觀點｜解密晶片三雄Q2財報：輝達狂賺596億美元，為何對手連車尾燈都看不到？|數位時代 BusinessNext

眾所矚目的輝達第二季財報（會計年度為 2027 年第二季）終於在 8 月 26 日揭曉，結果優於預期，帶動輝達股價走出財報發布前的低迷走勢。

三大晶片廠財報比一比：輝達營收遙遙領先

輝達第二季營收達 962.21 億美元，季增 18%，年增 106%，優於分析師預期的 920 億美元。

獲利達 596.88 億美元，季增 2%，年增 126%，大幅超越 515 億美元的財測。

資料中心營收達 890.23 億美元，季增 18%，年增 117%。輝達主要營收來自資料中心，占整體營收 92.5%。

超微第二季營收達 115.36 億美元，季增 13%，年增 50%。與輝達相比，營收僅為輝達的 12%。

超微第二季獲利達 22.97 億美元，季增 66%，年增 163%，主要受 CPU 缺貨影響。獲利絕對值雖與輝達相距甚遠，但成長率高於輝達。

超微資料中心營收達 67 億美元，季增 16%，年增 107%。

超微資料中心營收僅占整體營收 58.2%，與輝達的 92.5% 相比，差異顯著。

超微的 PC CPU 業務仍占公司營收不小的份額。

英特爾第二季營收達 161.1 億美元，季增 18.4%，年增 25%。

與輝達相比，英特爾營收僅為輝達的 16.7%。昔日位居半導體龍頭的英特爾，如今營收遠遠落後於輝達，令人不勝唏噓。

英特爾第二季按非一般公認會計原則（Non-GAAP）計算的獲利達 28 億美元，季增 64.7%；2025 年第二季則虧損 5 億美元。

英特爾的主要營收來自「客戶運算及實體 AI」部門，今年第二季營收達 89 億美元，季增 15.6%，年增 12.7%。

這主要是因為 AI 代理興起，帶動 CPU 需求大增，因而推升營收。

英特爾的資料中心與 AI 部門今年第二季營收達 63 億美元，季增 23.5%，年增 59%。該部門客戶對伺服器 CPU 的需求大增，導致供不應求，也帶動營收顯著成長。

AI 戰局不只比 GPU，更要比生態系與布局

從財報數字來看，英特爾、超微與輝達處在不同的賽道，主要差別在於 GPU。

輝達的 GPU 已成為全球 AI 產業不可或缺的元件，但 Google、亞馬遜、微軟與 Meta 等業者競相推出 ASIC，也使輝達 GPU 面臨競爭。

輝達深耕 AI 生態系，打造以自家產品為核心的 AI 解決方案。

輝達在 AI 產業鏈布局深厚，能掌握市場先機，不斷推出新產品，並投資重要材料供應商與 AI 新創。

此外，輝達為解決 AI 公司的資金問題，除了投資 AI 公司，也與 KKR、黑石集團、阿波羅全球管理、貝萊德集團、布魯克菲爾德和高盛集團等六大金融機構建立策略合作夥伴關係，共同打造獨立的運算融資平台，藉此逐步調動超過 5,000 億美元的第三方資本，用於建置 AI 基礎設施。

輝達在 AI 的布局，除了自家產品研發，也包括營造有利於 AI 產業健康發展的環境。

超微與英特爾處於同一賽道。雖然英特爾營收大幅超越超微，但超微也以 GPU 切入 AI 市場。

經過幾年的努力，超微在 AI GPU 領域頗有斬獲，並擁有自行設計的 AI 伺服器機櫃，已建立 AI 解決方案生態系，後勢不容小覷。

英特爾從半導體王者地位跌落後，新任執行長陳立武勵精圖治，在製程技術方面頗有斬獲。Intel 18A 已順利量產，Intel 18AP 也開始量產。在美國政府支援下，英特爾的晶圓代工事業應會有不錯的成果。

英特爾的挑戰是推出 AI 加速器，以搶進蓬勃發展的 AI 市場，但難度可能很高。

不過，憑藉英特爾在半導體產業的底蘊，仍有可能浴火重生，再創新局。

延伸閱讀：Discord跟LINE有什麼不同，為何Z世代都在用？新手教學：伺服器、頻道、身分組設定一次懂

《數位時代》長期徵求針對科技時事的深度觀點文章，歡迎各領域專業人士來稿交流。稿件請寄至 edit@bnext.com.tw，全文字數至少 800 字，並請附上 100 字內個人簡介。文章若獲採用，將由編輯進行必要潤飾，如需調整標題，會事先與您討論確認。

（觀點文章呈現多元意見，內容不代表《數位時代》立場）

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。