近期對輝達、超微、MP Materials(美國稀土材料公司)等公司也採取股權或銷售分成等干預措施,目標皆在強化美國本土高科技產業鏈。英特爾若要擺脫「被時代拋下」的命運,仍需更多市場與產業支持。

延伸閱讀:英特爾又有富爸爸!軟銀20億美元入股英特爾,將成第五大股東!川普政府也考慮認購10%股權

「次等技術沒人要!」英特爾前CEO質疑陳立武路線:沒客戶就不投資14A,根本笑話

資料來源:WSJ1WSJ2Tom's hardware

本文初稿為AI編撰,整理.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