close

IT 基建

IT 基建人工智能業界消息

Nvidia 黃仁勳盛讚華為「史上最強」　AI 競爭重塑全球格局

by Pierce on IT 基建人工智能業界消息 AI晶片 Jensen Huang NVIDIA 昇騰910C 華為


Nvidia 黃仁勳盛讚華為「史上最強」　AI 競爭重塑全球格局

Nvidia 行政總裁黃仁勳於華盛頓戰略與國際研究中心（CSIS）公開表示，華為是「歷史上最強大的科技公司之一，值得每個人尊敬」。這已是這位 AI 晶片霸主多次公開讚賞其最強競爭對手。在美中科技競爭白熱化當下，黃仁勳的表態突顯一個深刻現實：美國對華晶片出口管制，正催生一個強大且獨立的替代供應鏈。

來自對手的背書與市場變局

黃仁勳在 CSIS 活動中警告，美國限制 Nvidia 晶片對華出口「實質上已拱手讓出全球第二大人工智能市場」，這將為華為等中國企業提供技術成熟空間，最終使其具備全球競爭實力。他早前訪問北京時就表示，華為極具創新力，「從公司規模、人員規模和技術能力來看，他們既廣又深」，在自動駕駛和 AI 技術領域都非常出色。

數據揭示驚人變遷。Nvidia 在中國市場佔有率從 95% 降至接近 0%。然而 2024 年中國市場 Nvidia H20 系列晶片出貨量約 60 萬至 80 萬枚，實際市場佔有率仍超 60%。同時亦顯示華為正快速崛起，其昇騰 910D 處理器期望能挑戰 Nvidia H100，首批樣品預計 2025 年 5 月推出。更重要是昇騰 910C 良品率已達約 40%，與 Nvidia H100 相當，直接影響晶片成本和供應能力。

華為的全棧技術與全球擴張

華為在自動駕駛領域展現驚人實力。其 MDC 智能駕駛計算平台基於自研昇騰晶片，能實現 L4 級別自動駕駛。截至 2024 年 10 月，華為 ADS 智駕總里程超 7.36 億公里，城區智駕里程突破 1 億公里，模型迭代週期保持在 5 天以內。

黃仁勳特別讚揚華為的全棧能力：「他們在晶片設計、系統工程、網絡技術等領域都表現出色，還擁有自主雲端服務」。他警告正如「一帶一路」倡議協助華為出口 5G 技術，現在又出現 AI 領域的「一帶一路」。黃仁勳分析佈局越早，越能搶先搭建生態系統，讓相關國家形成路徑依賴。

競爭哲學與企業啟示

當被問及是否將華為當作對手時，黃仁勳回答：「他們是我們的競爭對手，但仍然可以欽佩和尊重競爭對手，對手不是敵人」。他強調：「世界很大，我希望未來我們能繼續競爭很多年，但我對他們的感情是欽佩、尊重，並且充滿競爭意識。」

Nvidia 2024 年文件中首度將華為認定為「最大競爭對手」。有消息指出百度已轉向華為下單，表明中國公司已開始擺脫對美國技術依賴。黃仁勳預計中國市場有 500 億美元（約港幣 3,900 億元）商機，若有強競爭力產品可滿足市場，預計有 50% 年增長。

對全球企業而言這場競爭揭示關鍵趨勢：封鎖最大後果是創造出一個強大且獨立的替代市場與供應鏈。技術自主重要性日益突顯，全棧技術能力將成為未來競爭核心優勢。分析師預測美國可能繼續擴大出口管制，而中國將持續推動技術自主，加大對半導體產業投資。在技術民族主義日益抬頭的今天，全球科技產業如何在競爭與合作之間找平衡，是企業戰略問題，更是關乎全球創新生態未來走向的關鍵議題。

資料來源： Bloomberg 新浪財經 OFweek人工智能網 Microchip USA CSIS

 

read more
IT 基建人工智能企業趨勢

雲端巨頭罕見攜手：Amazon 與 Google 如何改變企業多雲策略格局

by Pierce on IT 基建人工智能企業趨勢 Amazon aws google Google cloud 多雲策略


雲端巨頭罕見攜手：Amazon 與 Google 如何改變企業多雲策略格局

Amazon 與 Google 最近宣布推出聯合開發的多雲互聯服務，讓企業客戶能在數分鐘內建立兩大雲端平台之間的私有高速連接。這項服務整合了 AWS Interconnect-multicloud 與 Google Cloud 的 Cross-Cloud Interconnect，徹底改變過往需要數週甚至數月的手動配置流程。企業軟件巨頭 Salesforce 已成為首批採用者，顯示這項合作對企業級應用的策略價值。

技術創新背後：從週級部署到分鐘級啟動的商業價值

傳統的跨雲連接需要企業手動設置硬件組件、配置 BGP 會話、分配自治系統編號，並建立複雜的路由策略以滿足效能和可靠性要求。這個過程通常需要協調內部和外部多個團隊，耗時數週到數月。新的聯合解決方案完全抽象化了這些複雜性，客戶現在可以通過任一雲端控制台（Console）或 API 按需配置專用頻寬，在分鐘內建立連接。

這項服務採用四重冗餘架構，跨越獨立的互聯設施和路由器，並由兩家供應商持續監控以主動檢測和解決問題。平台邊緣路由器之間的流量使用 MACsec 加密技術保護。AWS 網絡服務副總裁 Robert Kennedy 表示：「這項合作使客戶能夠以簡化的全球連接性和增強的營運效率，在雲端之間移動數據和應用程式。」

Salesforce 軟件工程高級副總裁 Jim Ostrognai 指出：「AWS Interconnect-multicloud 讓我們能夠像部署內部 AWS 資源一樣輕鬆地建立與 Google Cloud 的關鍵橋樑，利用預建的容量池和我們團隊已經熟悉和喜愛的工具。」這種原生的流程化體驗加速了客戶將 AI 和分析建立在可信數據之上的能力，無論數據存放在何處。

市場需求驅動：多雲策略成為企業風險管理新常態

2025 年第四季度的數據顯示，88% 的雲端買家正在部署或營運混合雲，79% 已經使用多個雲端供應商。這種趨勢反映了企業對營運韌性和避免供應商鎖定的迫切需求。多雲策略讓組織能夠根據特定需求從不同供應商選擇最佳服務，並通過在多個平台分散工作負載來增強營運韌性，降低特定供應商問題導致的停機風險。

此次合作時機特別關鍵，距離 2025 年 10 月 20 日 AWS US-EAST-1 區域重大故障僅一個多月。該故障導致全球超過 3,500 家公司受到影響，Downdetector 記錄了超過 1,700 萬份用戶報告，較日常基準增加 970%。分析公司 Parametrix 估計，此次故障給美國企業帶來 5 億至 6.5 億美元（約港幣 39 億至 50.7 億元）的損失。這次事件突顯了單一雲端供應商的系統性風險，促使更多企業重新評估其雲端架構策略。

CIO Dive 的分析師 Dan Sustar 指出，Salesforce 對這項倡議的支持也通過將 Google Cloud「作為對抗 Microsoft Azure 在 AI 原生雲端主導地位競賽中的競爭堡壘」來加強 AWS。這種策略聯盟反映了雲端市場競爭格局的微妙變化。

產業競合新局：從零和博弈到生態系統共榮

2024 年第四季度全球雲端基礎設施服務市場規模達到 900 億美元（約港幣 7,020 億元），年增 22%。AWS 以 30% 的市場佔有率保持領先地位，Microsoft Azure 佔 21%，Google Cloud 佔 12%。三大巨頭合計控制約 68% 的全球雲端市場。雖然市場佔有率存在差距，Google Cloud 在 2024 年第四季度實現 30% 的年增長率，達到 120 億美元（約港幣 936 億元）的季度營收，年化營收達到創紀錄的 480 億美元（約港幣 3,744 億元）。

IDC 全球企業基礎設施追蹤總監 Juan Pablo Seminara 表示：「雲端基礎設施支出增長在第四季度再次超出市場預期。從簡單聊天機械人演進到推理模型再到代理式 AI，將需要多個數量級的運算能力，特別是用於推理。」IDC 預測，2025 年雲端基礎設施支出將比 2024 年增長 33.3%，達到 2,715 億美元（約港幣 2 兆 1,177 億元）。長期來看，IDC 預測 2024 至 2029 年雲端基礎設施支出的複合年增長率為 17.8%，到 2029 年將達到 4,619 億美元（約港幣 3 兆 6,028 億元），佔運算和儲存基礎設施總支出的 83%。

AWS 宣布這項多雲網絡產品目前處於預覽階段，並計劃在 2026 年納入 Microsoft Azure。這個開放規範的網絡互操作性標準最初由 AWS 提出，期望能讓任何供應商都能採用，現在與 Google Cloud 合作率先推向市場。這種從競爭到合作的轉變，標誌著雲端產業正從「零和博弈」轉向「生態系統共榮」的新階段。

企業策略啟示：AI 時代的基礎設施投資新邏輯

這項合作對企業的最重要啟示是：多雲架構不再是技術問題，而是業務連續性和風險管理的策略選擇。採用多雲策略的企業在災難復原指標上表現優於單一雲端部署 30%，並能在停機或價格波動期間即時轉移工作負載。

隨著人工智能應用加深，企業越來越認識到，在財務、市場營銷和人力資源等各個組織職能中深度整合 AI 需要現代化整個基礎設施架構。根據 S&P Global Market Intelligence 451 Research 的研究，雲端基礎設施和網絡保安是 2024 年第四季度最高的支出優先事項，其次是 AI 技術。2024 年生成式 AI 資金達到超過 560 億美元（約港幣 4,368 億元），幾乎是 2023 年的兩倍，投資者專注於精選贏家和基礎設施增長。

企業領導者現在面臨的問題不再是「是否採用多雲」，而是「如何最有效地實施多雲策略」。這項 AWS 與 Google Cloud 的聯合解決方案提供了一個範本：通過標準化的互操作性規範和自動化的配置流程，企業可以在不犧牲效能或保安性的前提下，實現真正的雲端靈活性。未來隨著 Microsoft Azure 的加入，企業將擁有更完整的多雲生態系統選擇權，這將進一步推動數碼轉型的深度和廣度。

資料來源： Google Cloud AWS CIO Dive IDC CRN

 

read more
IT 基建人工智能企業趨勢業界消息

Intel 前 CEO 預言：量子運算兩年內顛覆 GPU 霸權　AI 泡沫臨近

by Pierce on IT 基建人工智能企業趨勢業界消息 ai intel NVIDIA Pat Gelsinger Quantum Computing


Intel 前 CEO 預言：量子運算兩年內顛覆 GPU 霸權　AI 泡沫臨近

Intel 前行政總裁 Pat Gelsinger 近日接受《Financial Times》專訪時拋出震撼預言：量子運算最快兩年內將成為主流技術，GPU 晶片時代將比市場預期更早結束，當前 AI 產業的投資熱潮可能面臨重大轉折點。這番言論與 Nvidia 行政總裁黃仁勳「量子運算至少還需 20 年」的論調形成強烈對比，在半導體產業引起激烈辯論。

Pat Gelsinger 目前擔任創投公司 Playground Global 合夥人，該公司於 2025 年 9 月領投量子演算法公司 Phasecraft 3,400 萬美元（約港幣 2.65 億元）B 輪融資，顯示其對量子技術的重點投資。這場關於運算未來的論戰，除了涉及技術路線之爭，更牽動全球數千億美元的 AI 基礎建設投資佈局。

運算典範三位一體：為何兩年時間表震驚業界

Pat Gelsinger 將傳統 CPU 運算、AI 加速運算（GPU）與量子運算並列為「運算領域的三大支柱」（Holy Trinity of Computation）。他指出，量子位元（qubits）技術的穩定性改善、錯誤校正能力提升以及商業化時程加速，都超出主流預期。Pat Gelsinger 強調：「兩年時間就足夠」，一旦量子位元技術投入應用，傳統 CPU 架構將面臨挑戰，GPU 與 AI 加速器的角色將被重新定義，整個運算堆疊將經歷典範轉移。他認為 GPU 價格飈升正助長 AI 市場的投機行為，當量子運算展現真正能力時，產業將迎來重大轉折點，現有架構將被重新評估。

然而這一時間表遭到業界質疑。Nvidia 行政總裁黃仁勳在 2025 年初 CES 大會上明確表示，實用量子電腦可能需要 15 至 30 年，20 年是較合理的估計。黃仁勳指出量子位元的脆弱性、高錯誤率以及擴展困難等技術障礙。行業分析師 Ivana Delevska 也認為「15 至 20 年時間表非常現實」。這場觀點對立背後，反映量子運算發展路徑的根本分歧：是等待完美硬件，還是在現有含雜訊中型量子（NISQ）裝置基礎上加速應用。

市場規模暴增五倍：量子運算商業化提速證據

數據顯示 Pat Gelsinger 的樂觀並非空穴來風。全球量子運算市場在 2025 年已達 18 億至 35 億美元（約港幣 140 億至 273 億元）規模，預計 2029 年將成長至 53 億美元（約港幣 413 億元），年複合成長率達 32.7%。更積極的預測顯示，市場規模可能在 2030 年達到 202 億美元（約港幣 1,575 億元），年複合成長率高達 41.8%，成為本十年成長最快的科技領域之一。投資信心的提升源於技術突破加速：中國光量子晶片廠商聲稱其產品在 AI 工作負載上的處理速度是 Nvidia GPU 的 1,000 倍，且已部署於航天和金融產業。

產業發展出現六大關鍵趨勢：邏輯量子位元實驗增加、針對特定問題類別開發專用硬件與軟件、中等規模雜訊量子裝置的網絡化連接、軟件抽象層的擴展、人才培育工具的普及，以及透過新材料和製程持續改善物理量子位元效能。Phasecraft 等公司已與 Google Quantum AI、IBM、Quantinuum 等硬件領導者合作，並為 Johnson Matthey、Oxford PV、英國國家能源系統營運商等終端用家提供解決方案，證明量子應用正從實驗室走向產業現場。

GPU 霸權真會終結？互補共存才是主流預測

雖然 Pat Gelsinger 預言 GPU 將在本世紀末前被量子技術取代，多數專家認為量子處理器（QPU）不會完全取代 GPU，而是在特定應用場景形成互補。量子運算擅長「小數據、大運算」問題，如真隨機數生成和密碼學，但無法解決所有問題。產業共識指向「量子增強」（quantum-enhanced）模式：將量子運算作為傳統運算的夥伴，克服其限制，讓現有 NISQ 裝置能處理以往無法觸及的問題，而非等待完美硬件才開始應用。

Pat Gelsinger 在 Playground Global 的投資經驗強化了他的信念。該創投公司 2025 年 9 月參與 Phasecraft 融資案，合夥人 Peter Barrett 表示：「隨著 Phasecraft 的量子演算法進展，我們正從發現走向設計，進入化學、材料科學和醫學前所未有的活力時代」。Phasecraft 的演算法已讓材料模擬效率提升數百萬倍，並應用於藥物開發和能源網絡最佳化。這種「軟硬體融合」策略，正在縮短量子優勢實現的時間表。預計 2030 年的數據中心將同時配備量子、AI 和通用運算能力，形成混合運算生態系統。

Intel 18A 製程爭議：技術賭注如何影響判斷

Pat Gelsinger 對量子運算的積極態度，或許與他在 Intel 遭遇的挫折有關。他在專訪中坦言，接手 Intel 時發現公司「衰敗程度比想像更深、更嚴重」，在他回任前五年「沒有任何產品準時交付」，基本工程紀律嚴重流失。18A 製程技術是 Intel 追趕 TSMC 的關鍵戰略節點，Pat Gelsinger 承諾五年內完成，但在產品交付前就被解僱。新任行政總裁陳立武（Lip-Bu Tan）上任後快速啟動成本削減，並在 2025 年 6 月開始暗示 18A 製程對新客戶吸引力下降。

18A 製程採用創新的 RibbonFET 全環繞閘極電晶體和 PowerVia 背面供電技術，原定 2025 年下半年進入量產。然而陳立武透露，雖然 18A 在 2025 年第三季取得可用良率，可開始生產 Panther Lake 處理器，但良率提升速度緩慢，商業化成效仍不理想。Intel 預計 18A 良率要到 2027 年才能達到業界標準水準。有外媒報導指出，陳立武已指示公司準備多項方案供董事會討論，包括停止向新客戶推廣 18A 的可能性，這將是他上任以來最重大的戰略轉向。Pat Gelsinger 透露陳立武最終在五年期限前終止該專案，但 Intel 官方聲明顯示 18A 仍將作為至少三代消費和伺服器產品的基礎。

Microsoft 與 OpenAI 關係解密：誰才是真正主導者

Pat Gelsinger 將 Microsoft 與 OpenAI 的合作模式類比為 Bill Gates 早年與 IBM 的夥伴關係。他認為 OpenAI 更像是 Microsoft 的「分銷合作夥伴」，核心算力與主導權實際掌握在 Microsoft 手中，OpenAI 主要負責將產品推向用戶。這評論揭示 AI 產業權力結構的本質：基礎設施提供者才是真正的控制者。Microsoft 自 2019 年起對 OpenAI 進行多年期、數十億美元的投資，並持續增加對專用超級電腦系統的投入，加速 OpenAI 的獨立 AI 研究。

兩家公司計劃在 2025 年推出的「星際之門」（Stargate）超級電腦專案，預計整合 OpenAI 即將發布的 GPT-5 模型。OpenAI 的複雜模型已無縫整合進 Microsoft 的 Copilot 助理陣列，顯著提升生產力並簡化複雜工作流程。這種深度綁定關係印證 Pat Gelsinger 的觀點：在 AI 時代，擁有運算資源和基礎設施的企業，比演算法開發者擁有更大的議價能力。當量子運算技術成熟時，這權力格局可能再次洗牌，掌握量子硬件與雲端服務的科技巨頭將佔據更有利位置。

對企業的戰略啟示：如何在運算典範轉移中佈局

Pat Gelsinger 的預言對企業決策者提出嚴峻挑戰：是否應該延緩 GPU 基礎建設的大規模投資，等待量子技術成熟？產業現實顯示，短期內 GPU 仍將主導 AI 工作負載，但企業應開始關注量子運算的早期應用場景，特別是材料模擬、藥物發現、加密技術和複雜系統改良等領域。混合運算架構將成為過渡期的主流選擇，企業需要培養同時理解傳統、AI 和量子運算的跨領域人才。

Intel 在矽基自旋量子位元、低溫 CMOS 整合和混合古典－量子系統方面的進展，顯示傳統半導體廠商正努力在量子時代保持競爭力。Pat Gelsinger 的「兩年論」究竟是基於深刻洞察還是過度樂觀，時間將給出答案。

 

資料來源：
cnBeta
Kad8
The Quantum Insider
SpinQuanta
Business Wire

 

read more
IT 基建人工智能企業趨勢業界消息

阿里通義千問獲 NeurIPS 最佳論文獎　首個中國團隊奪此殊榮

by Pierce on IT 基建人工智能企業趨勢業界消息 ai alibaba LLM NeurIPS Qwen


阿里通義千問獲 NeurIPS 最佳論文獎　首個中國團隊奪此殊榮

阿里通義千問（Qwen）團隊於 NeurIPS 大會上，從全球逾 20,000 篇投稿中脫穎而出並獲最佳論文獎，是本屆唯一獲此殊榮中國團隊。研究針對「注意力門控機制」，揭示提升大模型訓練效率關鍵路徑，標誌中國 AI 基礎研究能力晉身全球第一梯隊。在 AI 競爭日趨激烈下，成果對全球大模型產業發展具里程碑意義。

突破 AI 訓練瓶頸技術創新

通義千問團隊研究聚焦 Transformer 架構核心組件注意力機制，首次系統性解密「注意力門控機制」如何影響模型效能與訓練穩定性。團隊透過在 1.7B 稠密模型與 15B 混合專家模型（MoE）進行數十組大規模實驗，單組訓練數據量最高達 3.5 兆 tokens，證實門控機制能作模型「智能閥門」，有效過濾冗餘資訊並提升模型表現。

論文揭示兩大關鍵發現改寫業界對注意力機制理解。首先在 Softmax 注意力低秩映射引入非線性變換；其次利用查詢相關稀疏門控分數調節注意力輸出。此機制除緩解「啟動爆炸」和「注意力沉降」問題，亦顯著改善長文本處理外推效能。NeurIPS 評審委員會指出，方法將被廣泛採用，大幅推動社群對大語言模型注意力機制理解。

從學術突破到產業應用閉環

研究成果並非停留理論層面，已成功應用於 Qwen3-Next 模型系列，顯著提升模型效能與穩健性。Qwen3-Next 採用創新混合注意力架構，實現 80B 參數僅需啟動 3B 算力即媲美 235B 密集模型效能，訓練成本較傳統密集模型降逾 90%。效率革命令長文本推理處理量提升 10 倍，單卡即可在 24GB 視像記憶體運作 80B 模型，徹底改變大模型部署經濟邏輯。

目前阿里通義千問已開源逾 300 款模型，覆蓋全模態及全尺寸，全球累計下載量突破 7 億次，衍生模型數量逾 18 萬個。《財富》雜誌 2025 年「改變世界」榜單特別肯定 Alibaba 開源策略，認為透過免費或低成本提供 AI 模型，正支援初創企業、研究人員與技術愛好者探索前沿技術，並促使 OpenAI、xAI 等美國同行紛紛發布開源模型。

頂級 AI 會議認可背後競爭格局

NeurIPS 作為人工智能領域最具影響力學術會議，曾孕育 Transformer、AlexNet 等改變行業里程碑成果。本屆會議接收 5,524 篇論文，整體錄用率僅 24.52%，最終僅 4 篇論文獲最佳論文獎，入選機率不足萬分之二。參與競爭包括 Google、Microsoft、OpenAI 及麻省理工學院等全球頂尖機構，Alibaba 能在激烈競爭勝出，充分展現其 AI 基礎研究深厚實力。

值得關注是中國 AI 研究在全球舞台扮演越趨重要角色。根據 Digital Science 發布報告，2024 年中國 AI 研究論文產出已匹敵美國、英國和歐盟總和，佔據全球逾 40% 引用關注度。史丹福 AI 指數報告亦顯示，中國在 AI 專利、研究產出和開源模型活動方面領先全球，目前僅在尖端模型發布數量落後美國。中國擁有約 30,000 名活躍 AI 研究人員，且研究人力年輕化、成長快速，為長期創新奠定獨特優勢。

大模型訓練成本革命產業意義

研究產業價值在於為大模型降低成本與提升效益提供可行路徑。當前 AI 領域面臨訓練成本高昂挑戰，過去 8 年間 AI 模型訓練成本飆升約 2,400 倍，頂級模型訓練費用高達 10 億美元（約港幣 78 億元）。通義千問團隊門控注意力機制研究證實，透過架構創新可在維持甚至提升效能同時，將訓練成本降低 90% 以上。

技術突破使企業級部署和即時應用成常態。Alibaba Cloud 已憑藉包括通義千問在內 AI 能力，與 Google、OpenAI 並列被 Gartner 確立為生成式 AI 領導者地位。通義千問首席科學家表示，對門控機制等模型機制深入理解，除為大語言模型架構設計提供新方向，亦為構建更穩定、更高效、更可控大模型奠定基礎。

開源生態驅動全球影響力

Alibaba 透過建立中國最大開源 AI 社群 ModelScope，目前累計服務逾 1,800 萬用戶，涵蓋逾 10 萬個模型，彰顯其在開源領域深厚影響力。開源策略除降低 AI 技術採用門檻，亦促進 Alibaba 自身雲端生態系統發展；當開發者在通義千問模型構建應用時，自然融入 Alibaba 利潤日益增長雲端業務。

對全球 AI 產業而言，獲獎研究及其產業化應用預示大模型技術正從「能力競賽」轉向「生態協同」階段。隨著門控注意力機制等創新技術普及，AI 大模型將更高效、穩定且易於部署，推動人工智能從實驗室走向更廣泛商業場景。此乃中國 AI 研究重要里程碑，亦是全球 AI 技術進步共同成果。

資料來源：新浪財經、快科技、36氪、Digital Science、Alibaba News

 

read more
IT 基建企業趨勢業界消息資訊及通訊科技

越南 5G 市場大洗牌：Huawei 及 ZTE 逆襲拿下 4,300 萬美元訂單

by Pierce on IT 基建企業趨勢業界消息資訊及通訊科技 5G huawei Viettel zte 越南


越南 5G 市場大洗牌：Huawei 及 ZTE 逆襲拿下 4,300 萬美元訂單

越南國營電訊商今年向 Huawei（華為）及 ZTE（中興通訊）批出總值超過 US$ 4,300 萬（約港幣 3.35 億元）的 5G 設備合約，標誌著中美科技角力在東南亞戰場出現重大轉折。這系列未曾公開披露的交易發生於美國對越南商品加徵 20% 關稅後的敏感時期，令西方國家對區域網絡安全高度警戒。

根據路透社取得採購數據顯示，今年 4 月由 Huawei 牽頭財團獲得價值 US$ 2,300 萬（約港幣 1.79 億元）的 5G 設備合約，時間點剛好在白宮宣布對越南商品徵稅數週後。ZTE 則在今年接連拿下最少兩份合約，總額超過 US$ 2,000 萬（約港幣 1.56 億元），其中最近一份於 11 月下旬簽署，負責供應 5G 天線設備。首份公開披露的中國廠商合約出現在今年 9 月，正值美國關稅政策生效一個月之際。

地緣政治催化：美越關稅戰重塑供應鏈格局

美越貿易關係今年經歷劇烈震盪，為中國電訊設備商創造突破口。美國總統 Trump 簽署第 14257 號行政命令，於 2025 年 4 月 2 日對越南商品加徵 20% 互惠關稅，並於 8 月 7 日正式生效。這項政策源於美國對越南高達 US$ 1,000 億（約港幣 7,800 億元）貿易逆差，涵蓋輕工業機械、電子產品等關鍵領域，有效稅率最高可達 30%。

有外交渠道消息人士向路透社透露，西方高級官員近數週在河內最少召開兩次會議，專門討論中國廠商合約議題。其中一場會議上，美國官員明確警告越南政府，採用中國設備可能削弱華盛頓對越南網絡信任度，並影響越南取得美國先進技術管道。另一場 11 月閉門會議則探討將使用中國設備的網絡區域進行隔離，以降低潛在數據外洩風險。

市場競爭新態勢：北歐與中國廠商分食越南 5G 版圖

雖然中國廠商異軍突起，瑞典 Ericsson 與芬蘭 Nokia 仍牢牢掌握越南 5G 核心基建。2024 年 9 月，Ericsson 宣布獲得越南軍方旗下電訊龍頭 Viettel 的 5G 無線接入網絡（RAN）主要份額，部署範圍涵蓋首都河內及全國大多數省份。Nokia 同期亦與 Viettel 簽署合約，負責 22 個省份共 2,500 個基站建設。美國晶片製造商 Qualcomm 則提供額外網絡設備支援。

公開採購記錄顯示，Huawei 在今年多場 5G 設備標案中落敗，但仍持續提供技術服務。關鍵突破出現在今年 6 月，Huawei 與 Viettel 簽署 5G 技術轉移協議，由越南國防部背書。Viettel 內部人士透露，採用中國技術主要考量成本優勢。全球 5G 設備市場上，Huawei 以 31% 市佔率穩居榜首，遠超 Nokia 的 14% 及 Ericsson 的 13%，價格競爭力成為發展中國家關鍵誘因。

越南 5G 基建衝刺：2025 年目標覆蓋 90% 人口

越南政府正全力推動 5G 基建，目標於 2025 年底建成 68,457 個 5G 基站，相當於現有 4G 基站總數 57.5%。截至今年 7 月，越南三大電訊商 Viettel、VNPT 及 MobiFone 已部署約 11,000 個 5G 基站，覆蓋全國 26% 人口。Viettel 董事長陶德勝表示，該公司計劃 2025 年安裝 20,000 個基站，將數據傳輸速度提升 2.5 倍以上，期望年底達成 1,000 萬 5G 用戶。

為加速部署進度，越南政府依據第 193 號決議及第 88 號政令，對部署超過 20,000 個基站企業提供 15% 設備成本補貼。科技部副部長范德隆強調，5G 基建是越南數碼轉型關鍵支柱，國際研究顯示網絡速度每翻倍可直接貢獻 0.3% GDP 增長。這項計劃預計 2030 年將 5G 覆蓋率提升至 99% 人口。

東南亞 5G 戰場：經濟實用主義戰勝地緣政治考量

越南案例突顯東南亞國家在中美科技競賽中的務實選擇。雖然美國將 Huawei 及 ZTE 列為「不可接受的國家安全風險」並禁止其進入美國電訊網絡，瑞典等歐洲國家亦實施類似限制，但東盟十國中除越南外幾乎全數無視華盛頓警告。新加坡尤索夫伊薩東南亞研究院 2020 年調查顯示，中國電訊供應商在寮國、柬埔寨及馬來西亞偏好度甚至超越韓國 Samsung，僅在菲律賓及越南遜於美國競爭者。

全球 5G 設備市場預計將從 2024 年 US$ 218.6 億（約港幣 1,705 億元）激增至 2035 年 US$ 3,151.5 億（約港幣 24,581 億元），年複合增長率達 27.45%。在這場價值數千億美元競賽中，Huawei 憑藉技術專利積累及製造規模優勢持續領先。越南此次向中國廠商開綠燈，反映新興市場在基建缺口壓力下，優先考量經濟效益而非地緣政治陣營，這趨勢可能在美國貿易保護主義升溫背景下進一步強化。

資料來源： 路透社 Scand Asia 越南網 VietnamNet Dell’Oro Group Telecoms.com

read more
IT 基建人工智能企業趨勢

Google TPU 挑戰 GPU 霸主地位：Nvidia 單月蒸發 5 萬億市值背後的算力革命

by Pierce on IT 基建人工智能企業趨勢 AI晶片 google Meta NVIDIA 算力


Google TPU 挑戰 GPU 霸主地位：Nvidia 單月蒸發 5 萬億市值背後的算力革命

AI 晶片市場正經歷版圖重組。Google 正積極將其自研張量處理單元（TPU）推向外部市場，傳出與 Meta 達成價值數十億美元的合作協議，標誌著 GPU 壟斷時代開始鬆動。這消息直接衝擊 Nvidia 股價，自 10 月底至 11 月 25 日，其市值從 5.03 萬億美元暴跌至 4.32 萬億美元，單月蒸發超過 7,100 億美元（約港幣 5.54 萬億元）。本文將深入分析這場算力革命如何重塑科技巨頭的競爭格局、技術路線之爭，以及企業未來的戰略選擇。

科技巨頭打破 GPU 依賴：多元化算力成新常態

多家外媒報導顯示，Meta 正考慮從 2027 年開始在其數據中心部署 Google 的 TPU v7（Ironwood）晶片，並可能最早於 2026 年通過 Google Cloud 租用 TPU 算力。這項潛在合作具有里程碑意義，這將是 Google TPU 首次進入自身生態系統以外的超大規模數據中心。對 Meta 而言，多元化算力供應具備巨大的經濟誘因。業內數據顯示，專用 ASIC 晶片在推理任務中，可實現比 GPU 高 4 倍的成本效益，當企業計劃部署數十萬顆 AI 晶片時，這種成本差異將轉化為數百億美元的節省空間。

領先 AI 公司 Anthropic 的採購模式進一步驗證這趨勢。該公司 11 月宣佈同時與 Nvidia 簽訂價值高達 1 GW（吉瓦）的 Blackwell 及 Vera Rubin 系統長期協議，並採購 Google 最新的 Ironwood TPU。這種「多路線並行」策略背後的邏輯清晰：避免供應鏈單點風險、降低議價劣勢，並保持技術靈活性。圖像生成平台 Midjourney 改用 TPU 後，推理成本削減 65%。

GPU 與 TPU 技術對決：通用性與專用效能之爭

Nvidia 行政總裁黃仁勳強調 GPU「領先一代」的全場景優勢，並指出 Nvidia 是唯一能運行所有 AI 模型並可在所有運算場景中部署的平台。這表態突顯 GPU 的核心競爭力——通用性與 CUDA 生態系統的鎖定效應。Nvidia 的 CUDA 平台經過十餘年積累，已成為 AI 開發者的業界標準。

雖然如此，TPU 在專用領域展現壓倒性優勢。Google TPU v7 在 AI 推理任務中能源消耗降低 60-65%，並在 MLPerf 基準測試的 9 個類別中贏得 8 項。TPU 採用的脈動陣列（Systolic Array）架構，能高效串流數據而無需頻繁讀取記憶體，大幅降低延遲與能源消耗。GPU 的優勢則在於可重編程性，當演算法更新或工作負載變化時，GPU 能快速適應，而 ASIC 則需重新設計。

投資機構花旗銀行預測，到 2028 年 AI 加速器市場規模將達 3,800 億美元（約港幣 2.96 萬億元），其中 GPU 將以 75% 市場佔有率主導市場，ASIC 佔比約 25%。推理成本在 AI 模型生命週期中是訓練成本的 15 倍，預計到 2030 年推理將消耗 75% 的 AI 算力資源，市場規模達 2,550 億美元（約港幣 1.99 萬億元）。這種從訓練主導到推理主導的轉變，正是 TPU 崛起的根本驅動力。

全球算力軍備競賽：雲端服務商與地緣政治驅動

除 Google 外，全球科技巨頭正掀起自研晶片浪潮。AWS 持續改良 Trainium 及 Inferentia 系列，並設立 1.1 億美元信用計劃支援學術界使用其晶片進行 AI 研究。中國市場呈現更激進的本土化路徑。Huawei 計劃 2026 年 Ascend 910C 晶片產量增倍至 60 萬顆，整個 Ascend 產品線產量將達 160 萬顆。這場算力競賽背後，是供應鏈安全與技術主權的考量。

雖然 Nvidia 在先進封裝產能分配上仍佔優勢，但投資者正重新評估 Nvidia 的增長是否已見頂。若 Google 僅搶佔 10% 的推理工作負載，將影響 Nvidia 每年 60 億美元（約港幣 468 億元）以上的潛在收益。Omdia 預測 AI 數據中心晶片市場將從 2024 年的 1,230 億美元（約港幣 9,594 億元）增至 2030 年的 2,860 億美元（約港幣 2.23 萬億元），但增速將從 2024 年的 250% 降至 2025 年的 67%。

企業戰略啟示：算力採購進入異構時代

這場算力革命為企業技術決策者帶來深刻啟示。首先，算力採購策略需從「單一供應商依賴」轉向「多架構組合」。企業應根據工作負載特性選擇晶片：訓練大模型、需要靈活性時選 GPU；推理、重複性任務則可考慮 TPU 以降低成本。其次，企業需關注總擁有成本（TCO）與能源效率。TPU 在推理場景中可節省 60-65% 電力消耗，對有 ESG 目標的企業尤其重要。

第三，評估軟件生態系統的遷移成本。CUDA 雖強大，但 PyTorch/XLA、JAX 等開源框架正降低遷移障礙。對中國企業而言，在地緣政治風險下，Huawei Ascend 等本土方案的戰略價值超越純粹效能考量。

展望未來，AI 晶片市場將從 GPU 壟斷走向「競爭性多元」。這不是 GPU 的終結，而是算力供應體系的成熟化。企業將根據成本、效能、靈活性的權衡，在 GPU、TPU、Trainium 等選項間靈活配置。對投資者而言，重點應從「誰會取代 Nvidia」轉向「誰能在異構生態中佔據關鍵節點」。這場算力革命的結局，很可能是共存而非零和遊戲。

資料來源:
CNBC
AI News Hub
Anthropic
AI Stack
Omdia

 

read more
IT 基建資訊保安雲端服務

AWS 強化雲端韌性：Route 53 新功能承諾 US-East-1 故障期間 60 分鐘恢復 DNS 控制

by anskar on IT 基建資訊保安雲端服務 aws dns Route 53 災難復原 雲端服務

AWS 於 2025 年 11 月 26 日宣布推出 Route 53「加速復原」（Accelerated Recovery）新功能。這項功能承諾在美國東部維珍尼亞區域（US-EAST-1）發生服務中斷時，企業可在 60 分鐘內恢復 DNS 記錄管理能力。此創新功能直接回應了一個月前該區域長達 15 小時的大規模故障事件，當時導致數百萬個應用程式陷入癱瘓。新功能免費提供，專為銀行、金融科技及 SaaS 等受監管行業設計，讓企業即使在區域性災難期間，仍能調整 DNS 設定、配置備援資源或重新導向流量。

十月教訓催生技術突破

2025 年 10 月 19 日晚間 11 點 49 分（太平洋時間），AWS US-EAST-1 區域內部 DNS 系統崩潰，導致該區域所有六個可用區域（Availability Zones）同步失效。這次事故暴露了一個致命盲點：即使企業將工作負載分散至多個可用區域，當區域層級的 DNS 服務故障時，所有防護措施形同虛設。根據 Ookla 統計，事故發生後兩小時內湧入超過 400 萬次故障通報，影響包括 DynamoDB、Lambda 等核心服務的端點解析。AWS 資深解決方案架構師 Micah Walter 坦承，受監管行業客戶明確表達需求：「他們需要確信能在意外的區域性中斷期間進行 DNS 變更，以便迅速配置備援雲端資源或重新導向流量」。

這次故障最令人挫折之處，在於 Route 53 的全球分散式資料平面（Data Plane）實際上持續正常運作，DNS 查詢解析、健康檢查及自動故障轉移功能均未中斷。問題核心出在控制平面（Control Plane）：企業無法修改 DNS 記錄、無法調整路由政策、無法配置新基礎設施。有外媒報導指出，對於所有服務部署在 US-EAST-1 的企業而言，這 15 小時處於「徹底無助狀態」。

跨區域自動故障轉移機制運作原理

加速復原功能的技術核心，在於將公開託管區域（Public Hosted Zone）的副本，從 US-EAST-1 主要區域複製至俄勒岡州的 US-WEST-2 區域。當 AWS 偵測到維珍尼亞區域服務長時間無法使用時，系統會在 60 分鐘內自動執行故障轉移，將控制平面操作重新導向至俄勒岡區域，過程完全無需人手介入。在故障轉移期間，企業可繼續使用相同的 Route 53 API 端點執行關鍵操作，包括 ChangeResourceRecordSets（變更記錄集）、GetChange（查詢變更狀態）、ListHostedZones（列出託管區域）及 ListResourceRecordSets（列出記錄集）。

AWS 技術文件特別警示一個關鍵風險：「擱置變更」（Stranded Changes）現象。在故障轉移發生前，若 API 已回傳 HTTP 200 確認接收 DNS 變更請求，但維珍尼亞區域隨即故障，這些變更將滯留在主要區域無法傳播至全球資料平面。企業必須透過 GetChange API 檢查變更狀態是否為「PENDING」，並在故障轉移完成後手動重新提交。當主要區域恢復後，系統會自動執行故障回復（Failback），但未重新提交的擱置變更將被永久捨棄。

DNS 行業競爭格局與合規壓力

AWS 此舉正值 DNS 服務市場競爭白熱化之際。根據 2025 年最新評測，Cloudflare DNS 在全球平均回應時間為 10 毫秒，持續領先 Google DNS 的 20 毫秒。Cloudflare 的 1.1.1.1 服務提供內建惡意軟件防護與家長控制功能，而 Google DNS (8.8.8.8) 則主打可靠性與廣泛採用率。然而 AWS 的差異化策略聚焦於控制平面韌性，這正是 2025 年 10 月事故揭露的行業痛點。

受監管金融機構面臨的合規要求格外嚴苛。根據 AWS 金融服務合規框架，銀行業必須遵守 GDPR、PCI-DSS 等法規，資料儲存與處理流程需符合嚴格稽核標準。Infoblox 研究顯示，使用單一跨雲端 DNS 解決方案的企業，網絡錯誤減少 75%、雲端故障減少 44%，且故障修復時間縮短 38%。DNS 被視為企業的「心跳服務」：一旦失效，整個網絡及其連接的所有裝置將陷入癱瘓。

香港與亞太區企業的策略啟示

對香港及亞太區企業而言，這項功能帶來重要啟示。HKT Enterprise 早在 2019 年即提供業務持續性解決方案，強調快速部署以減少營運中斷。然而多數企業仍依賴單一區域架構，未充分準備跨區域災難復原計劃。DNS 專家建議，若需要有效的故障轉移能力，TTL（存活時間）應設定為 60 至 300 秒的低數值，確保 DNS 記錄更新時變更能快速生效。

雲端災難復原解決方案的關鍵特性包括：自動化 DNS 更新、N:1 拓撲（平時保持復原伺服器離線以降低成本）、以及跨平台相容性。對金融機構而言，維持跨環境的一致安全與合規態勢至關重要。AWS 的加速復原功能簡化了這一流程，但企業仍需進行嚴謹的災難復原演練，驗證故障轉移程序在高壓情境下的可靠性。

零成本部署與未來趨勢

企業可透過 AWS 管理主控台、CLI、SDK 或基礎設施即程式碼工具（如 CloudFormation、CDK）啟用加速復原功能，整個啟用過程可能需時數小時。AWS 強調此功能完全免費，無額外費用，目前僅支援公開託管區域，私有託管區域暫不適用。CloudFormation 用戶可自動追蹤 DNS 變更的複製狀態，利用 GetChange API 確認變更達到「INSYNC」狀態後才完成更新，若維珍尼亞區域故障，只需重試相同操作即可在故障轉移完成後重新提交變更。

這項功能標誌著雲端服務供應商從「追求極致可用性」轉向「承認現實並提供具體 RTO 保證」的策略轉變。當企業面對 10 月份那種災難性事故時，60 分鐘的復原時間可能意味著數百萬美元（約數千萬港元）營收損失與數十萬美元（約數百萬港元）成本的差異。未來企業架構師在設計多雲或混合雲策略時，DNS 控制平面的韌性將與資料平面的可用性同等重要。對於依賴 AWS US-EAST-1 部署關鍵業務的企業，啟用加速復原功能已不再是選項，而是確保業務持續性的必要投資。

read more
IT 基建人工智能企業趨勢業界消息

科技巨頭 AI 人才爭奪戰：NVIDIA 承諾零裁員背後的產業變革

by Pierce on IT 基建人工智能企業趨勢業界消息 ai google Meta NVIDIA 人力資源


科技巨頭 AI 人才爭奪戰：NVIDIA 承諾零裁員背後的產業變革

NVIDIA 行政總裁黃仁勳在 2025 年 11 月的全體員工大會上明確宣示，將全力推動員工使用 AI 工具，同時承諾不會因 AI 應用導致任何裁員。此聲明打破科技界普遍存在的「AI 取代論」焦慮，NVIDIA 上季新增數千名員工，目前仍有約 1 萬個職缺待補，總部停車位甚至因此變得緊張。黃仁勳在會議中直言批評部分管理層限制 AI 使用的做法是「瘋狂行為」，強調 AI 是提升生產力的關鍵，而非威脅。

NVIDIA 逆市擴張：從 2.96 萬到 3.6 萬人的成長軌跡

NVIDIA 員工規模由 2024 財年結束時的 29,600 人，增至 2025 財年的 36,000 人，年增長率達 21.6%。這項擴張與公司營收表現高度相關：2025 財年營收達 1,305 億美元（約港幣 1 兆 179 億元），按年增長 114%，當中 AI 與數據中心業務是核心驅動力。黃仁勳在會議中透露，公司已於台北和上海設立新辦公室，並在美國興建兩座新設施。根據第三方數據，NVIDIA 在 2025 年發布超過 3,000 個職缺，涵蓋工程、營運與創意部門，11 月更攀升至 4,000 個活躍職位，創 3 年新高。數據證明，AI 技術發展不但未減少就業機會，反而催生大量高技能崗位需求。值得留意的是，黃仁勳強調招聘速度需與新員工融合能力同步，顯示公司重視組織文化的可持續發展。

矽谷新標準：AI 技能由加分項變為必考題

Meta 於 2025 年 11 月宣布，從 2026 年起將「AI 驅動影響力」納入績效評估核心指標，員工需展示如何運用 AI 提升個人產出或建構團隊工具。該公司人力資源總監 Janelle Gale 在內部備忘錄中表示：「當我們邁向 AI 原生未來，期望能認可那些協助我們更快抵達目標的人才」。Microsoft 高層於 2025 年 6 月明確告知管理層：「使用 AI 不再是選項」，Google 行政總裁 Sundar Pichai 也強調 AI 對於領導 AI 競賽的必要性。根據 Dice 就業報告，截至 2025 年 9 月，美國 50% 的科技職缺要求具備 AI 技能，較 2024 年 9 月激增 98%。這轉變反映出產業共識：AI 不是取代人力的工具，而是衡量員工價值的新維度。PwC 2025 年全球 AI 就業晴雨表顯示，AI 高度暴露產業（如金融服務、軟件出版）的生產力增長從 2018 至 2022 年的 7% 飆升至 2018 至 2024 年的 27%，而 AI 低度暴露產業則從 10% 降至 9%。

恐懼與現實的落差：AI 正在創造而非消滅職位

雖則 41% 全球僱主計劃在未來 5 年因 AI 自動化縮減人力，實際數據卻呈現更複雜圖景。PwC 研究發現，自 2022 年生成式 AI 普及以來，AI 高暴露產業的每位員工營收增長達 3 倍，薪資增速則快 2 倍。對於「AI 會否取代我的工作」這問題，黃仁勳在 2025 年 5 月 Milken 會議上給出明確答案：「你不會輸給 AI，但會輸給懂得使用 AI 的人」。Boston Consulting Group 調查顯示，經歷全面 AI 驅動重組的企業員工對職業安全的擔憂（46%）高於低度 AI 化公司（34%），領導層的焦慮（43%）更超過基層員工（36%）。這種焦慮並非無根據：2025 年科技業已發生 342 宗裁員事件，影響 77,999 人，平均每天 491 人失業。然而 EY 2025 年工作重塑調查指出，當企業有效部署 AI 並配合完善培訓（每年超過 81 小時 AI 培訓的員工平均每週節省 14 小時），可釋放高達 40% 額外生產力。關鍵在於企業是否願意投資員工技能升級，而非僅將 AI 視為削減成本手段。

從工業革命到 AI 革命：工作模式的百年演進

回顧歷史，每次工業革命都重塑勞動市場結構。黃仁勳指出，現代資本主義將 7 日工作制演變為 5 日制，AI 時代可能催生 4 日工作週，「每次工業革命都會帶來社會行為的改變」。世界經濟論壇預測，到 2027 年科技驅動將創造 1,100 萬個新職位，同時淘汰 900 萬個崗位，淨增 200 萬個科技相關工作。然而這波轉型速度前所未見：AI 高暴露職業的技能需求變化速度較去年加快 66%（去年為 25%）。值得關注的是，NVIDIA 行政總裁認為真正 AI 受益者可能不是辦公室職員，而是電工、水管工和木匠等技術工人。他預測 AI 數據中心建設將帶來「每年增倍再增倍」的持續增長，技術工種將出現數十萬人需求缺口。這呼應 Thomson Reuters 2024 年調查結果：77% 專業人士認為 AI 將在 5 年內對其職業產生高度或革命性影響，較 2023 年的 67% 顯著上升。

企業決策的十字路口：效率工具還是增長引擎

科技巨頭推動 AI 全員化的背後，是對 AI 定位的根本性選擇。Meta 已將 AI 整合至招聘流程，允許候選人在編寫程式面試中使用 AI 工具，並推出內部激勵計劃，鼓勵員工透過 Metamate 或 Google Gemini 等 AI 助理撰寫績效評估。這種做法與傳統「AI 作為成本削減工具」的思維截然不同。EY 全球調查發現，65% 高層認為 AI 和預測分析將是 2025 年增長關鍵驅動力，53% 報告顯著生產力提升，50% 指出構思與內容生產速度加快。更激進的是，44% 的 C 級高層願意根據 AI 洞察推翻自己的決策，38% 願意完全授權 AI 工具做決定。對於員工而言，挑戰在於技能更新速度：McKinsey 預測到 2030 年，70% 工作技能將發生改變，30% 工作時數可能被自動化。NVIDIA 的做法提供一種可能路徑——將 AI 視為員工賦能工具，而非替代方案，透過持續培訓與文化建設，讓組織在技術躍遷中保持人力資本價值。

未來職場的新常態：適應力成為核心競爭力

NVIDIA 的「零裁員承諾」與全面 AI 化策略，揭示未來企業競爭新維度：不是選擇人或 AI，而是建構人機協作最佳模式。對於個人而言，這意味著終身學習不再是口號，而是職業生存必要條件——當 AI 高暴露職業的技能需求變化速度比低暴露職業快 66% 時，靜態技能組合將迅速貶值。對於企業而言，挑戰在於如何平衡自動化效率與員工發展投資：EY 數據顯示，提供充足 AI 培訓（每年 81 小時以上）的公司可獲得每週 14 小時生產力提升，遠超行業中位數。一個關鍵問題浮現：當 50% 科技職缺要求 AI 技能、Meta 將 AI 使用納入考核、NVIDIA 仍需 1 萬名員工時，下一個十年的「就業能力」將如何定義？答案或許在於：不是掌握 AI 技術細節，而是理解如何讓 AI 成為放大個人獨特價值的槓桿。

資料來源：
Fortune
Business Insider
Forbes
PwC
EY

read more
IT 基建人工智能企業趨勢

企業 AI 轉型的激進實驗：馬斯克大規模裁員讓 Grok 接管 X 平台營運

by Pierce on IT 基建人工智能企業趨勢 Elon Musk Grok xAI 人工智能 裁員


企業 AI 轉型的激進實驗：馬斯克大規模裁員讓 Grok 接管 X 平台營運

馬斯克正進行科技業最激進的 AI 轉型實驗——將 X 平台（前身 Twitter）的信任與安全工程團隊裁減至不足 10 人，相較 2022 年收購時逾 100 人的規模，裁員幅度高達 90%。這不僅是一次裁員，更是矽谷科技巨頭以 AI 全面取代人力的標誌性事件。外媒《The Information》報道，馬斯克計劃讓旗下 xAI 開發的 Grok 聊天機械人接管 X 平台的推薦演算法、內容審核及多項工程系統。這場變革核心邏輯在於：以 AI 自動化替代傳統人力，利用機器學習模型重構整個平台架構。

雙胞胎工程師主導 AI 革命

為實現這項龐大計劃，馬斯克將重任交給 xAI 兩位 33 歲烏克蘭裔雙胞胎工程師——Dima 與 Ievgin Soboliev。兩人均畢業於哈爾科夫國立大學應用數學系，擁有豐富矽谷科技公司履歷，曾效力 Meta、Google、Apple 及 OpenAI 等頂尖企業。知情人士透露，這對雙胞胎在 xAI 內部推行典型的「馬斯克模式」，要求工程師長時間在辦公室工作（包括週末），根除低效率現象，並迅速裁撤認為不必要的職位。自 2025 年夏季加入 xAI 以來，他們直接向馬斯克匯報，成為推動 Grok 改造 X 平台的核心執行者。

馬斯克的 AI 戰略不限於 X 平台。2025 年 8 月，他宣布成立「Macrohard」，一家純 AI 軟件公司，目標是用人工智能完全模擬 Microsoft 等軟件巨頭的所有產品和服務。從商標註冊內容可見，Macrohard 將涵蓋 AI 語音文本生成、程式碼撰寫、遊戲設計及圖像影片理解系統等領域。這顯示馬斯克正試圖建構「AI 優先」商業帝國，當中人類員工角色將大幅縮減。

科技業掀 AI 裁員潮

馬斯克做法並非孤例，反映整個科技產業結構性轉變。據《Silicon Valley Business Journal》報道，2025 年首 10 個月，全球科技業裁員超過 18.4 萬人，其中約 5 萬人（27.3%）裁員直接與 AI 和自動化工具實施有關。主要科技公司紛紛表示正用 AI 替代人力：IBM 計劃 5 年內用 AI 替代 30% 後勤職位（約 7,800 個崗位）；Amazon 行政總裁在內部備忘錄承認，AI 效率提升將導致公司「減少總體企業員工數量」；網上教育平台 Chegg 裁員 45%，理由是 AI 帶來的「新現實」。

Anthropic 行政總裁 Dario Amodei 向美國政府發出警告，指 AI 可能在未來 1 至 5 年內消滅 50% 入門級白領工作，令失業率飆升至 10% 到 20%。前 Google 行政總裁 Eric Schmidt 預測，一年內大部分程式設計工作將由 AI 完成。世界經濟論壇研究估計，到 2030 年，AI、機械人和自動化將取代 9,200 萬個工作崗位，雖然同時創造 1.7 億個新職位，但新舊工作並非一對一替換，技能斷層和地理錯配將成嚴峻挑戰。

平台安全隱憂浮現

馬斯克激進裁員策略已開始暴露風險。澳洲網絡安全專員發布報告顯示，自馬斯克收購 Twitter 以來，X 平台信任與安全團隊從 4,062 人削減至 2,849 人，全職內容審核團隊從 107 人減半至 51 人，專門負責信任與安全的工程師從 279 人驟降至 55 人，裁減幅度達 80%。裁員直接影響平台安全表現：用戶回報仇恨帖文的回應時間延長 20%，處理仇恨私人訊息速度減緩 70%。

更深層矛盾在於，負責平台安全團隊對 Grok 生成內容毫無控制權，形成「權責不對等」困境。當安全團隊忙於清理 Grok 生成的有害內容時，xAI 團隊可能正訓練 Grok 變得更具「創造性」。這種內部目標不一致，令平台安全問題陷入無人負責真空地帶。X 平台亦因信任與安全團隊不穩定，在推動支付服務「X Money」時遭遇監管機構阻力，因金融監管機構要求支付公司必須擁有穩定領導層和足夠員工支援客戶及打擊欺詐。

AI 雙面刃：效率與風險

McKinsey 的 2025 年職場 AI 報告指出，AI 代理已能與客戶對話並自主規劃後續行動（如處理付款、檢查存貨），為企業帶來顯著效率提升。然而 AI 驅動的內容審核系統面臨「語境理解不足」根本限制，缺乏理解細微差異能力，令 AI 系統若非過度過濾，便是放任有害內容通過。2025 年加拿大選舉前，Deepfake（深度偽造）影片在 Facebook 病毒式傳播即為一例；X 平台也因內容審核和演算法透明度不足，遭歐盟《數碼服務法》罰款。

J.P. Morgan 全球研究部門分析師 Brenda Duverce 指出，愈來愈多公司部署 AI 模型增強或取代現有員工，特別是涉及常規和重複性任務（如資料輸入和客戶服務）職位。AI 對就業影響可能在經濟衰退時期更嚴峻，在下一次經濟衰退中，AI 工具快速廣泛採用可能引發「主要由非常規認知任務組成的職業」大規模失業潮。

企業決策者的戰略思考

馬斯克 AI 轉型實驗為全球企業領導者提供重要啟示。PwC 的 2025 年全球 AI 工作晴雨表研究顯示，AI 可讓員工變得更有價值，而非更少價值，即使在高度可自動化工作中亦然。關鍵在於企業如何平衡短期成本削減與長期能力建設。過度裁減專業團隊（如信任與安全部門）可能削弱平台風險管理能力，最終導致監管罰款、用戶流失及品牌信譽受損等長期成本。

科技業分析師 Alan Cohen 表示，關稅、貿易緊張局勢和需求疲軟壓力，迫使科技巨頭在 AI 自動化本應創造新工作時大幅削減成本，結果 AI 反而取代更多現有職位。對企業而言，真正挑戰不單是工作數量變化，更是技能斷層、地理錯配及組織文化轉型。在這場 AI 革命中存活下來的企業，將是那些能夠執行「AI 無法複製」任務的團隊，這要求企業在追求自動化效率同時，保留並培養人類獨特創造力、判斷力和情境理解能力。

資料來源： The Information Business Insider CNBC IEEE Computer Society Axios

 

read more
IT 基建人工智能企業趨勢微電子業

馬斯克啟動「TeraFab」建廠計劃 Tesla AI 晶片年產能目標超全球科技巨頭總和

by Pierce on IT 基建人工智能企業趨勢微電子業 AI晶片 ElonMusk TeraFab Tesla 垂直整合


馬斯克啟動「TeraFab」建廠計劃 Tesla AI 晶片年產能目標超全球科技巨頭總和

Tesla 行政總裁馬斯克宣佈，公司已確立每 12 個月推出一款新 AI 晶片的生產節奏，目標是晶片產量最終超越所有其他科技公司的總和。此宣示意味 Tesla 正從電動車製造商轉型為半導體產業重要參與者，挑戰 Nvidia、AMD 等傳統 AI 晶片霸主地位。馬斯克透露，目前車載版本為 AI4 晶片，AI5 即將完成流片（tape out），AI6 已啟動研發。為解決產能瓶頸，Tesla 計劃建立名為「TeraFab」的超大型晶圓廠，規模將超越台積電 Gigafab 等級。

垂直整合戰略推動自主晶片產能擴張

Tesla 對 AI 晶片需求源於多元化產品線爆炸性增長。據《Bloomberg》報導，AI5 晶片將部署於 Tesla 汽車、數據中心、預計推出的 Cybercab 自動駕駛的士及 Optimus 人形機械人。馬斯克在股東會議中指出，即使整合台積電、Samsung 等 4 座晶圓廠產能，仍無法滿足公司預估需求。Tesla 目標在未來數年內達到年產 500 萬輛汽車，加上數百萬台人形機械人，每個單元需搭載多顆 AI 晶片，總需求量將達數億至數十億顆級別。

這種供需缺口促使 Tesla 採取 Apple 式垂直整合策略。投資分析平台 AInvest 指出，Tesla 透過自主設計晶片、軟件和數據閉環系統，正減少對傳統供應商依賴。與外部採購相比，自研晶片可針對全自動駕駛（FSD）和機械人控制進行專用最佳化，在成本、功耗和效能上取得優勢。馬斯克聲稱，AI5 晶片效能可比擬 Nvidia 旗艦 Blackwell 晶片，但功耗僅三分之一，生產成本不到 10%。若能實現此經濟效益，將徹底改變 AI 運算成本結構。

AI5 世代晶片規格與競爭定位分析

根據《NotATeslaApp》報導，AI5 晶片相較前代 AI4 實現技術代際躍進：運算效能提升 10 倍、記憶體容量增加 9 倍、區塊量化效能提升 5 倍。這些規格專為支援百萬輛級別自動駕駛車隊和人形機械人即時推理運算而設計。半導體產業分析師指出，Tesla 戰略性放棄自研 Dojo 訓練晶片，轉而專注於推理晶片開發，符合商業優先思維。推理晶片直接應用於終端產品，產生即時營收，而訓練晶片市場規模較小且競爭激烈。

在製程技術方面，南韓《朝鮮日報》報導，Samsung Electronics 已獲得 AI6 晶片價值 165 億美元（約港幣 1,287 億元）生產合約，將採用 2nm SF2 製程於美國德州 Taylor 廠生產。同時，AI5 晶片將由台積電和 Samsung 分別在亞利桑那州和德州廠區代工。馬斯克特別強調，Samsung 德州廠設備「技術上略為領先」台積電亞利桑那廠，這可能影響未來訂單分配。雖然兩家代工廠對設計物理轉換方式不同，但 Tesla 的 AI 軟件可在兩種晶片上完全相容運作。

值得留意，與 Nvidia Blackwell 或 AMD MI350 系列相比，Tesla 晶片屬於 ASIC（應用專用積體電路），並非通用 GPU。Nvidia 憑藉 H100、B200 等產品主導 AI 訓練市場，其 2025 年市值達 4.16 兆美元（約港幣 32.4 兆元），而 AMD 以較低價格定位競爭，MI350 推理效能較前代提升 35 倍。Tesla 差異化在於針對自動駕駛和機械人場景垂直最佳化，犧牲通用性換取極致功耗效率和成本優勢。

TeraFab 建廠計劃的技術挑戰與供應鏈重構

馬斯克在股東會議中透露，Tesla 正評估建立「TeraFab」晶圓廠可能性，規模將遠超台積電 Gigafab 概念。台積電將月產能 10 萬片以上廠區稱為 Gigafab，其亞利桑那 Fab 21 總投資將達 1,650 億美元（約港幣 1.28 兆元）。若 Tesla 之 TeraFab 成真，將需要天文數字級別資本支出和技術人才。馬斯克坦言：「即使外推供應商最佳情境，產能仍不足。我看不到其他方法滿足晶片需求量。」

然而，半導體製造複雜度遠超汽車組裝。《Tom’s Hardware》分析指出，建立先進製程晶圓廠需要掌握數千個製程步驟，涵蓋前段（FEOL）、中段（MOL）和後段（BEOL）模組，每個步驟涉及數百至數千個參數調校。這些技術累積需要數十年經驗，且無法從 IBM、Imec 等研發機構直接授權。Tesla 雖曾為 SpaceX 建立晶片供應鏈零件，但要達到 AI 晶片量產規模，唯一可行路徑是透過合作夥伴和產能擴張。

供應鏈專家指出，Tesla 多元化代工策略既是風險分散，亦是產能保障。台積電擁有成熟製程和高良率，Samsung 提供最新設備和產能彈性，而傳聞中 Intel 代工合作（18A 製程）則增加談判籌碼。這種「三足鼎立」佈局確保任一供應商出現問題時，不致癱瘓整體生產。但《Digitimes》報導警告，即使整合三大代工廠，Tesla 產能缺口依然巨大，這正是 TeraFab 計劃戰略必要性所在。

自動駕駛車隊與人形機械人驅動晶片需求爆發

Tesla AI 晶片需求驅動力來自三大應用場景。首先是全自動駕駛系統，馬斯克承諾 Cybercab 無方向盤自動駕駛的士將於 2026 年 4 月開始生產。每輛 Cybercab 需搭載多顆 AI5 晶片進行即時環境感知和路徑規劃，若車隊規模達百萬輛，單此項目年需求即達數百萬至千萬顆。其次是 Optimus 人形機械人，馬斯克預測其製造成本最終可降至 2 萬美元（約港幣 15.6 萬元），並聲稱「執行手術優於最佳人類外科醫生」、「消除貧困」。若 Optimus 達到量產，每台機械人需要運算能力將超過汽車，因其需處理更複雜運動控制和人機互動。

第三大應用是 Tesla 自有數據中心。《NotATeslaApp》報導，自公司放棄 Dojo 訓練晶片後，AI5 將同時承擔推理和訓練任務。同時，馬斯克旗下 xAI 公司正在沙特阿拉伯建設 500MW 數據中心，可能採用 Tesla 晶片。這種跨公司資源整合進一步推高晶片需求。馬斯克甚至提出「分散式超級電腦」概念，將停放中 Tesla 車隊作為運算節點，若能實現則需為所有車輛配備 AI5，總量將達數億顆級別。

產業分析師郭明錤指出，雖然馬斯克計劃聽起來極為激進，但從供應鏈動態來看其戰略屬實。Tesla 股價年初至今上漲 13.25%，反映投資者對 AI 晶片戰略具信心。馬斯克強調，這些晶片將「透過更安全駕駛拯救無數生命，並透過 Optimus 向全球提供先進醫療照護」，將技術發展與社會價值連結。

對半導體產業格局的長期影響

Tesla 晶片戰略正重塑半導體產業競爭態勢。對於台積電和 Samsung 而言，Tesla 是繼 Apple、Nvidia 後又一超級客戶，但也屬潛在長期威脅。一旦 TeraFab 建成，Tesla 可能逐步收回部分產能，壓縮代工廠市場空間。Epium 分析指出，當前全球約 90% 最先進 AI 晶片由台積電生產，這種高度集中增加地緣政治風險。Tesla 多元化佈局和自建廠計劃，呼應美國《晶片法案》推動供應鏈在地化趨勢。

對 Nvidia 和 AMD 而言，Tesla 崛起是直接挑戰。雖然 Tesla 晶片目前僅供內部使用，但其「10% 成本、33% 功耗」規格若被驗證，可能促使其他車廠和機械人公司開發專用 ASIC，侵蝕通用 GPU 市場。Nvidia 護城河在於 CUDA 軟件生態系統和 Transformer Engine 等專用硬件，但在推理應用領域，專用晶片效率優勢正逐漸顯現。這場競賽結果將決定未來十年 AI 運算技術路線：是通用 GPU 主導，還是各領域專用晶片百花齊放。

從企業戰略角度，Tesla 晶片計劃展示科技巨頭走向垂直整合典範。如同 Apple 以自研 M 系列晶片擺脫 Intel 依賴，Tesla 正透過 AI 晶片掌握核心技術主導權。這對台灣半導體產業既是機遇亦是警訊：短期內代工訂單激增，長期則面臨客戶自主化挑戰。台積電和 Samsung 需在製程技術、先進封裝（CoWoS、SoIC）等領域持續領先，才能維持不可替代性。

自主晶片生態系統重新定義汽車科技競爭力

Tesla AI 晶片戰略為全球汽車產業樹立新典範：未來競爭力將取決於軟件硬件整合能力，而非傳統機械工程。當 Tesla 每年推出新世代晶片時，傳統車廠若持續依賴外部供應商，技術代差將逐年擴大。馬斯克曾表示計劃每年生產高達 2,000 億顆 AI 晶片，此數字雖誇張但突顯其決心。隨著 AI5 於 2027 年量產、AI6 研發啟動，Tesla 正構建一個從晶片設計、製造到應用完整閉環生態系統。

然而挑戰依然艱鉅。半導體建廠週期長達 5 至 7 年，TeraFab 何時落實仍是未知數。AI5 實際效能表現、良率爬升速度、與 Nvidia 真實對比，均需等待市場驗證。對投資者而言，Tesla AI 晶片計劃既是增長動能，亦是資本支出風險。對產業而言，一場圍繞 AI 運算主導權爭奪戰已然開打。Tesla 能否如馬斯克所言「產量超越所有其他製造商」，將在未來三至五年內揭曉，並深刻影響汽車、機械人和半導體三大產業版圖重構。

資料來源： Bloomberg、 Tom’s Hardware、 NotATeslaApp、 The Chosun Daily、 Investopedia

 

read more
load more