高通把伺服器 CPU 做到 250 核。連最依賴輝達的 OpenAI 都自己做晶片了。

今日漫畫 出演・水無瀨 澪

今天的主角不是某一款新模型，而是晶片。高通把伺服器 CPU 做到 250 核、正面踩進輝達與英特爾的地盤，連最依賴輝達的 OpenAI 都端出了自己設計的推論晶片。記憶體超級週期、Google 人才崩塌、實體 AI 安全也各自有戲，值得花幾分鐘看過一次。

高通殺進資料中心，正面挑戰三大巨頭

賣手機晶片賣到見頂的高通，這次把賭注重重押在資料中心。它在投資者大會發表首款專為資料中心打造的伺服器 CPU Dragonfly C1000，採自家 Oryon 架構，主要 CPU 晶粒配置超過 250 個核心、時脈可破 5GHz，支援 PCIe Gen7 與 CXL，主打代理型 AI 的能源效率與總持有成本。最有份量的背書來自 Meta，後者確認新一代伺服器將採用 C1000、預計 2028 年底投入。

數字比晶片本身更嚇人。高通把 2029 財年的非手機業務營收目標，從原本的 220 億美元直接翻倍喊到 400 億美元，其中光資料中心就要貢獻 150 億，消息一出盤後一度漲約 15%。執行長 Cristiano Amon 說得直接，公司一路執行計畫、累積資產，現在認為自己已備好完整產品組合，可以進入資料中心的下一個階段。

光有硬體還不夠，高通也補上了軟體與更上游的記憶體。它以約 39 億美元收購 AI 軟體公司 Modular，建立跨硬體軟體平台、降低開發者對輝達 CUDA 單一生態的依賴；同時揭曉 HBC 近記憶體運算架構，把運算單元堆疊在 LPDDR 下方來突破記憶體牆，並同步洽談替字節跳動設計客製晶片。供應鏈也跟著沾光，晶圓代工的聯電與記憶體的南亞科都躋身高通生態系。Dragonfly C1000 要到 2028 年才量產，Meta 之外有多少雲端業者跟進，是這條線接下來的看點。

自研晶片成顯學：OpenAI Jalapeño 與「AI 工廠」

如果連最大的輝達買家都要自己做晶片，這件事就不只是高通的單打。OpenAI 與博通共同發表首款自研晶片 Jalapeño，定位是專為大型語言模型推論打造的加速器，而非訓練。它屬於用途較窄、但在特定任務上更便宜有效率的 ASIC，從初步設計到晶片定版只花了 9 個月，過程還用 OpenAI 自家模型協助設計最佳化，初步測試的每瓦效能優於現有最先進產品。博通負責晶片實作與高速網路、Celestica 負責系統整合，完成版預計 2026 年底起部署到微軟等資料中心。

輝達當然沒打算坐著看。黃仁勳在股東會上把新一代資料中心重新定義成「AI 工廠」，核心不再是儲存與傳輸檔案，而是生產 token，這些 token 會變成程式碼、答案、設計與行動的原材料，全球近 40 國正在部署。面對先進晶片走私的疑慮，他也劃下底線：走私晶片拼湊資料中心是死路一條，當商業利益與美國國家安全衝突時，國安永遠優先。

熱潮之下也有人摔得很重。專做晶圓級大晶片、想挑戰輝達 GPU 串聯架構的 Cerebras，上市後首份財報雖然營收年增 92%，卻因為第二季毛利率指引下滑而單日崩跌近 20%、跌破發行價，上市後進場的投資人全數套牢。自己做晶片是顯學，但能不能撐起估值，是另一回事。

記憶體超級週期，台灣成關鍵少數

晶片在自製化，記憶體則在漲價。台經院產經資料庫總監劉佩真直言，記憶體產業已經擺脫過往的景氣循環，正式進入 AI 帶動的超級週期。除了訓練用的高頻寬記憶體，AI 代理與實體 AI 崛起也帶動 LPDDR、DDR5 需求，傳統記憶體更因 AI 資源排擠而報價持續上揚，形成價量齊揚的「晶片通膨」。

把這個週期說得最具體的是美光。執行長 Sanjay Mehrotra 在財報會議丟出一個關鍵比例：單台人形機器人搭載的記憶體容量，是一般 Level 2+ 自駕車的 10 倍。他預期一場可持續、規模龐大、長達數十年的記憶體需求週期，將在 2026 到 2030 年正式揭開序幕。

對台灣來說，這是難得的位置。劉佩真指出，台灣記憶體全球市占不到 3%，但這波 AI 造成的產能排擠反而讓台廠受惠，未來邊緣運算與實體 AI 崛起需要搭配不同記憶體，台灣記憶體產業有機會直接參與 AI 供應鏈、慢慢成為全球的「關鍵少數」。接下來要看的，是這些新需求多快從財報法說走進實際出貨。

Google 的人才崩塌

別人在搶晶片，Google 在守人。外媒報導 DeepMind 兩名研究員 Jonas Adler 與 Alexander Pritzel 即將離職轉投 Anthropic，消息一出 Alphabet 盤中一度下挫 1.2%。這已是 Google 六天內第四、五起高階 AI 人才出走，而且全部流向對手。

刺眼的不只是人數，而是這幾個名字綁在一起的份量。Adler、Pritzel 與先前離職的諾貝爾化學獎得主 John Jumper，正是 AlphaFold 的核心研究團隊，這套用 AI 預測蛋白質結構的系統曾把 DeepMind 的科研聲望推上巔峰，如今三人傳將在 Anthropic 重新聚首。再加上 Transformer 共同作者、轉往 OpenAI 的 Noam Shazeer，Google 流失的不是個別明星，而是一整組默契成熟、有明確方向的人馬。

更麻煩的是傷在要害。Adler 在 Google 的重心是 AI 程式碼開發，這正是 Gemini 對抗 OpenAI 與 Anthropic 最重要的籌碼之一；Pritzel 則深度參與模型預訓練。當對手不只是挖角、而是成建制地接收一個團隊，Google 短期要補上的就不只是頭銜，而是默契與方向。

實體 AI 與機器人安全成最後拼圖

機器人從展示走向上工，缺的最後一塊是安全。輝達推出業界首套完整全堆疊機器人安全系統 Halos for Robotics，把自駕車領域累積超過 1.86 萬工程年的功能安全經驗延伸到機器人，涵蓋硬體、軟體與驗證三層，並點名研華、英業達與新漢子公司創博等台廠加入生態系。機器人概念股因此再添題材。

底層的算力架構也在重想。Arm 高層 Drew Henry 指出，摩爾定律每 18 個月翻倍的黃金時代已經過去，工程師得轉向系統級設計與專用加速器。對沒接電源的機器人，他點出一個全新指標：每焦耳、每公斤能處理多少 token，因為機器人的重量會直接吃掉致動器的電量與電池壽命。從感測器接收光子到致動器觸發之間的延遲，成了這個領域真正的核心工程。

併購也跟著往實體 AI 走。碳化矽大廠安森美宣布以約 70 億美元全股票併購觸控與人機介面晶片廠 Synaptics，這是它創立以來最大一筆收購，目標是補上連網運算與軟體生態、強化實體 AI 的智慧系統布局。當機器人從固定程式走向理解物理世界，誰能把感測、運算與安全兜成一套可驗證的系統，誰就拿到了入場券。

AI 重塑組織：8 倍程式碼與 HR 收編 IT

把鏡頭轉回公司內部，AI 帶來的麻煩跟好處一樣多。Anthropic 自己的報告顯示，旗下工程師每季交付的程式碼量已是過去幾年平均的 8 倍，但 Claude Code 工程負責人 Fiona Fung 點出真正的痛點：寫程式不再是瓶頸，驗證才是。當程式碼供給遠超過人類審核速度，而且提交者不再只有工程師、連產品經理與設計師都在用 Claude Code 出功能，傳統「資深工程師逐行審 PR」的模式直接失靈。她的解法是把規格書放進版本庫、讓 Claude 自動比對程式碼是否符合設計目標，等於把測試驅動開發做成可行的版本。

人事這端的重組更直接。台師大孫弘岳在論壇上指出，未來人資不只要管真人、還要管「數位員工」，必須清楚哪些任務交給人、哪些交給 AI 代理。莫德納就把這個邏輯做到底，人資長示範如何與 AI 共事後，過一年直接收編 IT 部門、合組成「People and Digital Technologies」新單位。研究也指出，企業導入 AI 最大的卡點其實在人與組織，而不在技術。

不是每次重組都漂亮。Meta 上月把約 7,000 名員工徵調去訓練 AI 模型，引發強烈反彈，有人把工作比作資料標註，同期還裁了約 8,000 人。6 月 24 日 Meta 發出新備忘錄鬆綁，改成尊重員工自己決定去留，連技術長都坦承這波重組做得很糟。AI 把組織推著走，但推得太用力，反而會把人推走。