feature picture
shutterstock

股價來到半世紀低點!曾主宰晶片市場 20 年的 Intel 怎麼了?

李岱君
2024-09-16
撰文 李岱君
已完成
已取消
分享
收藏
已完成
已取消

全球知名 IC 大廠英特爾(Intel)曾是美國最大、最有價值的晶片公司,但近年市值節節衰敗,2024 年初至今股價跌了 42%,來到半世紀以來最低點;Q2 也虧損 15 億美元,8 月更宣布裁員 1 萬 5000 人,還爆出產品品質有問題。為什麼在半導體、AI 大熱的時代,當年首屈一指的晶片巨頭卻無法乘風而起?

發明 DRAM、Wintel 聯盟:1970 年代的英特爾,是「創新」代名詞

回首 50 年前,英特爾是科技史上的傳奇公司,創辦人羅伯特.諾伊斯(Robert Noyce)跟高登.摩爾(Gordon Moore)都在半導體占有一席之地,諾伊斯是 IC 晶片的發明者,而摩爾則提出了積體電路可容納的晶體數目每隔 18 到 24 個月便會翻倍的「摩爾定律」。

除了 IC 和摩爾定律,英特爾在 1970 年發明了動態隨機存取記憶體(DRAM),推出了世界上第一款 DRAM 晶片。DRAM 是當時最賺錢的半導體產品,讓英特爾成為全球記憶體市場的領導者。然而,隨著日本企業在 1980 年代初期崛起,英特爾的 DRAM 業務逐漸被超越,時任執行長安迪・葛洛夫(Andy Grove)展開改革,大膽裁撤記憶體部門,全速進攻微處理器。

延伸閱讀:打造「英特爾風範」、影響延續至今的葛洛夫是誰?解密英特爾傳奇 CEO 的經營哲學

英特爾的微處理器以 x86 架構為核心,可運行複雜計算,1980 年代,IBM 將英特爾的微處理器放到個人電腦中,讓英特爾的晶片成為主流,再加上和微軟(Microsoft)的 Windows 系統聯合成「Wintel 聯盟」。那時,英特爾就是創新的代名詞,憑藉著微處理器與 x86 架構,在 1990 年代的個人電腦和伺服器的市場,市占分別達到 80% 和 90%,主宰市場長達 20 年。

拒絕 iPhone、緊守高市占產業,錯失手機與 AI 晶片市場

正是因為當年的風光,讓英特爾「死於安樂」——他們只專注精進在既有晶片業務,不積極創造新產品,因此錯過了智慧型手機的晶片市場,以及 AI 商機。

英特爾的第一個錯誤決策,是拿下了蘋果(Apple)電腦晶片的訂單,卻拒絕幫 iPhone 製造晶片。 2005 年,當蘋果打算研發首款 iPhone前,創辦人史帝夫.賈伯斯(Steve Jobs)登門拜訪希望能和英特爾合作開發晶片,英特爾還是認為訂單價格太低、出貨量有限,預估產值不大而婉拒。然而,當蘋果及高通(Qualcomm)等晶片設計公司發現 ARM 架構(一種簡化的處理器設計,讓設備在消耗較少電力的情況下達到更好的性能)更省電,也更適合裝在手機上後,讓同為處理器架構的競爭對手安謀(ARM)有機會壯大。

從現在的數據往回看,蘋果在 2007 年推出首部 iPhone,到了 2010 年,手機的總出貨量已超越個人電腦,英特爾錯失了手機晶片市場。

緊守高市占、高產值的市場不放,對其他新興市場不屑一顧的的企業心態,也讓英特爾錯過了發展 AI 必備的運算晶片 GPU。其實,憑藉當年資本,英特爾若要砸錢在 GPU 並不困難,但他們堅信個人電腦與伺服器的微處理器才是本業。這樣的態度,換來的是當年不被放在眼裡的競爭對手輝達(NVIDIA)、AMD 竄起,而英特爾則徹底缺席 AI 市場。

延伸閱讀:GPU 戰況分析:AMD 下戰帖、英特爾窮追,輝達能否保住龍頭地位?

努力重回世界第一:鑽研技術、改變商模、以客戶為中心

英特爾如今面臨的問題是,既有業務衰頹,也無法切進新市場。眼看江山要被 AMD、台積電瓜分,當年被迫離開的技術長派特・基辛格(Pat Gelsinger),在 2021 年回鍋擔任執行長救火,端出「IDM 2.0」策略,要讓英特爾既是晶片設計商、也是代工廠。

基辛格在接受《Digit》採訪時表示,英特爾沒有專注於建立一個代工廠,也是一大錯誤。過去近 40 年間,半導體最大的產業轉變,是專業分工。台積電的出現徹底顛覆了產業的商業模式,它只做代工,讓無廠半導體公司(fabless)可以專心研發,不用再額外投資晶圓廠,透過上下游供應鏈的整合,大幅度推進半導體的製程技術。

然而,英特爾卻固守 IDM(垂直整合製造商)模式,從設計、製造、封裝、銷售全都做,好處是能壓低成本、防止技術過於依賴其他公司,但問題就是效率低,製程追不上競業。這也讓英特爾陷入了樣樣都行但都不精通的窘況,2017 年,台積電市值就一度超過英特爾,營收也在 2023 年正式超越英特爾,成為全球第一晶圓代工廠。

基辛格首先把設計部門獨立出來,將先進製程外包出去,讓設計、代工是 2 個獨立業務,誓言要在 2025 年前推出 18A 製程,超越台積電、三星。接著大規模在美國和歐洲設立晶圓廠,希望能為 AMD、輝達、高通代工。

而他也致力重建英特爾當年「注重創新和執行力」的公司文化,他認為英特爾以技術起家,更要拾起這份精神,不追逐財報數字,而是放眼技術發展的未來,近 3 年已投入 400 億美元(約台幣 1 兆 2735 億元)設廠與開發,另藉著美國當局補助的 200 億美元(約台幣 6366 億元)建廠,期盼英特爾能重回戰場,也讓美國半導體能夠自主發展,不那麼仰賴台積電或三星。

此外,他也強調紀律跟準時交貨,基辛格指出現在大多數的英特爾產品都能夠做到提前交貨,這也顯示了英特爾想要以客戶為中心的服務理念,鞏固代工廠的名聲。

參考資料:
CNBC、TrendForce、WSJ(1)(2)(3)(4)、Challenges、The New York Times 、PCViewed、Intel、Channel futures、C&T

核稿編輯:林庭安

繼續閱讀 AI
相關文章
feature picture
經理人

AI 不只要懂數據,更要懂企業!Teradata 如何加速實現自主型企業?

2026-11-09 經理人 X 擎昊科技 X Teradata
分享
收藏
已完成
已取消

隨著生成式 AI 快速發展,AI 的角色正從回答問題、生成內容,進一步走向執行工作、參與決策,這也讓「自主型企業(Autonomous Enterprise)」成為企業數位轉型的新願景。在這樣的企業中,AI 不再只是被動等待人下指令的工具,而是可以在授權範圍內自主做出決策、執行任務,且會持續學習與優化的數位員工,而人則肩負起監督與審核的責任,確保 AI Agent 的決策與行動符合企業目標及治理要求。

然而,要實現自主型企業的願景,除了依靠強大的 AI 模型外,企業還需要掌握兩個關鍵:一是釐清自身希望透過 AI 解決哪些業務問題、達成什麼目標;二是讓 AI 真正理解企業的業務脈絡。這兩個關鍵,不僅決定 AI 能否從概念驗證(PoC)走向實際營運,更是企業朝自主型企業邁進的重要基礎。

邁向自主型企業,企業必須掌握的兩大關鍵

Teradata 首席營收長 Richard Petley 指出,企業在定義 AI 導入目標時,不能只著眼於技術是否可行,更應該從實際業務需求出發,設定明確且可衡量的成果與投資報酬。

舉例來說,金融業可能希望提高詐欺偵測率、降低風險;零售業則想要藉由個人化推薦提升轉換率與顧客體驗;製造業也許會將縮短生產週期、提升供應鏈效率列為目標。雖然不同產業對 AI 的期待各有不同,但共同點都是希望解決具體的業務問題,而不只是驗證 AI 能做到什麼。

第二個關鍵則是讓 AI 理解企業的業務脈絡。即使企業已經將所有資料集中在同一個平台,也不代表 AI 就能理解這些資料。例如,AI 可能知道某位客戶的交易金額下降,卻不知道背後究竟是受到合約條件改變、採購週期等哪一項因素影響。

換句話說,若 AI 不清楚數據背後的意義,以及企業實際的業務流程與決策依據,即便數據量再多、模型能力再強,仍難以做出適當判斷。因為真正影響企業決策的資訊,往往不只存在於數據本身,也可能藏在不同部門的作業流程、內部文件,甚至資深員工長年累積的經驗之中。

因此,企業不只要整合散落在不同系統、資料庫與文件中的數據,還必須建立資料之間的關聯,讓 AI 不只看得懂數據,更能理解數據背後的業務意義與決策邏輯。如此一來,AI 才不會像一名對公司業務一無所知的新進員工,而是能夠根據企業的實際情境做出適當判斷、執行任務。

Teradata 兩大解決方案,打造由知識與脈絡驅動的 AI

Teradata 首席產品長 Sumeet Arora 認為,邁向自主型企業是一段漸進式的轉型歷程,若能讓 AI 充分理解業務脈絡,就有機會加快轉型腳步。為此,Teradata 推出 Tera Context Engine 與 Tera Harness 兩項解決方案,協助企業打造由知識與脈絡驅動的 AI 應用,讓 AI 不只理解企業的業務邏輯,更能將這些理解運用在實際任務中。

舉例來說,歐洲某醫療研究機構運用 Teradata 解決方案及自家資料庫,開發出一套僅有 200 萬個參數的輕量化 AI 模型,可預測不同病患族群未來 10 年內的疾病發生情況,提供相關單位及早做好醫療需求與資源規劃。美國某大型醫院透過 Teradata 平台整合病患數據,進而開發出可直接在資料庫內執行的病患風險分層模型,可從病患特徵去辨識其風險程度與照護需求,讓醫師據此規劃更精準的照護計畫。

擎昊
Teradata 首席產品長 Sumeet Arora 表示,Teradata 推出 Tera Context Engine 與 Tera Harness 兩項解決方案,協助企業打造由知識與脈絡驅動的 AI 應用。
經理人

首先,Tera Context Engine 扮演的是企業知識整合與轉譯者。它能整合企業分散在四處的數據與內容,並納入內部專家長年累積的經驗,在符合數據治理規範的前提下,轉化為 AI 能夠理解與運用的企業智慧。換句話說,Context Engine 的價值不只是提供更多資料,而是讓 AI 理解資料背後的商業意涵,以及如何運用在實際情境中。

有了業務脈絡,下一步就是讓 AI 真正採取行動,這正是Tera Harness 所扮演的角色。它會結合 Context Engine 提供的知識與脈絡、企業設定的目標,如:提升客戶滿意度,讓 AI 去執行對應任務,並依據結果持續調整行動策略。而在涉及重要決策或較高風險的應用情境中,Harness 也能導入人機協作機制,由人介入決策、提供回饋,降低 AI 自主決策可能帶來的風險。

然而,當 AI 開始自主執行更多任務,企業也面臨另一項挑戰:如何在擴大 AI 應用的同時,兼顧主權 AI 與資安需求?對此,Sumeet Arora 指出,Tera Harness 支援地端、雲端及混合部署等不同 IT 架構,能夠配合資料所在位置去執行任務,企業可依據自身的治理與法遵要求彈性部署,將重要知識與商業機密留在內部可控的環境中。

此外,當 AI 開始承擔更複雜、執行時間更長的任務,如何避免因意外而導致任務中斷,也是企業相當關注的課題。為此,Teradata 在 Harness 中導入檢查點與記錄機制,倘若 AI 因意外而中斷正在執行的任務,Tera Harness 會從最近一次的檢查點接續執行,不必從頭再來,減少不必要的時間與成本浪費。同時,Harness 也具備高併發處理能力,可同時處理多個 AI 任務,提升 AI 參與日常營運的穩定性與可靠性。

從資料倉儲走向 AI 知識平台,Teradata 3.0 攜手擎昊加速企業轉型

Tera Context Engine 與 Tera Harness 的推出,不只協助企業加速 AI 應用落地,也反映 Teradata 對自身定位的轉變,正從傳統資料倉儲供應商,轉型為企業 AI 知識與 AI 執行能力的供應商,協助企業將分散的資料轉化為 AI 可理解的脈絡資訊,進而驅動智慧決策與自動化執行。

Richard Petley 進一步說明,Teradata 的發展可分為三個階段,在最初的 Teradata 1.0 時期,以軟硬體整合的資料倉儲設備為主,到 2.0 則轉向支援地端與雲端部署的現代化軟體,如今進入 3.0 階段,客戶不一定要採購整套資料倉儲解決方案,也能依需求導入 Context Engine 或 Harness。這樣的轉變,顯示 Teradata 正以更開放、彈性的合作模式,讓企業能夠在既有技術架構上導入所需的 AI 能力,而不必全面汰換原有系統。

擎昊
Teradata 攜手台灣代理商擎昊科技,結合原廠 AI 技術與在地系統整合經驗,協助企業加速 AI 應用落地,邁向自主型企業。圖中由左至右,依序為 Teradata 首席產品長 Sumeet Arora、擎昊科技總經理劉宗坤及Teradata 首席營收長 Richard Petley。
經理人

然而,再先進的技術架構,仍需要在地專業夥伴協助落地。而擎昊科技作為 Teradata 台灣代理商,不僅與原廠保持密切互動,更擁有深厚的技術實力,及豐富的企業級系統規劃、建置與整合經驗,協助企業打造穩定可靠的 IT 環境,讓 AI 應用能夠順利導入並持續運作。此次 Teradata 兩位高階管理者 Richard Petley 與 Sumeet Arora 來台,除了與企業客戶交流 AI 發展與應用需求,也攜手擎昊科技深化在地合作,共同拓展台灣市場。

面對缺工、高齡化與市場競爭加劇等挑戰,如何運用 AI 提升營運效率並強化決策能力,已是企業的當務之急,這也讓自主型企業成為未來必然的發展方向。在這條智慧轉型的路上,Teradata 將持續攜手擎昊科技,融合 AI 技術、企業知識與系統整合能力,協助企業加速 AI 應用落地,朝自主決策與智慧營運的新階段邁進。

擎昊
Teradata 首席營收長 Richard Petley 指出,Teradata 正以更開放、彈性的合作模式,讓企業能夠在既有技術架構上導入所需的 AI 能力,而不必全面汰換原有系統。
經理人
擎昊科技
Teradata

解鎖更多提問機會!

請先登入會員

會員專區

使用會員功能前,請先登入

  • 台灣首款對話式 AI 職場教練,一次提升領導力
  • 會員專享每日運勢、名人金句抽籤
  • 收藏文章、追蹤作者,享受個人化學習頁面
  • 定向學習!20 大關鍵字,開放自選、訂閱
  • 解鎖下載專區!10+ 會員專刊一次載
訂閱方案