AI熱潮不只推高GPU價格，連CPU也全面上漲。隨著代理型AI（Agentic AI）帶動算力需求轉向，AMD與英特爾消費級與伺服器處理器價格，近期已出現明顯漲勢，市場更預期未來兩年仍將持續上行。記者黃仁杰／編譯

AI熱潮不只推高GPU價格，連CPU也全面上漲。隨著代理型AI（Agentic AI）帶動算力需求轉向，AMD與英特爾消費級與伺服器處理器價格，近期已出現明顯漲勢，市場更預期未來兩年仍將持續上行。

[caption id="attachment_214110" align="aligncenter" width="1920"] AMD與英特爾消費級與伺服器處理器價格，近期已出現明顯漲勢。（圖／英特爾提供）[/caption]

根據供應鏈與ODM業者資訊，今（2026）年3月以來，消費級CPU價格已上漲約5%至10%，伺服器CPU漲幅更達10%至20%。這僅是第一波調整，隨著產能持續吃緊與需求擴大，2026年至2027年間恐出現多輪漲價。

市場分析指出，這波價格上揚主要來自兩大因素。首先是代理型AI興起，使CPU在資料中心的重要性重新提升。過去AI運算多由GPU主導，但隨著應用進入即時推論與多任務協作階段，向量搜尋與資料庫處理需求大幅增加，而這些運算主要仰賴CPU完成，帶動整體需求同步升溫。

另一關鍵因素則來自製程。新一代CPU多採用先進製程生產，而在台積電等晶圓代工產能有限的情況下，供不應求進一步推升成本，最終反映在終端價格。

供應鏈消息指出，第二波漲價預計將於2026年下半年出現，幅度約8%至10%。其中，AMD被點名今年將進行兩次調價，分別落在第二季與第三季，全年累計漲幅可能達16%至17%。隨著其產品逐步導入2奈米製程，並持續擴展3奈米產品線，成本壓力也同步上升。

在此背景下，市場也認為這對英特爾而言是一線轉機。隨著客戶為分散風險，開始將訂單分散至多家晶圓廠，英特爾若能在先進製程與代工業務上取得突破，有望承接部分轉單效應。在產能短期難以快速擴張的情況下，CPU價格上行趨勢恐難在短期內出現反轉。

來源：wccftech

這篇文章 AI搶算力連帶CPU也喊漲！AMD、英特爾價格一個月飆10% 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

本集節目深入解析了 NVIDIA GTC 2026 的核心發展，強調人工智慧已由模型訓練轉向以「推論運算」為主的獲利階段。執行長黃仁勳提出了人工智慧五層架構，並揭露次世代 Rubin 架構 GPU 與首度整合的 Groq 語言處理器 (LPU)，旨在突破通用處理器的效能瓶頸。透過 GPU 與 LPU 的協作，雲端供應商能大幅降低運算成本並提升推論速度，因應生成式 AI 帶來的萬倍算力需求。本集節目深入解析了 NVIDIA GTC 2026 的核心發展，強調人工智慧已由模型訓練轉向以「推論運算」為主的獲利階段。執行長黃仁勳提出了人工智慧五層架構，並揭露次世代 Rubin 架構 GPU 與首度整合的 Groq 語言處理器 (LPU)，旨在突破通用處理器的效能瓶頸。透過 GPU 與 LPU 的協作，雲端供應商能大幅降低運算成本並提升推論速度，因應生成式 AI 帶來的萬倍算力需求。

此外，輝達發表了 NVIDIA Nemo Cloud 與人工智慧代理平台，展現其從硬體元件跨足至作業系統與軟體生態系的全面佈局。最終，這些技術突破將應用於機器人、自動駕駛及主權雲端等領域，建構出完整的全球 AI 工廠藍圖。

本集亮點：

1. AI 進入推論模式轉折點：

   AI 進入「推論」階段，旨在提升效能助廠商獲利，預計 2025 年算力需求將成長一萬倍

2. 首度導入 LPU 晶片：

   整合語言處理器以補足 GPU 推論效能不足，顯著提升運算效率並協助企業大幅降低營運成本

3. Rubin 架構與產品藍圖：

   公布全新 Rubin GPU 與 Vera CPU，預計 2027 年推出刀鋒伺服器，並規劃 2028 年 F 系列產品

4. AI 五層架構與 AI 工廠：

   提出從能源到應用的五層架構，透過軟硬體協作協助客戶建置 AI 工廠，加速海量資料處理

5. AI 代理人與開源生態系：

   發布 Nemo Cloud 推動代理人革命，並領導開源模型與機器人方案，建立全新的 AI 運算平台

這篇文章 曲博彩虹頻道｜光進銅退還是光銅並進？獨家解析輝達 GTC 2026！震撼全整理！AI算力暴增一萬倍，揭露「五層架構＋超級推論革命」！ 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

人工智慧新創公司Thinking Machines Lab週二（10）宣布，已與晶片大廠輝達（Nvidia）達成多年合作協議，輝達除了將對其進行投資外，也將提供至少1GW規模的下一代AI晶片算力。雙方未公布交易金額。記者黃仁杰／編譯

人工智慧新創公司Thinking Machines Lab週二（10）宣布，已與晶片大廠輝達（Nvidia）達成多年合作協議，輝達除了將對其進行投資外，也將提供至少1GW規模的下一代AI晶片算力。雙方未公布交易金額。

[caption id="attachment_209015" align="alignnone" width="1536"] 人工智慧新創公司 Thinking Machines Lab 週二宣布，已與晶片大廠 Nvidia 達成多年合作協議。（圖／AI生成）[/caption]

根據協議，Thinking Machines將自明（2027）年初起部署輝達即將推出的Vera Rubin AI系統，主要用於訓練公司開發的人工智慧模型。

業界人士指出，1GW算力相當於可供約75萬戶美國家庭用電的電力需求，若建置同等規模的AI運算基礎設施，成本可能高達500億美元。這項合作將有助Thinking Machines在打造大型AI系統方面，與更大型競爭對手抗衡，也反映整個產業持續擴張算力規模的趨勢。

Thinking Machines由前OpenAI技術長Mira Murati於去年創立，公司很快成為矽谷最受矚目的AI新創之一。今年稍早，公司在由Andreessen Horowitz領投的種子輪融資中籌得約20億美元，估值達120億美元，而輝達也參與了該輪投資。

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

知情人士此前向路透表示，Thinking Machines近期正籌備新一輪融資，估值可能上看數百億美元。

不過公司近期也出現人事變動，包括共同創辦人暨前技術長Barret Zoph與共同創辦人Luke Metz已離職，並回到原任職公司OpenAI，顯示AI人才競爭日益激烈。

此次合作也凸顯輝達在AI產業中的雙重角色，除了提供AI晶片與算力，同時也積極投資依賴其晶片的AI公司。輝達近期投資300億美元於OpenAI、並向 Anthropic 投資100億美元，同時供應這些公司訓練與運行模型所需的GPU。

部分產業分析師指出，這種「投資—算力—再投資」的資金與運算資源循環，正在AI產業形成新的生態模式，也讓市場開始將其與1990年代末期的科技泡沫相提並論。

來源：路透社

這篇文章 AI新創Thinking Machines攜手輝達 取得1GW晶片算力投資 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

在全球人工智慧（AI）迅速且密集的發展下，從產業升級到日常生活，AI將不只是推動經濟成長的動力，更因應少子化、勞動力不足的挑戰提供助力。 台灣以「AI新十大建設」布局數位基礎、關鍵技術與智慧應用，除了建置主權AI和國家算力中心，也要發展矽光子、量子運算和機器人等關鍵技術，最終目標是要建立AI創新創業生態鏈、幫助中小微企業升級轉型，以及打造智慧生活圈，在食衣住行育樂各面向都導入AI，目標在2040年讓臺灣成為全球AI創新樞紐。記者黃仁杰／台北報導

在全球人工智慧（AI）迅速且密集的發展下，從產業升級到日常生活，AI將不只是推動經濟成長的動力，更因應少子化、勞動力不足的挑戰提供助力。 臺灣以「AI新十大建設」布局數位基礎、關鍵技術與智慧應用，除了建置主權AI和國家算力中心，也要發展矽光子、量子運算和機器人等關鍵技術，最終目標是要建立AI創新創業生態鏈、幫助中小微企業升級轉型，以及打造智慧生活圈，在食衣住行育樂各面向都導入AI，目標在2040年讓臺灣成為全球AI創新樞紐。

[caption id="attachment_207147" align="aligncenter" width="960"] 臺灣以「AI新十大建設」布局數位基礎、關鍵技術與智慧應用，圖為去年啟用的國網中心。（圖／國研院提供）[/caption]

三項智慧應用 從產業到生活全面落地

在「3項智慧應用」上，國發會定調要把AI從特定產業的工具，推到「食衣住行育樂」都用得上，主軸包含「AI軟體產業登峰」、「百工百業智慧應用」、「全民智慧生活圈」。政府一方面以沙崙等示範區帶動交通、醫療與公共服務等應用驗證，另一方面也透過產業活動與供需媒合，鼓勵資訊服服業者把生成式AI做成可複製、可規模化的解決方案，降低中小企業導入門檻，並把「AI走進生活」轉化為民眾有感的服務體驗。未來願景則是把臺灣強勢的硬體供應鏈優勢，延伸到「AI軟體產品化與輸出」，讓服務與平台有機會跟著半導體一起出海，形成新一波外銷動能。

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

數位磐石同步推進 主權算力啟動、資料治理鋪路

「4項數位基磐」被視為能否跑出規模的關鍵，包括「主權AI及算力建設」、「智慧政府與資料治理」、「千萬AI應用人才與千億創投資金」、「區域AI均衡發展」。 其中最具指標的進度，是國研院國網中心在2025年12月啟用「國網雲端算力中心」，定位為大型AI/HPC算力基地與國際電信節點，並啟動「臺灣算力聯盟」，該中心現階段具備約15MW電力，後續將與預計2029年啟用、規模上看120MW的臺南沙崙智慧創新算力中心形成「雙算力核心」，並朝2029年整體擴充到23MW的階段目標邁進。在資金與人才面，總統賴清德拋出「千億創投資金」方向，並提出2040年培育50萬名多元AI人才的政策想像，強化產業端與人才端的連動。至於區域均衡，國科會以「大南方新矽谷」串聯沙崙與南部園區，從擴算力、鏈場域、引人才、展應用四路並進，盼把AI從北部外溢到全臺產業帶。

瞄準下一代運算製造 關鍵技術三箭齊發

在「3項關鍵技術」上，點名「矽光子」、「量子科技」、「AI機器人」作為長期國力賽道。 矽光子方面，2025年已出現平台化推進的訊號，例如國研院半導體研究中心（TSRI）宣布成立矽光子CPO平台與特殊興趣小組，盼整合產學研與EDA、量測等供應鏈資源，加速共封裝光學（CPO）研發落地。量子方面，臺灣量子國家隊第一期已投入約60億元，並規劃啟動第二期擴編，強調納入運算能量與應用生態系，加速走向場域。至於AI機器人，中央希望借助臺灣ICT與硬體供應鏈，把機器人從代工優勢推進到「系統整合與解決方案」。 值得注意的是，經濟部2月10日才宣布工研院「先進半導體研發基地」動土，首條12吋試產線預計2028年啟用，並將超前部署AI晶片、矽光子與量子運算等前瞻技術，等於替三大關鍵技術補上一個可試作、可驗證的共同舞台。

AI新十大建設將迎接的考驗是能否把算力、資料與場域串連，讓軟體業做出可規模化產品，且讓中小企業導入，並讓矽光子與量子等長線技術走得出實績曲線；賴清德政府已把2026年定調為關鍵年，後續至2028能不能端出可被國際看見的成果，將決定臺灣能不能從「硬體強國」往前邁進，成為名符其實的AI時代領航者。

這篇文章 AI新十大建設上路 臺灣拚當「全球AI影響力中心」 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

全球AI算力競賽在2025年全面升級，科技巨頭今年投入的基礎設施資本支出總額預估高達3,800億美元，帶動AI處理器市場呈現前所未見的硬體軍備戰。除了GPU持續主導市場，業界也明顯轉向客製化ASIC與邊緣推論晶片，顯示AI硬體生態系正快速走向多元化與成熟化。記者黃仁杰／編譯

全球AI算力競賽在2025年全面升級，科技巨頭今(2025)年投入的基礎設施資本支出總額預估高達3,800億美元，帶動AI處理器市場呈現前所未見的硬體軍備戰。除了GPU持續主導市場，業界也明顯轉向客製化ASIC與邊緣推論晶片，顯示AI硬體生態系正快速走向多元化與成熟化。

根據市調機構 Astute Analytica 最新報告指出，全球AI處理器市場在2024年規模達437億美元，預估至2033年將躍升至3,238億美元，2025至2033年的年複合成長率高達24.9%。推動市場高速成長的核心動力，集中在更高的晶體數、更快的浮點運算與更先進的封裝與記憶體技術。

[caption id="attachment_171358" align="aligncenter" width="1200"] 科技巨頭今(2025)年投入的基礎設施資本支出總額預估高達3,800億美元，帶動AI處理器市場呈現前所未見的硬體軍備戰。（圖／123RF）[/caption]

Nvidia、AMD高階AI晶片競逐 電晶體密度邁入「千億等級」

NVIDIA 旗下最新 Blackwell B200 GPU 採用2080億顆電晶體，v100增加逾一倍，AI算力更從4 PFLOPS 大幅提升至20 PFLOPS。AMD 也以 MI300X 加速器應戰，搭載1530億顆電晶體，強化大型模型的訓練需求。創新不僅侷限在GPU架構，AWS Trainium2 單顆可提供1.3 PFLOPS，結合 UltraServer 叢集後可達83.2 PFLOPS FP8算力。Google 最新 Trillium TPU 相較前代v5e提升4.7倍運算效能，單一 Pod 可以256顆晶片組成叢集，提供 234.9 PFLOPS BF16 算力。

HBM3e 成 AI 最大瓶頸 供不應求延至 2026

在技術領域中，高頻寬記憶體（HBM3e）已成為AI處理器性能擴張的核心瓶頸之一。NVIDIA B200 具備192GB HBM3e、頻寬達8 TB/s；H200 則配備141GB HBM3e、頻寬4.8 TB/s。AWS Trainium2 採用96GB HBM3、Google Trillium 配備32GB HBM，皆為支撐更大型模型所必須。供應鏈面向中，三星推出 HBM3e 12H，單顆可達36GB、頻寬1280 GB/s；SK 海力士預估2025年底HBM產能將達每月17萬片，但已宣布2025全年產能售罄、2026亦呈高度吃緊，顯示HBM供需極度緊縮。

台積電CoWoS產能翻倍仍不足 AI 晶片封裝成全球瓶頸

先進封裝能力不足也成為限制AI處理器供應的關鍵因素。TSMC 2025年底的CoWoS月產能預估可達7萬至8萬片，較2024年底的3.5萬至4萬片翻倍，但仍不足以滿足全市場需求。三星在2024年中段的HBM3e 12H TSV良率僅約40%至60%，凸顯製程挑戰依然巨大。全球限制導致NVIDIA資料中心GPU交期在2024年雖改善，仍需等待30至40週；而Intel 已將Gaudi 3 2025年的出貨預估調整為20萬至25萬顆。TrendForce 預估HBM在2025年將占全球DRAM產值超過三成，成為記憶體產業新的價值主軸。

科技巨頭豪砸 3,150 億美元 企業AI 基建戰升級

在企業投資方面，美國四大雲端巨頭正以破紀錄的速度擴張AI算力。AWS 在2025年的資本支出預計達1,000億美元，Microsoft 預估800億美元、Google 約750億美元，Meta 也將投入600億美元。四大集團合計投資規模高達3,150億美元，並直接推升AI處理器採購規模，例如 Meta 確認採購35萬顆 NVIDIA H100，AMD 亦將2024年資料中心AI GPU收入預期上調至至少45億美元，相較之下，Intel Gaudi 3 在2024年營收預估不到5億美元。

高效能網路互連成關鍵 AI 叢集需如「超級電腦」運作

在互連技術方面，AI處理器正向統一超級電腦架構邁進。NVIDIA NVLink 5.0 雙向頻寬達1.8 TB/s，是 PCIe Gen5 的14倍；GB200 NVL72 機櫃的NVLink Spine 數據傳輸速率可達130 TB/s。Google Jupiter 網路架構可提供13 Pbps 頻寬；Trainium2 的 NeuronLink 設計可支援單次擴展至10萬顆晶片叢集。這些高效能互連技術讓大型模型可在數千顆處理器間同步運算，無需承受效能損耗。

差10倍！AI 伺服器機櫃能耗暴增成隱憂

能源需求也成為AI處理器部署的重大挑戰。現代AI伺服器機櫃功率需求已達40–100 kW，遠高於傳統機櫃的5–15 kW，相當於一整層百貨公司的照明或40至50台冷氣同時運轉，一座配備高階 GPU 的資料中心，其耗電量可等同一座小型城市。單顆 NVIDIA B200 GPU 的TDP高達1000瓦，帶動全球資料中心用水量在2025年預計達560億公升；Microsoft 透露其AI資料中心每kWh耗能所需用水量介於1.8至12公升不等。業界正以能效為優先，例如 Groq LPU 的推論能效僅 1–3 焦耳/Token，相較傳統GPU 推論的10–30 焦耳大幅降低。

AI處理器售價維持高檔 HBM 成本壓力持續攀升

在價格方面，AI處理器市場仍維持高價環境。NVIDIA H100 售價約25,000至40,000美元，H200 約30,000至40,000美元；Cerebras CS-3 系統售價更介於200至300萬美元。雲端租用價格方面，H100 每小時租金介於2.1至5美元。Groq 採按 Token 計費，Llama 3 70B 推論每百萬輸入Token 收費0.59美元、輸出Token 為0.79美元。HBM3e 記憶體相較DDR5價格高出約五倍，也強化整體成本壓力。

模型持續擴張 AI處理器架構加速演進

由於模型規模持續擴大，AI處理器架構也同步演進。Cerebras WSE-3 可支援高達24兆參數的模型；NVIDIA Blackwell 架構可支援10兆參數；Groq 可提供12.8萬Token的超長上下文窗口。推論速度方面，Llama 3 70B 在Groq LPU上的速度可達284 Token/s，推 speculative decoding 後可達1,660 Token/s，遠高於H100執行Llama 2/3 約100 Token/s 的典型表現。

從國家戰略到邊緣設備 AI晶片遍及所有科技層級

在需求端，各國政府正掀起新一波AI基礎建設競賽。法國宣布投入1,090億歐元（約1,270億美元）推動AI；沙烏地阿拉伯公共投資基金將投資400億美元；日本在2024年核定37億美元基金，增強AI與半導體供應鏈能力。在企業領域，AWS 啟動 Project Rainier，打造由數十萬顆 Trainium2 組成的大型叢集，投入規模不亞於政府計畫。

同時，邊緣運算全面擴張。Microsoft Copilot+ PC 需至少16GB RAM，Intel Lunar Lake NPU 指標超過40 TOPS，QUALCOMM Snapdragon X Elite NPU 達45 TOPS。Canalys 預測2024年具AI功能的PC出貨量將達4,800萬台。AI算力如今正滲透從資料中心到行動裝置的每一層技術堆疊，形成全面性的市場成長動能。

來源：Astute Analytica

這篇文章 AI處理器市場軍備競賽升溫 預估2033年將飆破3,238億美元 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

OpenAI與博通（Broadcom）週一宣布，將共同打造並部署10吉瓦（Gigawatts）客製化AI處理器。記者孫敬／編譯

OpenAI與博通（Broadcom）週一宣布，將共同打造並部署10吉瓦（Gigawatts）客製化AI處理器。受此消息激勵，博通股價聞訊大漲9.88%，並從明年底開始將開發並部署由OpenAI設計的晶片機架系統。近幾週， OpenAI為滿足AI基礎設施建置需求，已與輝達、 甲骨文（Oracle）和超微（AMD）等公司簽訂合作協議，確保所需資金和運算能力。

延伸閱讀：甲骨文對OpenAI的3000億美元合約有信心 ChatGPT週活用戶破8億

[caption id="attachment_195245" align="aligncenter" width="1920"] OpenAI跟博通合作後，未來有望擺脫對輝達處理器的依賴。（圖／OpenAI）[/caption]

OpenAI和博通掌握晶片實現運算成本效益最大化

OpenAI執行長奧特曼（Sam Altman）在與和博通高階主管一同發布的Podcast中提到：「這些系統已變得如此複雜，你需要掌握整個環節。」博通的系統將涵蓋網路、記憶體和運算能力，所有部分都為OpenAI的工作負載進行客製化，並建立在博通的乙太網路（Ethernet）堆棧上。

透過設計自己的晶片，OpenAI可以大幅降低運算成本，使基礎設施資金更具效益。業界估計，根據輝達當前訂價。建設一個1吉瓦的資料中心成本約500億美元，其中約350億美元通常用於晶片。

奧特曼談到與博通的交易時說，這提供了「巨大的運算基礎設施，足以滿足全世界對先進智慧的需求」。他預期：「我們可以獲得巨大的效率提升，這將帶來更好的性能、更快的模型、更便宜的模型，以及所有這些優勢。」博通執行長陳福陽在對話中也表示， OpenAI正在建立最先進的前沿模型，並強調：「隨著我們朝向更先進前沿模型和超級智慧的路線圖上邁進，你將需要最好的、最新的運算能力。如果你做自己的晶片，你就能控制你的命運。」

擺脫供應限制，OpenAI聯手博通打造「去輝達化」路徑

這次OpenAI與博通的合作，意在生產OpenAI第一款內部設計的AI處理器，使其加入Google和Amazon等雲端巨頭的行列，開發客製化晶片以減少對昂貴且供應受限的輝達處理器的依賴。博通將在2026年下半年開始開發和部署這些晶片。這10吉瓦的電力消耗，約相當於超過 800 萬個美國家庭的用電需求。博通和OpenAI透露，新客製化晶片的部署將在2029年底完成。

儘管如此，多數分析師並不認為這項交易會立即挑戰輝達在AI處理器市場的主導地位，因為從零開始設計、擴展和製造內部晶片是一項重大的挑戰。然而，OpenAI在過去三週內，透過與輝達、 甲骨文及AMD和博通的合作，獲得總計約33吉瓦的運算能力。 奧特曼指出， OpenAI目前的運算容量略高於2吉瓦，足以支撐ChatGPT的規模化和Sora等服務的開發，但需求正急劇飆升。他預期，即使今天就有30吉瓦的運算能力，人們對這些高品質、快速且廉價AI服務的需求，也會很快飽和。

資料來源：CNBC、Reuters

這篇文章 走出自己的路！OpenAI攜手博通開發10吉瓦客製化AI處理器 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

AI 要跑得動，不僅需要演算法和模型，更需要驚人的基礎建設支撐。輝達（Nvidia）執行長黃仁勳預估，2030 年前全球將投入 3 至 4 兆美元在 AI 基礎建設上，而這股資金潮主要來自 AI 企業本身。這場軍備競賽正在推高資料中心需求，壓力同時落在電網與能源供應之上。記者黃仁杰／編譯

AI 要跑得動，不僅需要演算法和模型，更需要驚人的基礎建設支撐。輝達（Nvidia）執行長黃仁勳預估，2030 年前全球將投入 3 至 4 兆美元在 AI 基礎建設上，而這股資金潮主要來自 AI 企業本身。這場軍備競賽正在推高資料中心需求，壓力同時落在電網與能源供應之上。

[caption id="attachment_190973" align="aligncenter" width="1200"] AI 要跑得動，不僅需要演算法和模型，更需要驚人的基礎建設支撐。(圖／科技島資料照)[/caption]

微軟與 OpenAI 的百億合作啟動潮流

2019 年，微軟投資 10 億美元給當時還是非營利組織的 OpenAI，並成為其獨家雲端供應商。隨著模型訓練需求暴增，這筆投資逐步演變成大規模 Azure 雲端資源支持。數年間，微軟加碼至近 140 億美元，奠定 OpenAI 崛起基礎。雖然今年起 OpenAI 開始分散雲端合作對象，但這筆合作被視為開啟 AI 基礎建設投資熱潮的關鍵案例。此後，Anthropic、Google Cloud 等也紛紛與大型雲端業者綁定，形成「基礎建設 + 投資」的典型模式。

Oracle 崛起為新算力巨頭

2025 年 6 月，Oracle 在財報揭露一筆 300 億美元雲端服務合約，對象正是 OpenAI；9 月又宣布一項長達五年、規模高達 3,000 億美元的算力合作。這筆數字甚至超過 Oracle 全年營收，直接讓創辦人賴瑞・艾利森一度躍升全球首富。雖然市場質疑 OpenAI 是否真的具備如此支付能力，但 Oracle 已藉此奠定「AI 基礎建設領頭羊」的地位。

輝達用 GPU 當籌碼 投資反客為主

AI 世界的算力幾乎都來自輝達 GPU，這讓公司現金流充裕。近來輝達不只賣晶片，更以「GPU 入股」方式進場投資。2025 年 9 月，輝達買下英特爾 4% 股份，隨後又以價值 1,000 億美元的 GPU 投資 OpenAI，並與馬斯克的 xAI 達成類似協議。這種「以稀缺換稀缺」的操作強化了 GPU 的金融屬性，雖然目前市場樂觀，但若資金熱潮降溫，恐將引來更多審視。

Meta 投入 6,000 億美元建設資料中心

Meta 則選擇自建。祖克柏表示，2028 年前將在美國投入 6,000 億美元於 AI 基礎建設。路易斯安那州的「Hyperion」基地占地 2,250 英畝，耗資 100 億美元，將與當地核能電廠合作，提供 5 GW 的運算能量。另一處位於俄亥俄的「Prometheus」則預計 2026 年上線，使用天然氣發電。但這些巨型設施也帶來環境爭議，馬斯克的 xAI 資料中心因天然氣渦輪排放問題，已被批評違反《清潔空氣法》。

川普主導的「Stargate」計畫

在 2025 年川普第二任就職後兩天，他宣布與軟銀、OpenAI、Oracle 合作啟動「Stargate」計畫，規模高達 5,000 億美元，被譽為「史上最大 AI 基礎建設專案」。然而隨著熱潮退去，內部共識不足，進展趨緩。不過，德州阿比林的八座資料中心仍持續施工，預計 2026 年完工。

這場 AI 基礎建設的軍備競賽，正在重新定義全球科技產業版圖。從雲端巨頭到晶片霸主，從新創到政府，各方都在押注算力與能源能否支撐未來的 AI 經濟。問題是，當資金、電力與環境壓力交織，這場豪賭能持續多久？

這篇文章 AI 基礎建設千億美元狂潮 誰在重塑算力版圖？ 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

全球AI科技趨勢不可擋，台灣如何在這波變革中站穩腳跟，中小微企業如何面對數位轉型的浪潮，甚至脫穎而出？工研院資訊與通訊研究所副所長黃維中剖析了AI對台灣產業帶來的挑戰與機會，並強調在算力布局、產業合作的重要性，也展現出工研院推動AI技術應用與產業升級的積極角色。記者彭夢竺／台北報導

全球AI科技趨勢不可擋，台灣如何在這波變革中站穩腳跟，中小微企業如何面對數位轉型的浪潮，甚至脫穎而出？工研院資訊與通訊研究所副所長黃維中剖析了AI對台灣產業帶來的挑戰與機會，並強調在算力布局、產業合作的重要性，也展現出工研院推動AI技術應用與產業升級的積極角色。

黃維中表示，台灣在AI領域擁有深厚的技術底蘊，尤其在資料與演算法應用上積累了數10年的經驗，但面對生成式AI的急速發展，算力與資料的挑戰日益嚴峻，唯有透過策略性投入與跨域合作，才能創造出符合成本效益且具備國際競爭力的AI應用。

[caption id="attachment_179695" align="aligncenter" width="2048"] 面對AI數位轉型，工研院扮演推動AI技術應用與產業升級的積極角色。（圖／工研院提供）[/caption]

工研院的AI之路：從機器學習到生成式AI

黃維中分享了工研院在AI領域的發展脈絡，他提到，工研院早在1980年代便投入AI研發，當時機器學習技術正蓬勃發展，工研院在文字與語音處理、電腦視覺及多種AI應用上累積了深厚基礎。

隨著時間推移，2010年AI發展迎來了資料量大增的趨勢，這也催生了「深度學習」技術的興起。工研院自2012年起便密切關注此波浪潮，並在2015年左右開始投入更進階的AI應用。黃維中解釋：「當資料量變大，機器學習的方法也變得更複雜，這就發展出了深度學習。我們從那時起就開始做許多實用的AI應用。」

然而，深度學習也帶來了對「算力」的龐大需求。黃維中坦言，雖然工研院較晚注意到算力的重要性，但輝達（NVIDIA）執行長黃仁勳早在2010年前便已預見此趨勢，透過捐贈GPU給學術界進行研究，為今日的輝達奠定了深厚的基礎。「我們可能沒有黃仁勳那麼厲害，但我們也在大約2010年左右看到了這個趨勢，所以這10年來，工研院在文字、語音、電腦視覺等AI應用上都投入了非常多。」

生成式AI的挑戰：快速迭代與龐大資源需求

談及近3、4年來掀起的生成式AI熱潮，這波變革將AI的資料、算力與演算法3大面向推向了新的層次。黃維中直言，生成式AI的進展速度之快，是前所未見的挑戰。「過去工研院的布局可能都是3到5年，我們可以提前掌握趨勢，但生成式AI的進展可能是1到2年，甚至半年，變化週期太快了，新的方法也不斷推陳出新。」

面對生成式AI，最大的挑戰依然來自於資料和算力。「只要我們有足夠的技術能力，都可以運用既有的演算法進行開發。」黃維中提到，真正的瓶頸在於資料的量級與算力的投入，這兩者都不是一般企業可以負擔得起的。

因此，台灣的關鍵是如何在國際AI技術進展的基礎上，運用有限的資源，開發出符合效益的應用。「做AI需要投資，尤其生成式AI更是如此。最現實的就是你要投資多少錢？獲得多少好處？必須符合成本效益。」

[caption id="attachment_179697" align="aligncenter" width="1200"] 面對生成式AI，最大的挑戰依然來自於資料和算力。示意圖。（圖／123RF）[/caption]

工研院策略：指標性與共通性應用

黃維中強調，工研院從資料、算力、演算法3大基礎出發，從指標性應用、共通性應用2面向去發展。

「指標性應用」指的是投入門檻高、但價值潛力巨大的領域。黃維中以新藥研發為例，說明這類應用即使不使用AI，能做的人也極少，但若結合AI，則有望帶來重大突破。「雖然風險高，一旦成功，其價值將極為可觀。」他補充，醫療相關、製造業中的關鍵性應用也屬於此類。

「共通性應用」則是針對多數產業的共同需求，開發能被廣泛使用的技術。以生成式AI的內容生成為例，從文字、影音到圖片生成，許多企業都有需求且市場已有參與者。黃維中表示，工研院的切入點在於，如果能做出比業界現有技術更優異且共通性更高的成果，仍具投入價值，像是工研院與公共電視合作開發手語主播的案例，利用生成式AI解決手語老師不足的問題，就是內容生成領域的獨特應用。

此外，生成式AI在製造業的應用也備受期待，例如自動生成工業或工程流程所需的程式碼。黃維中進一步說明，像半導體IC設計或工廠機台控制碼的生成，目前的國際主流模型並無法精準做到，因為這些資料是台灣製造業特有，且具機密性的。「工研院正積極投入這類具高進入門檻的生成式AI應用，以協助取代老師傅的經驗，節省大量人力，解決缺工問題。」

整合優勢：產業合作與資料共享是關鍵

面對台灣產業的獨特性，黃維中認為，整合各產業的優勢是台灣在AI應用領域取得更好發展的關鍵。「對於有能力投資的強勢產業來說，關鍵在於人才與足夠的Know-how，讓他們能將AI做得更好。」

然而，對於廣大的中小微型企業來說，即使有資料，資料量可能不足，也難以找到對應的人才與團隊進行開發。黃維中說，這時台灣應該發揮產業鏈多元的特性，「只要業者願意共同建立團隊、共享資料並合作研發，就有機會能跑在國際業者前面。」

他以瑕疵檢測為例，說明工研院就是集合了數家業者共同合作，完成了這項應用。「台灣中小企業在資金、人才、算力上，都比不過國際大公司，所以必須盡可能找到最多業者一起合作，把某個有價值的、符合成本效益的AI做出來。」不過，黃維中也坦言，要讓企業分享資料並非易事，畢竟Know-how和資料被視為公司的重要資產。但他認為，在某些情境下，資料共享仍有機會。

製造業雖然存在競爭，但上下游業者之間的合作關係能降低資料共享的疑慮。例如，設備業者與工廠之間便可組成團隊。此外，即使是同業，若彼此間具備互補性且無競爭關係，也可進行合作。他再次提到瑕疵影像分析，「工研院同時涉足PCB板及半導體晶圓的瑕疵檢測，未來也將擴展至紡織、塑膠、金屬加工等領域，只要透過技術解決跨領域資料的共通性問題（如聯合學習、遷移學習），便能實現資料整合。」

[caption id="attachment_179696" align="aligncenter" width="1200"] 整合各產業的優勢是台灣在AI應用領域取得更好發展的關鍵。示意圖。（圖／123RF）[/caption]

台灣AI發展決勝點在於「共好」策略

當全球AI競爭加劇，台灣要在這場競賽中站穩腳步，不能只靠單點突破，而是必須結合政策引導、產業鏈整合與研發實力，形塑具台灣特色的AI應用模式。黃維中認為，台灣的決勝關鍵在於如何運用有限資源，尋求資源整合與策略聯盟，開發出符合成本效益且具備國際競爭力的AI應用，這不僅需要政府在人才培育和策略性算力布局上持續支持，更仰賴台灣產業展現「共好」精神，透過產業鏈的合作與資料共享，將個別優勢匯聚成整體戰力。

特別是針對中小微企業，工研院扮演關鍵的橋樑角色，協助企業克服資源限制，加速數位轉型。未來，隨著生成式AI技術的成熟與多元應用拓展，台灣應更加積極投入AI算力基礎建設、推動資料共享機制，並強化跨領域人才培育，才能真正讓AI不只是口號，而是驅動產業升級與經濟轉型的核心力量。

這篇文章 工研院推動台灣AI技術應用與升級 算力布局、產業合作成決勝關鍵 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

OpenAI計畫將Google母公司Alphabet旗下的Google Cloud服務納入其算力供應商，以滿足不斷增長的AI運算需求。記者孫敬／編譯

據外媒引述三位知情人士消息指出，OpenAI計畫將Google母公司Alphabet旗下的Google Cloud服務納入其算力供應商，以滿足不斷增長的AI運算需求，消息人士補充，這項合作協議已在今年5月時拍板定案。

延伸閱讀：亞馬遜正式啟用台灣AWS基礎設施區域 布局雲端、AI發展基礎設施

[caption id="attachment_176694" align="aligncenter" width="2816"] OpenAI和死對頭Google達成合作，以Google Cloud擴大算力。（圖／AI生成）[/caption]

OpenAI引入Google雲端服務，強化算力需求打破競爭壁壘

從這次OpenAI和Google Cloud的案例，可看出OpenAI繼背後最大金主微軟（Microsoft）之外，積極拓展多元算力資源的重要一步，此前OpenAI也已跟甲骨文（Oracle）、軟銀（SoftBank）合作5000億美元的「星際之門（Stargate）」資料中心計畫，以及與CoreWeave達成四十億美元的算力協議，來降低對微軟依賴的程度。

此前，微軟的Azure雲端服務一直是ChatGPT獨家的資料中心算力供應商，直到今年一月才開始擴大合作夥伴。消息人士指出，Google與OpenAI的已討論數月，過去受制於OpenAI與微軟的獨家合約而未能簽訂。

Google藉這次機會擴大自家「張量處理單元」（TPU）服務範圍，過去TPU主要供Google內部使用，自對外開放後，已拿下蘋果（Apple）以及由OpenAI前高層創辦的兩家競爭對手Anthropic和Safe Superintelligence等客戶。

對Google Cloud而言，這是一項成功的合作，未Google Cloud將對OpenAI現有的基礎設施提供額外算力，支援其AI模型的訓練與運行。即使OpenAI的ChatGPT近年來對Google長期稱霸的搜尋業務構成來最大威脅，但Google高層近期已表示，AI競賽可能並非「贏家通吃」的局面。

雙方合作的消息傳出後，Alphabet股價應聲上漲2.1%，微軟股價則小幅下跌0.6%。加拿大豐業銀行（Scotiabank）分析師直言，這項發展「有些令人驚訝」，同時也強調了Google雲端業務的成長潛力。

資料來源：Reuters

這篇文章 不只微軟！OpenAI多元佈局算力 Google Cloud成新盟友 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

國研院國網中心16日宣布，結合輝達、AMD、鴻海科技集團、交通部中央氣象署、友崴超級運算（Ubilink.AI）、緯謙科技等單位，共識成立「臺灣算力聯盟」，將整合國內整體算力資源，攜手支持AI應用發展，進一步擴展國內算力需求，致力於強化臺灣的算力戰略佈局，提升在全球數位競爭中的韌性與影響。記者李琦瑋／台北報導

國研院國網中心16日宣布，結合輝達、AMD、鴻海科技集團、交通部中央氣象署、友崴超級運算（Ubilink.AI）、緯謙科技等單位，共識成立「臺灣算力聯盟」，將整合國內整體算力資源，攜手支持AI應用發展，進一步擴展國內算力需求，致力於強化臺灣的算力戰略佈局，提升在全球數位競爭中的韌性與影響。

[caption id="attachment_172737" align="alignnone" width="2560"] 國研院國網中心發起，結合AMD、輝達、鴻海科技集團等單位，成立「臺灣算力聯盟」，助攻臺灣AI應用的發展。（圖／國研院國網中心提供）[/caption]

國網中心指出，「臺灣算力聯盟」以打造公私協力合作平台、凝聚頂尖力量為願景，整合資源，促進交流，推動「主權AI」，並建構自主、可信、可持續的算力生態系。籌備階段由國研院國網中心發起，結合AMD、交通部中央氣象署、友崴超級運算、緯謙科技、輝達、鴻海科技集團等單位共同推動，展現跨界整合的決心與行動力。

延伸閱讀：台灣能源不足如何支應AI算力中心？戴爾提「永續資料儲存」5大優勢

國網中心表示，聯盟運作初期將以會員間的算力資訊交流及相互支援為基礎，促進算力資源的共享與媒合；並致力整合國內整體算力資源，攜手支持AI應用發展，進一步擴展國內算力需求；同時推動AI主權發展及深化公私部門合作，強化自主技術的開發與應用。

國網中心提到，「臺灣算力聯盟」為非法人、非營利性質的合作平台，開放具備算力基礎、技術應用或推廣實績的單位參與。展望全球市場，該聯盟未來將協助會員所需的關鍵技術，例如自由開源軟體、雲端介面等，推動技術交流與共享，強化算力產業外銷競爭力。

根據啟動大會所討論並共識的聯盟規章，聯盟核心宗旨包括，整合與展示臺灣具代表性的算力資源及技術服務資訊；建立平台的對外曝光窗口，促進成員間的能見度與合作媒合；支援政府主權AI、雲端服務及算力布局策略；並致力於擴大算力應用推廣，串聯產業界、學研界與公共單位的多元需求，全面提升臺灣在國際舞台上的能見度與競爭力。

國網中心強調，「臺灣算力聯盟」的正式啟動，象徵我國在自主可信算力、主權AI及全球合作領域邁出了關鍵一步。未來，聯盟將持續擴大夥伴參與，凡提供高效能運算、雲端平台資源，或從事算力整合、技術開發、服務推廣或應用實踐之單位，皆可依成員共識申請加入；並進一步擴展合作網路，攜手推動資源共享、深化技術發展並促進跨域合作，共同迎接AI新時代的挑戰與機遇。

這篇文章 臺灣算力聯盟啟動 國網中心攜輝達、AMD、鴻海助攻AI發展 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。