英特爾股價暴跌11%!Q1財測因「產能不足」被潑冷水,AI 轉型卡在18A良率瓶頸
英特爾股價暴跌11%!Q1財測因「產能不足」被潑冷水,AI 轉型卡在18A良率瓶頸

重點一 :英特爾 Q4 獲利與營收優於預期,但 Q1 財測保守,盤後股價一度重挫 11%。

重點二 :公司坦言 18A 製程良率與產能尚未達預期,短期供給吃緊壓抑成長想像。

重點三 :AI 伺服器與晶圓代工營收成長,搭配美國政府、軟銀與輝達投資,凸顯長期轉型賭注。

英特爾(Intel)公布 2025 年第 4 季財報,雖然調整後每股盈餘與營收皆優於華爾街預期,但對 2026 年第 1 季開出的財測明顯偏保守,導致股價在盤後交易一度暴跌約 11%。市場原押注英特爾有望在 AI 浪潮與晶圓代工轉型中迎來拐點,如今卻被較弱的短期展望潑冷水。

管理層說明, 主要壓力來自產能與良率尚未完全到位,使公司無法充分滿足季節性需求,同時也壓縮了獲利空間。 儘管如此,英特爾仍強調,自家 AI 伺服器處理器與先進製程代工技術的客戶需求強勁,長期轉型方向未變。

Q4 打敗預期,Q1 財測卻「冷卻」市場情緒

根據英特爾向投資人公布的數據,第 4 季調整後每股盈餘為 0.15 美元,高於分析師預估的 0.08 美元;營收則達 137 億美元(約為新台幣 4,330 億元),同樣優於市場預期的 134 億美元。

不過,公司同時揭露,該季仍有近 6 億美元淨虧損,折合每股攤薄虧損 0.12 美元;對比一年前的 1.26 億美元淨虧損,額度明顯放大,反映轉型投資與產能爬坡成本仍在壓抑底線獲利。

真正重擊市場信心的,是管理層對 2026 年第 1 季的保守財測。英特爾預期,本季營收落在 117 億至 127 億美元區間(約新台幣 3,690 億至 4,010 億元),調整後每股盈餘僅達損益兩平,明顯低於 LSEG 彙整分析師預估的每股獲利 0.05 美元與 125.1 億美元營收。

財務長 David Zinsner 受訪時表示,這是因為公司在季節需求高峰時,沒有足夠供給可出貨,預計供應情況要到第 2 季才會改善。

在財報公布前,英特爾股價過去一年已飆漲 148%,市場情緒高度樂觀,押注其有機會拿下第一個大型晶圓代工「錨定客戶」。如今短期展望不如預期,在高基期下便引發劇烈修正。

Q4損益表關鍵數據

項目 Q4 2025 Q4 2024 年增率
營收 137 億美元 143 億美元 -4%
毛利率(GAAP) 36.1% 39.2% -3.1 個百分點
營業利益率(Non-GAAP) 8.8% 9.6% -0.8 個百分點
淨利 / 淨損(GAAP) -5.91 億美元 -1.26 億美元 n/m(虧損擴大)
EPS(Non-GAAP,稀釋) 0.15 美元 0.13 美元 +15%

18A 良率與產能成關鍵變數

執行長陳立武(Lip-Bu Tan)在與分析師的電話會議中坦言,公司目前正積極透過提升生產效率、也就是良率,來改善產品供應。他表示,現階段的良率「符合內部計畫」,但仍低於他個人期待的水準,暗示先進製程量產仍在調校階段。

英特爾此前曾強調,18A 製造技術在 2025 年的進展「超額完成」,這項技術預計將與台積電 2 奈米製程正面競爭,並用於英特爾自家 Core Ultra Series 3 處理器等產品。陳立武此次再度表示,公司正積極努力擴大 18A 產能,以因應強勁需求。

Zinsner 也補充,下一代 14A 製程的客戶預計會在今年下半年浮現。不過他同時強調,英特爾不太可能主動公布具名客戶名單,而是會隨著在 14A 上開始明顯擴大資本支出、讓市場「從投資軌跡中看出端倪」。這也意味著,未來幾季資本支出的走向,將成為觀察英特爾代工事業進度的指標。

在財務表現上,英特爾指出,本季晶圓代工業務(Intel Foundry)認列營收 45 億美元(約新台幣 1,420 億元),其中包含部分來自自家晶片製造的內部訂單。這數字一方面反映代工營收基礎已具一定規模,另一方面也提醒外界,目前距離「純粹的外部客戶驅動」仍有距離。

Q4業務部門營收

單位 指標 Q4 2025 Q4 2024 年增率
CCG(Client Computing) 營收 82 億美元 87.69 億美元 年減 7%
DCAI(Data Center & AI) 營收 47.37 億美元 43.51 億美元 年增 9%
Intel Products 合計 營收(含內部) 129.30 億美元 131.20 億美元 年減 1%
Intel Foundry 營收(含內部) 45.07 億美元 43.40 億美元 年增 4%
All Other 營收 5.74 億美元 11.13 億美元 年減 48%
Intersegment 內部交易抵消 -43.37 億美元 -43.13 億美元
Total 對外淨營收 136.74 億美元 142.60 億美元 年減 4%

AI 伺服器與外部投資加持,長期轉型故事仍在鋪陳

在需求端,AI 仍是支撐英特爾故事的重要主軸。公司指出,最新一代伺服器處理器受惠於企業與雲端服務業者加碼 AI 基礎設施投資,出貨呈現明顯成長。這部分營收歸入「資料中心與 AI」部門,單季營收達 47 億美元(約新台幣 1,480 億元),較去年同期成長 9%。

陳立武在聲明中強調,隨著各類 AI 系統普及,傳統中央處理器(CPU)在整體架構中的角色反而更加重要,尤其在負責一般運算與協同 GPU 的混合架構上。

相較之下,個人電腦市況則顯得疲弱。英特爾將筆電與 PC 處理器歸類為「客戶端運算」業務,該部門本季營收為 82 億美元(約新台幣 2,590 億元),較去年同期下滑 7%。這也凸顯出,公司成長動能正逐漸從傳統 PC 轉向資料中心與 AI 應用。

值得注意的是,2025 年期間,美國政府、軟銀(SoftBank)與輝達(NVIDIA)都對英特爾進行了大額投資,成為公司重要股東。英特爾表示,對輝達出售約 50 億美元(約新台幣 1,580 億元)的股票,已在本季完成交割。

整體來看,對英特爾投資人而言,接下來幾季的關鍵在於:18A 與 14A 製程能否如期提升良率與產能、外部代工客戶是否實質落地,以及 AI 伺服器需求能否抵消 PC 市場疲軟等因素。

延伸閱讀:英特爾代工變香了?分析師看好14A夥伴效應,股價漲幅度上看27%

資料來源:CNBCIntel彭博社

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