聯想（Lenovo）旗下平價筆記型電腦 V 系列再添新成員。根據官方支援網站洩露的最新資訊，聯想即將推出配備 15 吋螢幕的全新筆電 V15 Gen 7 Q7X（亦稱 V15 G7 Q7X），這也是該系列首度導入高通（Qualcomm）低功耗 Snapdragon C 平台的 ARM 架構車款。記者孟圓琦／編譯

聯想（Lenovo）旗下平價筆記型電腦 V 系列再添新成員。根據官方支援網站洩露的最新資訊，聯想即將推出配備 15 吋螢幕的全新筆電 V15 Gen 7 Q7X（亦稱 V15 G7 Q7X），這也是該系列首度導入高通（Qualcomm）低功耗 Snapdragon C 平台的 ARM 架構車款。

[caption id="attachment_295499" align="alignnone" width="967"] AI 驅動的筆記型電腦，為行動生活而生。（圖／lenovo官網）[/caption]

今年以來，聯想已多次擴充 V 系列產品線，包括上個月針對平價市場發布的 V14 Gen 6，以及採用 AMD Mendocino 與 Intel Wildcat Lake 架構的多款 15 吋機種。本次曝光的 V15 G7 Q7X 則為該系列帶來全新的 ARM 處理器選擇。

目前該款未發布的筆電資訊已陸續出現在聯想位於愛爾蘭、以色列與瑞士等地的官方支援頁面及 PSREF 技術規格清單中，顯示該機款預計將在多國市場上市，惟全球具體發售時程與地區仍有待官方確認。外觀方面，預計將延續現行 Wildcat Lake 版本的設計語言。

根據新加坡 IMDA 認證資料顯示，V15 G7 Q7X 搭載高通 Snapdragon C 系列晶片（型號為 C11-0100），而非效能導向的 Snapdragon X 或 Snapdragon X2 平台。參考過往 IdeaPad Slim 3 15Q7X11 的表現，採用 ARM 架構的 V15 G7 Q7X 預計將比 x86 版本的 Wildcat Lake 機種具備更優秀的電池續航力。目前官方尚未公布這款新機的確切發表時間與售價。

延伸閱讀：
筆電熱度別輕忽！男童上課筆電久放肚皮上 竟烤出「火逼性紅斑」
Lenovo 16吋平價筆電擴大上市！入門價砍近半 最長續航達27小時

資料來源：notebookcheck、設備報告

這篇文章 平價續航怪獸來襲！聯想 ARM 架構 V 系列15 吋新筆電登場 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

Intel（英特爾）持續推進先進製程，最新消息指出，下一代14A製程最快到2027年底，月產能可能達到6,000片晶圓，2028年進一步提高至每月24,000片；目前18A製程良率則已達約80％。此外，Intel未來還可能與NVIDIA（輝達）合作開發AI CPU，進一步切入NVIDIA運算生態系。記者彭夢竺／編譯

Intel（英特爾）持續推進先進製程，最新消息指出，下一代14A製程最快到2027年底，月產能可能達到6,000片晶圓，2028年進一步提高至每月24,000片；目前18A製程良率則已達約80％。此外，Intel未來還可能與NVIDIA（輝達）合作開發AI CPU，進一步切入NVIDIA運算生態系。

GF Securities分析師Jeff Pu在最新Intel報告中，揭露Intel晶圓代工業務的最新進展。隨著AI帶動高階晶片需求，目前大部分高階AI晶片訂單都流向台積電，Intel則希望透過18A、18A-P與下一代14A製程，進一步擴大晶圓代工市場布局。

[caption id="attachment_219458" align="aligncenter" width="1498"] Intel（英特爾）持續推進先進製程。（圖／截取自英特爾）[/caption]

18A良率達80％ Panther Lake成重要指標

根據Pu的說法，Intel目前18A製程良率約達80％，這項數據主要針對Panther Lake晶片產品。晶圓製造的良率代表一片晶圓中能夠成功使用的晶片比例，也是影響製造成本與量產能力的重要指標。

先前7月曾有消息指出，Intel 18A良率已從第二季約65％提高至85％，而Pu這次提出的最新數字則為80％。

14A明年月產6000片 2028年衝上2.4萬片

除了18A，Intel下一代14A製程的產能規劃也受到關注。Pu預估，Intel 14A製程2027年月產能可能達到6,000片晶圓，到了2028年則進一步增加至每月24,000片，相當於一年時間擴大至4倍。

14A是Intel下一代先進製程平台，以大致的市場定位來看，將與台積電1.4奈米製程平台競爭。

另一方面，市場先前也傳出台積電1.4奈米製程因晶圓廠建設時程加快，最快可能在2027年進入量產，意味Intel與台積電下一代先進製程的競爭也將持續升溫。

Intel還可能攜手NVIDIA開發AI CPU

除了晶圓代工，Pu也透露Intel與NVIDIA未來可能在個人電腦領域展開合作，甚至進一步共同開發及製造AI CPU。他認為，Intel可能透過x86 CPU打入NVIDIA生態系，並指出NVIDIA下一代Rosa Feynman平台可能推出搭載Intel CPU的版本。

不過，這項合作目前仍停留在分析師預測階段。先前關於NVIDIA下一代GPU平台的消息則指出，Rosa CPU可能採用台積電2奈米或1.6奈米製程，因此最終製造與合作方式仍有待後續確認。

對Intel而言，無論是18A良率提升、14A逐步擴充產能，或潛在的NVIDIA合作，都將成為其能否重新擴大先進製程與晶圓代工市場影響力的重要觀察指標。

資料來源：wccftech

這篇文章 追趕台積電！Intel 14A晶圓產能2028年翻4倍 傳輝達也上門談合作 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

聯想（Lenovo）在IFA 2026發表新版ThinkBook 14 Gen 9，這次最大變化是改搭高通（Qualcomm）Snapdragon X2 Plus處理器，同時將電池容量提升至50Wh，預計今年10月正式上市，起售價為1,299美元。記者彭夢竺／編譯

聯想（Lenovo）在IFA 2026發表新版ThinkBook 14 Gen 9，這次最大變化是改搭高通（Qualcomm）Snapdragon X2 Plus處理器，同時將電池容量提升至50Wh，預計今年10月正式上市，起售價為1,299美元。

新版ThinkBook 14 Gen 9整體設計與今年稍早推出的Intel Panther Lake版本相近，主要差異集中在處理器與電池配置。聯想也同步更新ThinkBook 14x Gen 2，進一步擴大Snapdragon X2 Plus在商務筆電產品線中的布局。

[caption id="attachment_276661" align="aligncenter" width="2258"] 聯想（Lenovo）在IFA 2026發表新版ThinkBook 14 Gen 9。（圖／截取自聯想）[/caption]

改搭Snapdragon X2 Plus 效能全面提升

ThinkBook 14 Gen 9這次採用ARM架構的Snapdragon X2 Plus，TDP為25W。相較上一代Snapdragon X Plus，Snapdragon X2 Plus在單核心、多核心、整合式GPU與NPU效能上都有提升，進一步強化日常運算與AI工作負載的處理能力。

聯想最高提供32GB LPDDR5x-9523記憶體與1TB SSD，電池則從原先配置進一步提升至50Wh。另外，雖然原廠最高儲存空間為1TB，但機身內仍保留第二組M.2 2280 SSD插槽，使用者後續可以自行擴充容量。

14吋WUXGA螢幕 仍只有45％ NTSC

顯示器方面，新版ThinkBook 14 Gen 9配備14吋WUXGA IPS面板，解析度為1,920×1,200，更新率60Hz，最高亮度400尼特，並提供觸控版本選擇。

不過，螢幕色域仍只有45％ NTSC，並未改善先前Intel版ThinkBook 14 Gen 9評測中受到批評的問題。

因此，如果使用需求以一般文書、商務工作為主，規格仍相當實用；但對色彩表現要求較高的影像或設計工作者來說，面板規格可能依舊是需要考量的一點。

連接埠給好給滿 還保留SD讀卡機

ThinkBook 14 Gen 9在連接埠配置上維持相對完整。

機身提供2組USB Type-C、2組USB Type-A、1組HDMI輸出、3.5mm音源孔、SD記憶卡讀卡機，以及Kensington防盜鎖孔。

此外，新機也支援Wi-Fi 7，配備背光鍵盤、FHD網路攝影機，以及2組2W揚聲器。

機身厚度17.39mm 起重1.3公斤

機身尺寸方面，ThinkBook 14 Gen 9厚度為17.39mm，重量則從1.3公斤起跳，在14吋商務筆電中仍維持相對輕巧的定位。

聯想今年2月才推出搭載Intel Panther Lake處理器的ThinkBook 14 Gen 9與ThinkBook 16 Gen 9，如今再加入Snapdragon X2 Plus版本，也讓ThinkBook產品線同時涵蓋x86與ARM平台。

新版ThinkBook 14 Gen 9預計2026年10月上市，起售價為1,299美元。對希望兼顧續航、AI運算與完整連接埠的商務使用者而言，Snapdragon X2 Plus版本也成為ThinkBook 14 Gen 9的新選擇。

資料來源：notebookcheck

這篇文章 聯想ThinkBook 14 Gen 9換上Snapdragon X2 Plus 電池容量升級 10月上市 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

過去談到電腦效能，往往只需要看幾個關鍵數字，CPU看時脈與核心數、GPU看運算單元與TFLOPS、記憶體看頻率、SSD則看循序讀寫速度。但隨著現代處理器的運算能力大幅提升，真正限制效能的因素正在改變。CPU、GPU與AI加速器都能在極短時間內完成大量運算，但前提是資料必須及時送到運算單元。記者黃仁杰／編譯

過去談到電腦效能，往往只需要看幾個關鍵數字，CPU看時脈與核心數、GPU看運算單元與TFLOPS、記憶體看頻率、SSD則看循序讀寫速度。

[caption id="attachment_262362" align="aligncenter" width="1672"] 想理解現代運算效能，已經不能只看CPU或GPU本身，還必須理解整個記憶體系統如何運作。（圖／AI生成）[/caption]

這些規格至今仍有參考價值，但隨著現代處理器的運算能力大幅提升，真正限制效能的因素正在改變。CPU、GPU與AI加速器都能在極短時間內完成大量運算，但前提是資料必須及時送到運算單元。

現在的效能瓶頸愈來愈不是「算得夠不夠快」，而是資料能不能在正確時間送到正確位置。

現代CPU單一核心每個時脈週期就能執行多個指令，高階GPU擁有數千個平行運算單元，AI加速器的矩陣運算能力甚至進入PFLOPS等級。然而，這些運算資源都必須取得指令、模型權重、貼圖、幾何資料、中間結果等資料才能工作。

問題就在於，運算能力的成長速度遠超過資料搬移能力。資料傳輸牽涉延遲、頻寬、能源以及晶片面積，因此許多現代工作負載真正花費大量資源的地方，是如何避免運算單元「餓肚子」。

這並不代表所有程式都受到記憶體限制，但想理解現代運算效能，已經不能只看CPU或GPU本身，還必須理解整個記憶體系統如何運作。

記憶體效能不只是頻率 延遲、頻寬與資料位置都重要

所謂「記憶體效能」，並不只等於DDR記憶體跑多少MHz。

包括延遲（Latency）、頻寬（Bandwidth）、快取容量、資料區域性（Locality）、可同時進行多少記憶體操作、資料存取模式、預取能力，以及資料究竟位於快取、DRAM、VRAM還是儲存裝置，都會影響最終效能。

其中首先必須理解的，就是循序存取與隨機存取之間的巨大差異。

循序與隨機存取 同樣搬1GB資料速度大不同

假設電腦從頭到尾讀取一個1GB檔案，下一筆資料的位置完全可以預測。系統一旦辨識出這種模式，就能提前把後續資料抓進來。

這就是循序存取，而現代硬體非常擅長處理這類工作。

CPU具有硬體預取器，可以偵測規律的記憶體資料流；DRAM控制器可以同時處理多筆請求並重新排序；SSD控制器則能把資料分散到多個NAND晶粒與通道；GPU也能將相鄰執行緒的記憶體請求合併處理。

簡單來說，只要資料位置可預測，硬體就能建立一條高效率的資料流水線。

但隨機存取完全不同。

例如程式正在遍歷一條鏈結串列，每一筆資料才會告訴處理器「下一筆在哪裡」。CPU必須先完成上一筆讀取，才能知道下一筆記憶體地址。

在這種情況下，預取幾乎派不上用場。

因此，即使兩個程式總共搬動完全相同的資料量，執行速度仍可能相差數倍。

「AI履歷健檢」看見自己優勢：https://campaign.1111.com.tw/resume-review/

更多科技工作請上科技專區：https://techplus.1111.com.tw/

「指標追逐」讓CPU無法藏住記憶體延遲

現代CPU其實很擅長隱藏記憶體延遲。

如果CPU同時需要4條互不相關的Cache Line，它可以把多筆記憶體請求一起送出去，藉由平行處理降低等待時間。

但如果請求B必須等待A的結果才能開始，就完全不同。

這種情況常被稱為「Pointer Chasing（指標追逐）」。每次記憶體讀取才會產生下一個地址，因此CPU只能一次等一筆。

資料庫的小型隨機查詢，就是典型案例；GPU中數千個執行緒若各自尋找完全不同的記憶體位置，也會遇到類似問題。

因此軟體工程師會盡可能重新排列資料，例如資料庫重組索引、遊戲引擎批次處理工作、GPU演算法重新排序請求，或將Array of Structures改成Structure of Arrays。

目的不是徹底消除隨機存取，而是讓昂貴的資料存取更少發生、更容易預測，並且盡可能同時進行。

為什麼快取有效？關鍵在「資料區域性」

幸好，真實世界的程式通常不會完全隨機存取資料。

大多數程式都具備兩種特性：空間區域性（Spatial Locality）與時間區域性（Temporal Locality）。

空間區域性代表當程式讀取某一筆資料後，很可能很快會需要旁邊的資料；時間區域性則代表剛剛使用過的資料，很可能不久後又會再用一次。

例如程式依序處理陣列，就具有很好的空間區域性；遊戲中頻繁更新的角色或場景資料，則具有很強的時間區域性。

這正是CPU快取能發揮作用的原因。

CPU從DRAM讀取資料時，通常不會只拿一個Byte，而是一次搬入一整條Cache Line。主流x86 CPU的Cache Line通常為64 Bytes。

因此，如果接下來程式需要附近資料，它很可能已經在快取裡。

工作集一旦超過快取 效能恐大打折扣

另一個重要概念是「Working Set（工作集）」。

一個程式可能配置數十GB記憶體，但某個階段真正頻繁使用的資料可能只有幾十MB。

如果這些資料全部塞得進CPU快取，效能會非常好；但只要工作集稍微超過快取容量，大量資料就必須重新從較慢的DRAM取得，效能可能突然下滑。

這也是為什麼增加快取有時會帶來巨大效能提升，但有時幾乎沒有差別。

例如工作集約60MB，把快取從32MB增加至96MB就可能非常有效；但如果程式不停地串流讀取數GB資料，而且每筆資料只用一次，再大的快取也難以發揮作用。

快取最有價值的情況，是程式真的有值得被「記住」的資料。

CPU為何需要L1、L2、L3？又大又快又便宜的記憶體不存在

如果快取這麼有效，為什麼不乾脆做一個超大的L1 Cache？

因為記憶體設計永遠存在取捨。

CPU最接近運算核心的快取通常採用SRAM，延遲低、頻寬高，但占用大量晶片面積，而且容量愈大，線路愈長、查找邏輯愈複雜，功耗也會增加。

因此才形成多層快取架構。

L1容量最小但最快，L2容量更大、速度稍慢；L3通常容量更大，而且可能由多核心共享，但延遲又更高。如果三層快取全部未命中，最後才必須進入DRAM。

快取設計還涉及關聯度（Associativity）、Bank配置、讀寫埠數量、私人與共享快取，以及多核心之間的Cache Coherence。

所以「快取愈大愈好」並不是沒有代價。

AMD 3D V-Cache成代表經典 在CPU上堆疊更多資料

AMD的3D V-Cache，就是利用3D堆疊解決快取容量與晶片面積衝突的代表技術。

AMD將額外64MB L3快取晶粒直接堆疊在CPU上，利用銅對銅接合與TSV連接，而不必單純把CPU核心晶粒做得更大。

Ryzen X3D處理器在遊戲市場的成功，也證明這種設計在特定工作負載非常有效。

遊戲會頻繁處理世界狀態、物理資料、動畫、Draw Call、可視性資訊等內容，如果能把更多常用資料留在CPU附近，就可以減少前往DRAM的次數。

但不同遊戲提升幅度差異很大，有些遊戲的關鍵資料本來就能塞進普通快取，有些則受限於GPU或其他因素。

這正符合記憶體階層理論，快取是否有效，取決於工作負載。

DRAM也不能只看MHz與CL值

當資料不在CPU快取時，就必須進入主記憶體DRAM。

DRAM容量遠高於SRAM，而且每Bit成本較低，但速度也慢得多。因此現代DRAM會利用大量平行化方式提高效能。

DRAM內部被分成多個Bank與Bank Group，每個Bank又包含大量Row。

讀取資料時，通常必須先將某一Row啟動並放入Row Buffer，才能存取其中資料。

如果需要的Row已經打開，就是Row Buffer Hit；如果目前沒有開啟，就必須Activate；若錯誤的Row正處於開啟狀態，甚至可能需要先關閉再開啟另一個。

因此記憶體控制器並不是單純把CPU請求送給DRAM，而是持續重新排列大量讀寫操作，試圖在Channel、Rank、Bank Group和Bank之間提高效率。

頻寬與延遲不能混為一談

這也解釋為什麼記憶體頻寬與延遲不能混為一談。

延遲代表完成一筆操作需要多久；頻寬代表一段時間內能搬多少資料。

一套系統可能擁有非常高的總頻寬，但面對一連串彼此依賴的隨機存取時，效能仍然很差。

反過來，如果一個工作負載可以同時送出數百筆互不依賴的記憶體請求，即使單筆延遲不低，也可以靠平行化取得高吞吐量。

DDR5便高度依賴這種思維。

相比DDR4，DDR5增加Bank Group數量、將預設Burst Length從8提高至16，也把DIMM拆成兩個獨立Subchannel，目的就是提高同時處理更多記憶體工作的能力。

這也是為什麼更換高頻DDR記憶體後，不同程式的效能提升可能完全不同。

為了餵飽GPU GDDR與HBM成解方

GPU擁有數千個平行運算單元，因此需要遠高於CPU的記憶體頻寬。

消費型GPU通常採用GDDR，透過較寬的記憶體介面與極高傳輸速度取得大量頻寬。

AI與高效能運算則更進一步採用HBM。

HBM把多層DRAM垂直堆疊，並透過先進封裝放在非常靠近GPU或AI加速器的位置，再利用極寬的介面傳輸資料。

代價是成本與封裝複雜度大幅增加，但可以換取非常高的頻寬與較佳每Bit能源效率。

例如AMD Instinct MI355X單顆就搭載288GB HBM3E，理論記憶體頻寬最高可達8TB/s；一套8 GPU系統甚至擁有2.3TB HBM。

對桌上型CPU而言，這種數字看似誇張，但對現代AI來說，如何餵飽運算核心已經成為核心架構問題。

AI讓「資料搬移」成為第一級效能瓶頸

大型語言模型更清楚展現現代運算的矛盾。

GPU與AI加速器非常擅長矩陣乘法，但每一次計算以前，都必須先取得模型權重、Activation與其他中間資料。

AI訓練尤其吃記憶體，除了模型權重之外，還可能需要儲存Gradient、Optimizer State、反向傳播所需Activation以及暫存資料。

推論雖然需求不同，卻仍面臨模型權重與KV Cache等記憶體壓力。

以70億參數模型為例，如果採16-bit精度，光模型權重就需要約14GB記憶體，還沒有算KV Cache與Runtime成本。

AI量化不只省容量 也等於少搬很多資料

這也是AI量化（Quantization）如此重要的原因。

如果把參數從16-bit降低到8-bit甚至4-bit，不僅模型占用的容量下降，每次從記憶體搬進運算單元的資料量也同步減少。

當工作負載受到記憶體頻寬限制時，少搬一半資料，本身就可能直接提高效能。

這揭示重新計算與搬資料其實可以互相交換。

有時候，把某個結果儲存起來比重新計算划算；有時候重新算一次，反而比從很遠的記憶體抓回來更快、更省能源。

現代晶片設計愈來愈需要判斷究竟哪一邊比較便宜。

遊戲是最混亂的記憶體工作負載之一

遊戲沒有單一固定的資料存取模式。

CPU可能正在處理場景可視性、物理、AI與Draw Call；GPU則同時讀取幾何、貼圖、材質、Render Target與Shader資料。開放世界遊戲還需要不斷從SSD把新資產搬進系統記憶體與VRAM。

部分工作高度規律，部分卻非常隨機。

因此CPU端的大型快取可以降低DRAM存取，而GPU同樣持續擴大Last-Level Cache，希望減少外部VRAM流量。

輝達、AMD與Intel近年的GPU架構，都不斷改變快取設計，因為「少去一次VRAM」有時比單純增加記憶體頻寬更有效。

光線追蹤讓記憶體存取更加混亂

即時光線追蹤更是典型案例。

光線需要遍歷BVH（Bounding Volume Hierarchy）結構，判斷可能與哪些物件相交。

問題在於，每條光線可能朝完全不同的方向前進，因此相鄰GPU執行緒不只執行不同程式路徑，也可能讀取完全不同的記憶體地址。

輝達稱這種情況為Execution Divergence與Data Divergence。

Shader Execution Reordering等技術，就是嘗試重新排列光線追蹤工作，讓相似的任務重新聚集，提高執行效率與資料區域性。

這說明記憶體問題不一定只能靠「更快的記憶體」解決，有時重新安排工作本身更加有效。

顯示記憶體容量不足 高頻寬也救不了

遊戲也可能不是受到頻寬或延遲限制，而是單純「容量不夠」。

如果貼圖、幾何資料與Render Resource超過GPU的顯示記憶體（VRAM）容量，系統就必須透過PCIe從系統記憶體搬資料，或者不斷將舊資源踢出去再重新載入。

此時即使GPU本身擁有極高的VRAM頻寬也沒有用，因為需要的資料根本不在VRAM裡。

因此記憶體效能其實同時包含容量、延遲、頻寬、快取命中率與資料區域性。

SSD為前鑑 循序速度不代表真實效能

儲存裝置也是最容易理解的例子。

現在PCIe NVMe SSD動輒宣稱10GB/s以上循序讀寫，但這只代表大型連續資料傳輸的理想情況。

作業系統、遊戲、資料庫與各種應用程式，經常要求SSD讀取大量分散的小型資料。

因此SSD規格除了循序速度，也會列出隨機IOPS、Queue Depth以及延遲。

大型循序工作可以讓控制器把工作分散到多個NAND Channel、Die與Plane；而小型隨機IO則完全不同。

Queue Depth提高時，可以透過更多平行操作增加吞吐量，但代價往往是單筆請求延遲提高。

SSD也建立了「記憶體階層」

NAND SSD內部同樣具有大量平行架構。

SSD控制器需要處理地址轉換、Wear Leveling、Garbage Collection等工作，讓NAND看起來就像一般儲存裝置。

這些操作也會造成Write Amplification，也就是SSD實際寫入NAND的資料量，比作業系統要求寫入的更多。

此外，許多消費型SSD會把部分NAND暫時當成SLC快取使用，先高速寫入，之後再慢慢整理到TLC或QLC。

部分SSD還會搭載DRAM儲存映射表，DRAM-less SSD則可能利用Host Memory Buffer借用系統記憶體。

也就是說，SSD本身其實又建立了另一套記憶體階層。

因此一旦高速快取用完，SSD的長時間寫入速度可能與產品規格表上的短時間Benchmark差距非常大。

換個工作負載 硬體效能截然不同

這也是為什麼記憶體Benchmark一定要搭配使用情境來看。

大型檔案複製重視持續循序頻寬；資料庫可能更在意隨機讀取與尾端延遲；科學模擬可以大量利用循序頻寬與向量化；編譯器則可能需要頻繁追逐複雜資料結構。

CPU受限的遊戲，如果工作集剛好塞進更大的L3 Cache，可能得到巨大提升；另一款遊戲則可能完全沒有感覺。

AI訓練則同時需要算力、容量與頻寬；低併發LLM推論往往更依賴記憶體頻寬，而長上下文推論又會把KV Cache容量推上來。

因此即使只是「頻寬」這個詞，也可能包含介面理論頻寬、快取頻寬、DRAM頻寬、儲存頻寬與晶片互連頻寬。

真正決定效能的，是程式的資料存取方式如何與整套記憶體階層互動。

現代運算真正的方向 把資料搬運變少

回頭看現代CPU、GPU與AI加速器的架構變化，就會發現大量技術其實都在解決同一件事。

快取是把常用資料留在運算核心附近；預取器提前猜測下一筆資料；記憶體控制器重新排列請求；GPU排程試圖提高資料一致性；Tiling則把大型問題切成能塞進小型快取的區塊。

資料壓縮減少需要傳送的Byte數，AI量化也是同樣概念；HBM透過先進封裝把超高頻寬記憶體搬到加速器旁邊；3D堆疊則增加容量又降低距離；Chiplet讓運算、快取與I/O模組可以更靈活組合。

這些技術的共同目標，就是盡可能提高昂貴資料搬移的使用效率。

算力持續成長 「記憶體牆」不會消失

未來CPU與GPU算力仍會繼續提高，記憶體頻寬也會繼續增加，HBM會變快、快取會變大、SSD可能進一步突破每秒數十GB，先進封裝也會讓原本分離的元件靠得更近。

但物理距離、能源、成本、容量與延遲之間的基本矛盾不會消失。

沒有一種記憶體可以同時做到容量巨大、頻寬無限、零延遲，而且又幾乎不花成本。

因此，記憶體階層不但不會消失，反而只會變得更加複雜。

CPU如果花上數百個Clock等待記憶體，它擁有再高的理論算力都沒有意義；GPU如果數千個運算單元都在等待VRAM，TFLOPS再高也只是閒置；AI加速器即使擁有PFLOPS級運算能力，如果拿不到模型資料，一樣無法工作。

現代運算的關鍵，已經逐漸變成在處理器真正要求資料以前，就先把正確的資料放到正確的位置，並透過軟體與硬體設計，讓同一份資料盡可能被重複利用，而不是一次又一次重新搬運。

來源：wccftech

這篇文章 為何記憶體效能比以往更關鍵？AI、遊戲到SSD都面臨的「資料搬運戰」 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

阿里巴巴持續強化AI軟硬體垂直整合能力，旗下RISC-V處理器「玄鐵C950（XuanTie C950）」如今已能原生執行最新Qwen-3.8 27B模型。值得注意的是，玄鐵C950據傳採用台積電5奈米製程生產，不過阿里巴巴目前並未正式證實相關代工資訊。記者黃仁杰／編譯

阿里巴巴持續強化AI軟硬體垂直整合能力，旗下RISC-V處理器「玄鐵C950（XuanTie C950）」如今已能原生執行最新Qwen-3.8 27B模型。值得注意的是，玄鐵C950據傳採用台積電5奈米製程生產，不過阿里巴巴目前並未正式證實相關代工資訊。

[caption id="attachment_259661" align="aligncenter" width="1672"] 阿里巴巴持續強化AI軟硬體垂直整合能力，旗下RISC-V處理器「玄鐵C950（XuanTie C950）」如今已能原生執行最新Qwen-3.8 27B模型。（圖／AI生成）[/caption]

阿里巴巴於2026年3月發表玄鐵C950，將其定位為面向邊緣AI的高效能RISC-V處理器。不同於主要依靠GPU處理AI工作負載的系統，C950本身是一款伺服器級64位元RISC-V處理器，單顆晶片整合64個運算核心，最高時脈可達3.2GHz。

晶片採用每8核心一個叢集的設計，並透過高速AMBA CHI互連架構連接多個核心叢集。為處理AI工作負載，C950也直接整合矩陣與向量加速引擎，讓部分模型推論不必額外依賴GPU。

快取架構方面，玄鐵C950具備標準L1快取、可彈性配置的L2快取，並支援選配共享L3快取，以降低多核心之間資料傳輸造成的瓶頸。此外，晶片也導入硬體層級智慧資料預取技術，可在運算核心實際要求資料以前，提前將可能使用的資料載入快取。

「AI履歷健檢」看見自己優勢：https://campaign.1111.com.tw/resume-review/

更多科技工作請上科技專區：https://techplus.1111.com.tw/

由於採用開源RISC-V指令集架構，阿里巴巴可避免使用x86或Arm架構相關授權，同時也能依照自身AI與伺服器需求進行更高度客製化。

C950採用8指令解碼寬度，可一次讀取與處理更多指令，並搭配16級管線設計，在維持較高時脈的同時，兼顧伺服器與AI工作負載執行效率。

相較大量平行執行工作的GPU，玄鐵C950每個插槽主要執行單一推論執行緒，因此更適合邊緣部署及私有AI推論，而非同時服務大量使用者的公共AI API。結合客製化指令管線與內建AI加速引擎後，C950可直接執行十億參數級大型語言模型，不需要額外的模擬或轉譯層，相關硬體單元與指令集延伸功能能直接處理中小型AI模型所需的核心運算。

製程方面，玄鐵C950據傳交由台積電以5奈米製程生產。不過目前這項資訊仍屬外部報導，阿里巴巴尚未直接確認C950的晶圓代工商與製程來源。

目前更重要的進展，是阿里巴巴已讓玄鐵C950首日支援最新Qwen-3.8 27B模型。Qwen-3.8 27B在C950上的解碼速度可達每秒30個Token，首個Token生成時間（Time To First Token，TTFT）約1.9秒。

Qwen-3.8 27B是一款擁有270億參數的開放權重AI模型，原文指出，其程式碼能力可接近Opus 4.5，同時對硬體記憶體需求相對較低，可在32GB VRAM環境下執行，甚至能於單台MacBook上運作。

透過讓自家最新Qwen模型直接在玄鐵C950上執行，阿里巴巴除了能進一步建立自有AI生態系，也增加資料中心運算配置的彈性。

未來阿里巴巴可以將C950與其他AI加速器搭配部署，依不同推論工作負載分配運算資源，形成從AI模型、自研RISC-V處理器，到台積電先進製程及資料中心部署更完整的運算鏈條。

來源：wccftech

這篇文章 阿里玄鐵C950傳採台積電5奈米製程 原生跑Qwen-3.8 27B強化AI垂直整合 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

AI需求快速升溫，伺服器CPU市場規模也可望迎來大幅成長。根據美銀全球研究、Mercury Research與IDC等機構最新資料，全球伺服器CPU潛在市場規模預估至2030年將突破2100億美元，其中專為AI工作負載打造的CPU將占據絕大多數需求。記者黃仁杰／編譯

AI需求快速升溫，伺服器CPU市場規模也可望迎來大幅成長。根據美銀全球研究、Mercury Research與IDC等機構最新資料，全球伺服器CPU潛在市場規模預估至2030年將突破2100億美元，其中專為AI工作負載打造的CPU將占據絕大多數需求。

[caption id="attachment_257336" align="aligncenter" width="1672"] 全球伺服器CPU潛在市場規模預估至2030年將突破2100億美元，其中專為AI工作負載打造的CPU將占據絕大多數需求。（圖／AI生成）[/caption]

這波成長主要來自AI應用快速擴張，尤其Agentic AI等工作負載，相較單純依賴GPU，也需要大量CPU資源協助資料處理、任務調度與系統運作，使伺服器CPU的重要性持續提高。

依目前預估，2030年伺服器CPU整體市場規模將超過2100億美元，與AMD先前提出約2200億美元的市場預估相近。其中AI伺服器CPU市場規模將達約1800億美元，占整體市場約86%；非AI伺服器CPU則約300億美元。

AI CPU占比近年也快速上升。相關數據顯示，2026年AI相關CPU占伺服器CPU市場比重預估已達69%，較2025年增加16個百分點，較2024年則大幅增加46個百分點。

「AI履歷健檢」看見自己優勢：https://campaign.1111.com.tw/resume-review/

更多科技工作請上科技專區：https://techplus.1111.com.tw/

英特爾市占持續下滑 AMD與Arm同步搶市

隨著市場擴張，伺服器CPU競爭也將更加激烈。

英特爾與AMD長期在x86伺服器市場正面交鋒，AMD近年靠EPYC系列持續蠶食英特爾市占；另一方面，Arm架構也快速切入AI伺服器領域，成為x86陣營另一大威脅。

包括輝達、高通以及Arm本身，都正在加速布局AI伺服器CPU，同時越來越多大型科技公司開始開發自有Arm架構處理器。

根據目前預估，英特爾伺服器CPU市占可能從現階段約62%，一路下降至2030年的35.8%；AMD則可望提升至約31%。Arm商用處理器以及雲端業者自研Arm晶片合計，市占可能達30%至35%。

也就是說，英特爾雖仍可能維持市場領先地位，但原本高度集中的伺服器CPU市場，正逐步形成英特爾、AMD與Arm三大陣營競爭的局面。

AI伺服器CPU出貨2030年上看8200萬顆

從出貨量來看，AI伺服器CPU需求同樣快速上升。

2026年全球AI伺服器CPU出貨量預估約3800萬顆，較2025年的2990萬顆成長27%。到了2030年，出貨量可能進一步增加至8200萬顆。

目前市場預測普遍認為，AI基礎建設需求仍將維持多年成長，原因包括大型科技公司已簽署大量多年期算力、資料中心及晶片供應合約，使AI投資具有較長期的延續性。

不過，實際需求能否一路維持至2030年，仍取決於AI應用成長速度與大型資料中心投資能否持續。

英特爾丟失出貨市占 營收占比反而回升

值得注意的是，雖然Intel近年持續流失伺服器CPU出貨市占，但從營收角度來看，公司近期反而出現改善。

隨著CPU價格上漲、AI算力需求增加，加上整體晶片供應仍然偏緊，Intel伺服器處理器的市場價值有所提高。

Intel甚至持續出貨部分較舊世代的伺服器CPU，以因應新產品供應不足的情況，顯示AI市場龐大需求已讓舊世代晶片重新具備商業價值。

PC市場仍疲弱 伺服器成英特爾、AMD主要成長動能

另一方面，英特爾在消費型PC市場近期也出現小幅回穩跡象。

AMD過去幾年透過Ryzen桌上型與筆電處理器持續搶下Intel市占，但近期英特爾透過價格促銷，以及延長Raptor Lake等DDR4平台產品生命週期，吸引部分消費者回流。

由於DDR5記憶體價格偏高，英特爾也積極推廣仍支援DDR4的舊平台，希望降低整機成本。

不過，目前整體PC市場仍面臨零組件價格上升與供應不足等壓力，未來幾年的成長前景仍相對疲弱。

來源：wccftech

這篇文章 CPU市場2030年上看2100億美元 AMD、Arm持續侵蝕英特爾版圖 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

靠著AI GPU需求爆發成為全球市值最高企業的輝達（NVIDIA），正將戰線延伸至CPU市場。輝達近日公布新一代資料中心CPU「Vera」的完整規格與架構細節，並透露首批晶片已於今年6月交付OpenAI、Anthropic、SpaceX等客戶，正式向長期由AMD與英特爾主導的伺服器CPU市場發起挑戰。記者黃仁杰／編譯

靠著AI GPU需求爆發成為全球市值最高企業的輝達（NVIDIA），正將戰線延伸至CPU市場。輝達近日公布新一代資料中心CPU「Vera」的完整規格與架構細節，並透露首批晶片已於今年6月交付OpenAI、Anthropic、SpaceX等客戶，正式向長期由AMD與英特爾主導的伺服器CPU市場發起挑戰。

[caption id="attachment_241086" align="aligncenter" width="1536"] 輝達近日公布新一代資料中心CPU「Vera」的完整規格與架構細節，並透露首批晶片已於今年6月交付OpenAI、Anthropic、SpaceX等客戶。 （圖／AI生成）[/caption]

Vera已開始交付 瞄準AI資料中心

輝達表示，Vera是公司首款完全自行設計核心架構（CPU Core）的資料中心CPU，而非採用Arm現成核心設計，可針對AI工作負載進一步最佳化。

除了公布規格外，輝達也首度公開效能測試、架構設計及相關基準數據，方便雲端服務商與企業客戶評估是否導入。

目前首批客戶包括OpenAI、Anthropic及SpaceX，而甲骨文（Oracle）也是目前公開合作夥伴之一。輝達表示，OpenAI預計自本季開始大量部署Vera CPU。

AI代理興起 CPU重新受到重視

過去AI伺服器主要由GPU負責模型訓練與推論，因此CPU的重要性相對降低。然而隨著Agentic AI（代理型AI）快速發展，CPU再次成為AI基礎建設的重要角色。

輝達指出，AI代理需要CPU負責資料管理、任務調度及即時回應，因此CPU效能將直接影響GPU利用率。

輝達超大規模運算（Hyperscale）副總裁Ian Buck表示，代理型AI讓CPU重新成為整個AI系統不可或缺的一環，尤其單核心回應速度的重要性遠高於過去。

「AI履歷健檢」看見自己優勢：https://campaign.1111.com.tw/resume-review/

更多科技工作請上科技專區：https://techplus.1111.com.tw/

強調單核心效能 AI代理處理快50%

不同於AMD與英特爾近年持續增加核心數，Vera將設計重點放在單核心運算能力。

輝達表示，Vera搭載全新Olympus CPU核心，並針對AI代理最佳化，相較於目前主流x86架構CPU，可提升約50%的AI代理工作效能。

Vera產品行銷經理Hannah Coutand表示，新CPU主要強化三項能力，包括單核心速度、高記憶體頻寬及低延遲，希望讓AI代理能更快完成CPU工作，再把資料交回GPU運算，提高整座AI資料中心的GPU使用效率。

支援1.5TB記憶體 可單獨販售或搭配GPU

Vera除可單獨販售外，也將與輝達GPU共同組成完整AI運算平台。

產品配置包括單一伺服器搭載兩顆Vera CPU；液冷機櫃版本，可整合256顆Vera CPU；與Rubin GPU組成Vera Rubin AI系統等。

在規格方面，Vera功耗介於250至450瓦之間，並支援最高1.5TB LPDDR低功耗記憶體，容量遠高於一般伺服器CPU。

輝達打造完整AI平台 搶攻CPU市場

市場分析認為，Vera代表輝達持續推動垂直整合（Vertical Integration）策略，希望不只是販售GPU，而是提供完整AI伺服器與整櫃（Rack）運算平台。輝達預估，全球伺服器CPU市場未來規模可望達2,000億美元。

相較之下，Bernstein估計，2025年全球成熟伺服器CPU市場約370億美元，仍有相當大成長空間。

Wolfe Research則預估，Vera平均售價約5,000美元，今年出貨量可望達130萬顆，不過輝達並未證實相關數字。

雖然輝達積極布局CPU市場，但分析師認為，要撼動AMD與英特爾仍需時間。

Gartner分析師Kevin Knox指出，目前AMD在AI伺服器CPU市場仍是最具競爭力的業者，除了約占三分之一市占率外，也已與各大雲端服務供應商建立深厚合作關係。

另一方面，英特爾目前仍掌握約66.8%的伺服器CPU市場，但AMD近年持續擴大市占。

Cambrian AI Research創辦人Karl Freund則認為，Vera並非傳統伺服器CPU，而是專為AI運算打造的新產品，目前市場上幾乎沒有直接競爭對手。

不過，他也指出，即使輝達在GPU市場具壓倒性優勢，能否成功說服大型雲端服務商全面採用Vera，仍將是未來最大的挑戰。

來源：CNBC

這篇文章 輝達Vera CPU完整規格鎖定AI代理運算 正面挑戰AMD、英特爾 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

台積電今（16）日召開法人說明會，董事長暨總裁魏哲家表示，人工智慧相關需求依然非常強勁，市場對運算能力的需求持續增加，進一步支撐先進製程晶片需求。台積電因此將2026年全年美元營收成長預期，上修至略高於40%。記者黃仁杰／綜合報導

台積電今（16）日召開法人說明會，董事長暨總裁魏哲家表示，人工智慧相關需求依然非常強勁，市場對運算能力的需求持續增加，進一步支撐先進製程晶片需求。台積電因此將2026年全年美元營收成長預期，上修至略高於40%。

[caption id="attachment_211859" align="aligncenter" width="1600"] 台積電今（16）日召開法人說明會，董事長暨總裁魏哲家表示，台積電將2026年全年美元營收成長預期，上修至略高於40%。（圖／台積電提供）[/caption]

魏哲家指出，台積電不僅從客戶端看到強勁需求，包括大型雲端服務供應商在內的「客戶的客戶」，也持續提出正面的市場展望，使公司對未來數年的AI成長趨勢維持信心。

除了AI加速器外，魏哲家認為，代理式AI（Agentic AI）的發展也使CPU在AI資料中心中的重要性再次提高，預期相關需求將同步增加。

他表示，不論市場採用x86、Arm或RISC-V架構，主要CPU業者多為台積電客戶。台積電目前正依照客戶多年期產品規劃，提供先進製程技術與所需產能，以因應AI及高效能運算需求。

為滿足美國客戶未來多年的需求，魏哲家表示，台積電將在亞利桑那州追加1,000億美元投資，用於興建採用2奈米及以下製程的晶圓廠，以及先進封裝設施。

「AI履歷健檢」看見自己優勢：https://campaign.1111.com.tw/resume-review/

更多科技工作請上科技專區：https://techplus.1111.com.tw/

針對這筆投資可支應多少座新廠，魏哲家表示，可能再興建4座或更多晶圓廠。不過，目前尚未訂出明確時程，實際進度仍將依客戶需求而定，台積電會在需求明確後盡可能加快建設。

在擴大海外布局的同時，魏哲家也重申，台積電未來幾年仍將繼續增加在台投資。目前公司正在台灣興建13座先進製程晶圓廠及先進封裝廠，以支援先進製程與AI相關需求。

在3奈米布局方面，台積電將於台灣、美國亞利桑那州及日本分別增加一座3奈米晶圓廠，並持續把台灣部分5奈米設備轉換為3奈米產能。

至於成熟製程，魏哲家表示，台積電的策略沒有改變，仍會優先支持客戶，但新增產能將聚焦於附加價值較高的應用。例如日本JASM第一座晶圓廠支援CMOS影像感測器，德國ESMC則以汽車及工業應用為主要方向。

魏哲家指出，從目前市場情況觀察，除電源管理晶片及CMOS影像感測器等特定產品外，其他成熟製程應用的需求並沒有特別強勁。

面對法人關注晶圓代工價格，魏哲家表示，台積電是一家值得客戶信賴的公司。產品價格會反映公司所提供的技術及製造價值，但不會因市場供應吃緊，便突然將價格提高4倍或5倍，使客戶難以繼續在市場上經營。

他強調，台積電與客戶是長期合作夥伴，公司的成功建立在客戶能夠成功的基礎上。因此，台積電追求的是合理回報，以及足以支應長期投資和擴產的獲利能力，而非為了短期利益過度擠壓客戶。

談到記憶體業者近期的高毛利率，魏哲家也笑稱，自己相當羨慕記憶體公司的86%毛利率，但台積電不需要達到86%，「有68%，我就很高興了」。

對於三星與英特爾等競爭對手，魏哲家表示，政府支持與資金固然重要，但先進晶圓代工產業沒有捷徑，真正的競爭力仍來自技術、製造能力及客戶信任。

魏哲家形容，客戶選擇技術合作夥伴，「不是去7-Eleven買瓶牛奶」，無法今天不滿意，隔天便立即更換供應商。從技術開發、導入到量產，都需要供應商與客戶長期合作，這也是台積電持續取得業務的重要基礎。

這篇文章 台積電擴大美台產能但不追求短期漲價 魏哲家：AI需求仍非常強勁 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

高通（Qualcomm）正式發表首款資料中心中央處理器（CPU）Dragonfly C1000，宣告進軍AI伺服器市場。新產品採用自家Oryon架構打造，主打代理型AI（Agentic AI）與通用運算工作負載，預計2028年正式上市，並喊出單核心效能領先、超過250核心與5GHz以上時脈等目標。記者黃仁杰／編譯

高通（Qualcomm）正式發表首款資料中心中央處理器（CPU）Dragonfly C1000，宣告進軍AI伺服器市場。新產品採用自家Oryon架構打造，主打代理型AI（Agentic AI）與通用運算工作負載，預計2028年正式上市，並喊出單核心效能領先、超過250核心與5GHz以上時脈等目標。

[caption id="attachment_226972" align="aligncenter" width="1536"] 高通（Qualcomm）正式發表首款資料中心中央處理器（CPU）Dragonfly C1000，宣告進軍AI伺服器市場。（圖／AI生成）[/caption]

Dragonfly C1000是高通首款專為資料中心設計的CPU，也是公司布局AI基礎設施的重要一步。高通表示，新晶片將兼顧高效能、低功耗與總持有成本（TCO），協助企業部署大規模AI代理系統及生成式AI應用。

高通指出，Dragonfly C1000採用全新客製化Oryon CPU核心，最高時脈可突破5GHz，並針對Agentic AI工作負載進行最佳化，目標在單執行緒（Single-thread）效能上取得領先地位。

在架構方面，Dragonfly C1000採用多Chiplet設計，以支援先進封裝技術與更高的I/O擴充能力。單顆CPU預計搭載超過250個運算核心，同時兼顧高吞吐量與每核心運算效率。

「AI履歷健檢」看見自己優勢：https://campaign.1111.com.tw/resume-review/

更多科技工作請上科技專區：https://techplus.1111.com.tw/

連接能力方面，新平台支援超過2TB/s PCIe Gen7頻寬，並整合CXL互連技術，可搭配下一代AI加速器使用，包括高通自家的AI Accelerator產品。

高通表示，Dragonfly系列將涵蓋三大產品方向，包括針對大量AI代理協作的Agentic CPU、兼顧成本效益的通用型CPU，以及負責管理生成式AI加速器的AI Head Node CPU，可協助提升整體XPU資源利用率。

此外，Dragonfly C1000也支援選配高頻寬快取（HBC）技術，以提升記憶體容量與頻寬，同時導入ECC記憶體校正、故障隔離（Fault Isolation）、錯誤復原等RAS（Reliability、Availability、Serviceability）功能，提升資料中心可靠性。

硬體平台則支援氣冷與液冷散熱方案，並符合Open Compute Project（OCP）ORv2標準機櫃規格。

隨著Dragonfly C1000問世，高通正式加入資料中心CPU競爭。

目前市場除了傳統x86陣營外，也已有越來越多Arm架構產品投入競爭。英特爾（Intel）正規劃Diamond Rapids與Coral Rapids Xeon系列處理器；超微（AMD）則布局Zen 6 Venice及針對AI推論打造的Verano平台；輝達（NVIDIA）則以Vera CPU布局2026年市場，Arm也同步推進多世代AI CPU藍圖。

分析人士指出，高通目前公布的規格雖相當亮眼，但距離2028年正式上市仍有數年時間，屆時競爭環境將更加激烈。例如AMD目前已開始量產256核心Venice處理器，因此Dragonfly C1000超過250核心的優勢，未來是否仍具競爭力仍有待觀察。

不過，高通已率先取得重要客戶支持。

公司宣布已與Meta簽署多世代合作協議，未來Dragonfly系列資料中心CPU將導入Meta AI基礎設施。

Meta執行長祖克柏（Mark Zuckerberg）表示，期待持續與高通合作開發下一代資料中心CPU，配合公司其他AI運算投資，加速打造支援個人超級智慧（Personal Superintelligence）的基礎設施。

高通表示，隨著Dragonfly C1000於2028年上市，公司將正式進軍規模超過2000億美元的全球資料中心CPU市場，並希望透過多世代產品布局，爭取大型雲端服務供應商（Hyperscaler）採用。

來源：wccftech

這篇文章 高通首款資料中心CPU2028年上市 Dragonfly C1000瞄準代理型AI 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

全球個人電腦（PC）遊戲產業，將迎來歷史性的重磅變革。根據海外最新科技傳聞指出，英特爾（Intel）中央處理器（CPU）與輝達（Nvidia）繪圖處理器（GPU）的指標性結合產品，預計最快將於 2028 年初正式揭曉，此舉意味著兩家科技巨擘日前達成的全新合作夥伴關係即將迎來實質成果。記者孟圓琦／編譯

全球個人電腦（PC）遊戲產業，將迎來歷史性的重磅變革。根據海外最新科技傳聞指出，英特爾（Intel）中央處理器（CPU）與輝達（Nvidia）繪圖處理器（GPU）的指標性結合產品，預計最快將於 2028 年初正式揭曉，此舉意味著兩家科技巨擘日前達成的全新合作夥伴關係即將迎來實質成果。

[caption id="attachment_226352" align="alignnone" width="1376"] PC遊戲史上最重大的變革之一最早可能在2028年初發生！英特爾CPU搭配英偉達GPU的產品有望亮相。（圖／AI生成）[/caption]

這項震驚業界的英特爾與輝達戰略合作，於大約八個月前正式對外宣告，當時輝達向英特爾挹注了數十億美元的資金。雙方宣布將共同生產整合晶片，把英特爾傳統的 x86 架構 CPU 與輝達的 GeForce 顯示技術完美結合。這不僅是英特爾首度生產導入輝達 GPU 技術的晶片，更被視為直接對超微（AMD）長期在強大整合繪圖晶片（內顯）市場的主導地位發起正面挑戰。

市場分析指出，這項合作所帶來的實質衝擊將在筆記型電腦與掌上型遊戲機（掌機）市場中最為劇烈，同時也可能對超微長期壟斷家用遊戲主機晶片供應的局面，造成深遠影響。

在傳統筆電市場中，產品通常僅能配備效能較為基礎的整合晶片，或是必須額外搭載獨立顯卡晶片以提供核心遊戲效能。然而，隨著雙方全新合作晶片的誕生，未來市場將出現僅需單一晶片便能展現強悍遊戲效能的電競筆電。這項技術突破不僅能顯著減輕機身重量，還能免除 Windows 系統在內外顯之間切換的程序，同時具備易於散熱與更高能效比的潛在優勢。

另一方面，在掌機與遊戲主機領域，目前絕大多數產品皆採用超微所提供的強大整合繪圖晶片，僅有任天堂的 Switch 採用基於 Arm 架構並配備輝達顯示技術的晶片作為例外，而市場上雖有少數英特爾驅動的掌機，但市占仍屬小眾。未來一旦高度整合的「英特爾 CPU 搭配輝達 GPU」問世，將在整體效能上形成極具競爭力的選項，更可望解鎖輝達獨家的 DLSS（深度學習超級採樣）技術，該技術在業界普遍被公認優於超微的 FSR 技術。

「AI履歷健檢」看見自己優勢：https://campaign.1111.com.tw/resume-review/
更多科技工作請上科技專區：https://techplus.1111.com.tw/

根據土耳其知名科技部落客兼 YouTuber 艾爾迪．奧茲亞格（Erdi Özüağ）於社群平台 X 的最新爆料指出：「依據英特爾目前的產品路線圖，搭載輝達繪圖單元的次世代晶片目標發表時程定於 2028 年第一季。」 奧茲亞格隨後進一步補充，每年一月初固定於美國舉辦的全球最大消費電子展「CES 2028」，極有可能成為該款晶片的全球首發舞台。

業界專家評估，儘管此消息目前仍屬市場推測，但該時間軸具備相當高的合理性。此時程保留了足夠的研發期，以利將英特爾與輝達的最新技術進行深度融合，且選在 CES 展會上發表，亦完全符合過往 PC 晶片重大技術大秀的行銷慣例。

延伸閱讀：
FCC大洩密！三星Z Fold 8驚現衛星通訊與超狂規格遭流出
多工對決蘋果！Android 17、Wear OS 7正式登場 Gemini AI生態圈全面爆發

資料來源：pcgamesn

這篇文章 地表最強內顯要來了？！英特爾聯手輝達打造最強晶片傳2028強勢登場 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。