AI 資料中心吃光記憶體，Apple 和 Xbox 同一天漲價

今日漫畫 出演・水無瀨 澪

今天最有感的新聞不在實驗室，而在購物車。蘋果和微軟同一天宣布漲價，源頭都指向 AI 資料中心搶走了記憶體與電力。另一邊，IBM 把晶片做到 0.7 奈米、白宮替 GPT-5.6 踩了煞車、AI Agent 開始走進科技巨頭的辦公室，一起看過去。

AI 資料中心引爆新一波通膨

漲價的訊號這次直接打到消費者身上。蘋果在 6 月 25 日調漲 Mac、iPad、HomePod 等多項硬體，幅度從 15% 到 25% 不等，台灣的 13 吋 MacBook Air 從 35,900 元一口氣跳到 42,900 元、漲了 7,000 元，只有 iPhone 暫時躲過。同一天，微軟也宣布自 8 月 1 日起全球調漲 Xbox 售價。執行長庫克說得很白，蘋果已無力負擔記憶體與儲存的上漲成本，「從未見過零組件價格在這麼短時間內如此大幅上漲」。

源頭就是 AI。全國企業經濟學家協會的調查顯示，高達 81% 的受訪經濟學家認為 AI 建設將在未來一年推升通膨。隨著大規模興建資料中心，記憶體、儲存晶片、電力與工程人力的成本全面升溫，而這跟關稅或油價那種「一次性衝擊」不同，研究機構 Evercore ISI 形容它是一種可能持續數年的長期現象。

錢的規模也大得驚人。FactSet 數據顯示，Alphabet、Amazon、Meta、微軟與 Oracle 五大超大規模雲端商今年的資本支出預估高達 7,410 億美元、年增近 75%。哥倫比亞大學經濟學家 Van Nieuwerburgh 點出這波建設「驚人地實體化」，需要冷卻系統、電纜光纖與備援發電機；他估算若加總已宣布與規劃中的開發案，到 2032 年全球 AI 建設總支出可能高達 8 兆美元，規模接近整個紐約市房地產市場總值的五倍。漲價會延續多久，這個數字已經給了答案。

晶片往 sub-1nm 與實體 AI 走

成本壓力的另一端，是把晶片做得更省電。IBM 發表全球首個 sub-1nm 晶片技術 NanoStack，節點是 0.7 奈米，能在指甲大小的晶片上塞進近 1,000 億個電晶體，密度約是它 2021 年 2 奈米測試晶片的兩倍。在台積電、Intel、三星都在推進次奈米量產之際，這一步直接回應了 AI 資料中心最致命的兩個痛點：電力消耗與資料搬移成本。

關鍵在做法。NanoStack 引入 3D 垂直堆疊技術，相較過去 60 多年晶片微縮只在 X、Y 二維平面上進行，這是一次往上長的典範轉移。IBM 半導體研發副總裁 Huiming Bu 一句話道盡市場現實：「每個人都想要更高的效能，但沒有人想為電費買單。」NanoStack 主打約 70% 的功耗降幅，被認為能讓晶片發展藍圖再延續 10 到 15 年。

併購也往同一個方向走。碳化矽大廠安森美宣布以總價約 70 億美元的全股票交易併購人機介面與觸控板晶片廠 Synaptics，是它創立以來最大一筆收購。安森美的目標是強化「實體 AI（Physical AI）」布局、增添連網運算能力，預估這樁交易能讓公司 2030 年底前的潛在市場規模再增加 300 億美元。當 AI 從雲端走向機器與裝置，誰能把感測、運算與功率管理整合起來，誰就卡到下一個位置。

白宮替 GPT-5.6 踩煞車

當全球實驗室比拚誰更快推新模型，OpenAI 的 GPT-5.6 反而被按了暫停鍵。據外媒，奧特曼在內部備忘錄告訴員工，公司不會像過去那樣直接公開 GPT-5.6，而是先釋出給一小群合作夥伴，原因是美國政府要求這麼做；政府會在預覽期間逐一核准每一家客戶的存取權限。

範圍比想像中更窄。據外媒，首批僅約 24 家合作夥伴、而且每一家都必須經過美國政府核准，要求限縮分發的單位包括財政部、商務部，以及白宮的國家網路總監辦公室與科技政策辦公室。即便如此，奧特曼仍接到商務部長來電提醒，在取得其他機構核准前不要貿然推出。他強調這並非公司偏好的長期模式，但 GPT-5.6 被認為具備「類 Mythos」的高風險能力，讓政府這次選擇直接介入發布節奏。

資本市場這端也踩了煞車。據外媒，OpenAI 原本有望今年完成 IPO，如今傾向延後到 2027 年，因為近期科技股波動劇烈，承辦投行擔心影響市場信心。奧特曼希望上市估值達 1 兆美元，目前公司在完成新一輪 1,220 億美元募資後估值已達 8,520 億美元，距離目標只差最後一哩。

AI Agent 走進辦公室，員工變審稿人

想知道未來工作長什麼樣，看打造 AI 的公司怎麼用 AI 就知道。據外媒，OpenAI、Google 與 Anthropic 已經走到下一步：把複雜的多步驟任務直接交給 AI Agent，員工則轉去當「審稿人」、負責對產出做事實查核。在 OpenAI，自動化工作流的骨幹是 Codex，它原本為軟體開發設計，如今連行銷、招募團隊都在用，幾乎全體員工每週都會碰；有客戶總監收到帳單客訴後只需驗證 Codex 跑完的結果，副法務長則讓 Codex 接手原本初階律師處理的利益揭露分析。

但把工作交給一個會自己跑去執行任務的 Agent，本身就是一場信任的賭注。這些領先公司也承認，過程中曾出現大量信件被誤刪、程式碼憑空消失的狀況，而且即使一切順利，Agent 有時還會替人類製造出新的工作。

成本則是另一個隱憂。Gartner 預測，隨著企業擴大採用 AI 程式開發代理、按用量計費的模式普及，到 2028 年企業的 AI 程式開發成本可能超過開發者的平均薪資；目前已有 23% 的科技主管表示，每名開發者每月的 token 費用約落在 200 到 500 美元。Gartner 建議企業把高階模型保留給複雜任務、建立 token 使用門檻與監控，免得效率還沒到、帳單先爆掉。

AI TAIWAN 展會：從算力到真實性

本週的 2026 AI TAIWAN 未來商務展以「All in AI」為主題，集結逾 200 家團隊，幾場演講把產業現況講得很透。iKala 董事長程世嘉丟出一個關鍵數字：全球 AI 算力需求正以每 7 個月翻倍的速度成長、遠超摩爾定律，這股算力爆發催生了「智慧通膨」：當大型語言模型的能力逼近博士水準、企業只需低廉成本就能取得，智慧本身的價值反而被稀釋。他同時提出一個反差：真人創作的行銷效果是 AI 的 7 倍，「真實」會成為企業新的競爭優勢。

技術的底層邏輯也被攤開來談。Google DeepMind 研究副總裁紀懷新從序列轉換器講到思維鏈，指出生成式 AI 的架構本來只能預測下一個字、無法多步驟推理，是思維鏈把解題步驟一步步示範給機器看，才奠定了今天代理式程式設計的基礎；他認為真正的衝擊，是即將到來的個人通用助理時代。

落地端則務實得多。Gogoro 執行長姜家煒說 AI 該讓人更像人，把整座城市的能源調度交給 AI 計算、人專注在判斷；緯創技術長沈慶堯提出「自動化是革勞工者的命，AI 是革智慧工作者的命」，並強調資料治理要從「給人看」升級成「給 AI 代理看」；LINE 台灣則點出全台滲透率 93%、每人手機平均藏著 60 個官方帳號，每一則對話都可能是一筆成交。

開源成下一波卡位戰

當眾家廠商在 Computex 比誰的 AI 硬體更快更省電，一群台灣工程師卻把 Apache 軟體基金會董事請來談軟體。理由很簡單：在 AI 時代，軟體反過來決定硬體。模型怎麼訓練、推論怎麼部署、AI 代理如何常駐運作，都會回頭改變晶片、記憶體、伺服器與散熱的配置。

兩個最近震動市場的訊號都來自開源。一個是 DeepSeek 為首的開源模型，它讓推論成本下降、需求從訓練端擴散到推論端，被拉動的仍是 GPU、HBM 與整套資料中心供應鏈；另一個是原本只是奧地利工程師小專案的 AI 代理 OpenClaw，短短數月成為 GitHub 上成長最快的專案之一，代表 AI 常駐在電腦與手機裡、連接郵件與工作流程的需求，吃的不只是 GPU，還會重新拉動 CPU、記憶體與邊緣裝置。

問題是，台灣手握世界級的硬體供應鏈，卻在定規格這件事上沒什麼話語權。美、中、歐都已把開源升格為國家戰略，若台灣只做硬體、不參與上游的軟體貢獻，下一波 AI 主導權恐怕還是握在別人手裡。把食譜交到別人手上，端上桌的菜色就由不得自己。