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
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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
台達電全解讀
© 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