12月23日消息，隨著美國大力發展本土晶片製造業，英特爾、台積電、三星都在積極擴大在美國的產能。其中，作為“主場作戰”的英特爾，其目前在美國本土所擁有的產能無疑是最多的。特別是英特爾位於亞利桑那州錢德勒的Fab 52 晶圓廠，無論是在製程節點的先處理程序度、技術複雜度，還是規劃產能上，都已顯著超越台積電目前在亞利桑那州的佈局。據Tom′s Hardware 援引CNBC報導，英特爾Fab 52 是一座專為未來而生的頂級晶圓廠，其核心使命是生產Intel 18A及更先進製程。為了達成這一目標，英特爾匯入兩大革命性技術：RibbonFET 全環繞閘極（GAA）電晶體：這是英特爾在電晶體架構上的重大升級，目的在提升性能並降低功耗。PowerVia 背面供電網路：通過將供電線路移至晶圓背面，解決了傳統正面供電導致的布線擁擠與壓降問題。Intel 18A 的複雜度與精細度，遠遠超過台積電亞利桑那州Fab 21 第一期N4 或 N5 製程。即使與台積電 N4P 或 第二期工程的 N3 製程相比，Intel 18A 規格依然更具領先性。已安裝4台ASML EUV光刻機，未來整個園區將擴增至15台以上對於一座先進製程晶圓廠的實力來說，往往取決於極紫外光（EUV）光刻裝置。 英特爾Fab 52 安裝了四台ASML Twinscan NXE 標準數值孔徑EUV 系統。其中至少包括一台NXE:3800E，這是ASML 目前最先進標準數值孔徑的EUV 系統。△英特爾 Fab 52 晶圓廠內的ASML EUV光刻機據瞭解，NXE:3800E 包括更快的晶圓傳輸系統、更高效的晶圓台以及更強大的光源。在30mJ/cm² 的曝光劑量下，NXE:3800E 每小時可處理高達220 片晶圓。相較之下，廠內另外三台NXE:3600D 系統在同樣曝光劑量下的產能僅為每小時160 片。英特爾計畫在亞利桑那州的Silicon Desert 園區總共部署至少15 台EUV 光刻裝置。雖然目前尚不清楚其中有多少比例會是新一代的High-NA EUV裝置，也不清楚會有多少會被分配到即將建設的Fab 62。但至少15 台EUV光刻裝置這個數字，表示英特爾擁有極大的空間來進一步擴充其產能上限。月產能4萬片生產規模方面，英特爾Fab 52 擁有強大的產能。滿負載運轉時，產能可達每周10,000 片晶圓的，換算後約為每月40,000 片晶圓。以當今產業標準來看，這是一座規模極其龐大的超大型晶圓廠。相比之下，台積電亞利桑那州Fab 21晶圓廠已經量產的一期工程只有每月20,000片晶圓的產能，因為台積電通常以約每月20,000 片為一個生產產線。這代表著，英特爾Fab 52 的單廠產能，相當於台積電Fab 21 第一期與第二期兩個產線的產能總和。產能利用率及良率挑戰儘管技術與裝置處於領先地位，但英特爾與台積電在美國的佈局策略存在顯著差異，這也帶來了不同的營運挑戰。對於英特爾來說，其高風險高回報的模式正利用Fab 52 生產Panther Lake和Clearwater Forest處理器。目前的Intel 18A 技術仍處於良率曲線的早期階段。英特爾預計要到2027 年初，Intel 18A 的良率才能達到最高水準。在此之前，英特爾可能會刻意控制CPU 的產量，這代表著Fab 52 的產能利用率在短期內將維持在較低水平，部分時間可能會處於閒置狀態。△由英特爾Fab 52製造的基於Intel 18A製程的Clearwater Forest至於台積電，通過穩紮穩打模式在美國採用的是已經過驗證的較成熟製程（如N5/N4）。這種策略使其能夠快速提升產量，並讓工廠的產能利用率迅速接近100%。因此，兩這兩種不同的佈局，顯示出英特爾在亞利桑那州扮演的是技術開拓者的角色，試圖在美國本土直接建立最尖端的技術標竿。而台積電則傾向於將已經成熟的產線轉移至美國，以確保商業運行的穩定與效率。總結來說，英特爾在亞利桑那州的Fab 52 代表了美國本土製造的最先進佈局。它擁有更先進的Intel 18A 製程、更強大的EUV 裝置群，以及兩倍於台積電一期項目的產能潛力。雖然在2027 年良率成熟之前，英特爾在產能利用率上可能無法與台積電匹敵，但Fab 52 的存在確實鞏固了英特爾做為美國晶片之王的地位。這場對決最終的勝負，將取決於英特爾能否在2027 年如期達成Intel 14A 製程獲得頭部的外部客戶的訂單。 (芯智訊)

據路透社報導，資深投資人馬特·霍爾特（Matt Holt）正式卸任新山資本（New Mountain Capital）私募股權董事總經理兼總裁一職，並啟動一項規模高達300億美元的標誌性交易。霍爾特計畫收購老東家新山資本旗下最成功的五家醫療科技公司，並將其合併到其新創立的AI醫療平台——Thoreau。這五家公司分別是：健康資料交換巨頭Datavant、AI理賠最佳化平台Machinify、精準醫療行銷商Swoop、醫療流程自動化公司Smarter Technologies 以及電子醫療記錄平台Office Ally。本次交易的核心邏輯在於“AI重塑醫療”：霍爾特的目標是，通過將這五家分佈在資料、支付和營運環節的頂尖企業整合在一起，Thoreau將建構起一個由AI驅動的全自動醫療支付與資料流轉平台，從而大幅提高醫療效率、降低成本。知情人士透露，霍爾特長期在中東地區籌集資金以支援該交易，目前英國資產管理巨頭ICG (Intermediate Capital Group) 已確定作為主要出資方。對於新山資本而言，這筆交易或許將成為其最賺錢的一筆交易：預計帶來約140億美元的綜合收益，其中包括約120億美元的現金回籠以及在新公司Thoreau中保留的股權。新山資本成立於1999年，是一家總部位於紐約的頂級私募基金和另類資產管理公司，當前管理資產規模約600億美元。據悉，這筆交易將於2026年上半年完成交割。如果成功，Matt Holt將實現從“投資人”到“企業家”的轉身，執掌一家估值300億美元的AI醫療巨頭。手握6000萬資料 美國最大健康資料商五家企業中，健康資料企業Datavant是最知名的一家。該公司於2018年從以“撿漏”聞名的藥企Roivant中分拆出來，在2021年該公司以70億美元與健康服務企業Ciox Health完成合併，正式成為美國最大的健康資料公司。目前該公司手握超過6000萬條醫療記錄，擁有超過8萬家診所、醫院及醫療系統合作夥伴，覆蓋前20大生命科學公司、100%的美國支付方。其特色連結技術可在嚴格遵守隱私標準的前提下，實現數千萬份醫療記錄的安全傳輸，且不洩露個人身份資訊。建立在海量醫療資料之上，餘下的四家企業分別在支付、行銷、院內管理、醫療帳單等方面有所專長。Machinify是通過AI簡化醫療支付流程的平台，在今年一月被新山資本收購，估值為50億美元，擁有超過5億美元的收入，服務於13個前20名支付方。專注於行銷領域的Swoop手握醫療領域最大的病友社區之一My Health Team，該社區擁有450萬慢性病和罕見病註冊會員。Smarter Technologies則是利用AI降低醫療行政成本的企業，擁有業內首套AI驅動的收入周期管理（RCM）系統，目前服務超過60多家醫院和醫療系統，處理超過4億筆交易。Office Ally是為醫療機構提供雲端清算的帳單軟體，擁有超過8萬家醫療機構客戶，每年處理超過9.5億筆交易。華爾街傳奇投資人創業 誓要重塑醫療而本次交易的主角，馬特·霍爾特（Matt Holt）與新山資本（New Mountain Capital）的故事，是一部典型的“從零到一”的華爾街傳奇。新山資本成立於1999年，由前高盛資深銀行家史蒂文·克林斯基（Steven Klinsky）創立。彼時正值網際網路泡沫巔峰，但克林斯基卻選擇了一條與眾不同的道路：避開當時炙手可熱的科技初創企業，轉而專注於“防禦性增長”（Defensive Growth）策略——即投資於經濟周期波動中仍能保持穩定現金流、具備長期結構性優勢的非周期性行業，如醫療健康、軟體、商業服務和教育等。這一理念在隨後的多次金融危機中被證明極具前瞻性。無論是2008年全球金融海嘯，還是2020年新冠疫情引發的市場震盪，新山資本憑藉其穩健的投資組合始終維持了優異的回報表現。其管理資產規模也從最初的幾億美元一路飆升至如今的約600億美元，成長為全球領先的另類資產管理公司之一。馬特·霍爾特的職業生涯幾乎與新山資本的成長史重合。1999 年，他從哈佛大學文學系畢業，最初在雷曼兄弟的併購部門磨練兩年。2001 年，年僅 24 歲的霍爾特加入了剛剛成立兩年的新山資本。Matt Holt克林斯基親自面試並錄用了霍爾特，後者展現出了超越同齡人的行業洞察力，尤其是在醫療健康這一極具壁壘的領域。在隨後的二十多年裡，霍爾特一路晉陞，從分析師到董事總經理，再到擔任新山資本私募股權業務總裁。克林斯基曾在公開場合評價霍爾特是“公司最成功的投資人之一”，他不僅負責管理該機構最核心的私募類股，還一手打造了其龐大的醫療投資帝國。在霍爾特的領導下，新山資本將醫療健康從傳統的“重資產、重監管”行業，重新定義為“效率驅動的技術服務”行業。霍爾特的策略是：不投醫院（提供者），而投讓醫院變高效的工具（技術服務）。他深信美國醫療系統的癥結在於效率低下和資料孤島。因此，在他的推動下，新山資本陸續投資了多家醫療科技公司，包括Avantor（生命科學工具商）這樣的行業標竿。經過二十多年的積累，霍爾特認為醫療行業的數位化已經到了“大整合”的關鍵階段——分散的五家公司，如果在同一個平台下利用統一的AI引擎運作，其產生的協同效應將遠超獨立運作。因此，在獲得ICG等財團的支援後，他選擇帶著這些他親手挑選、培育的“孩子”獨立，成立 Thoreau（意為從複雜中尋找簡單的真理）。這筆交易的背景，不僅僅是資本的騰挪，更是一個頂級投資人在深耕一個行業二十年後，試圖用實業家的身份，去完成他未竟的理想：利用技術徹底重塑醫療系統的底層邏輯。 (智藥局)

近日，光通訊行業市場研究機構LightCounting發佈最新關於AOC、DAC、LPO及CPO的報告。今年3月，輝達率先宣佈在其InfiniBand和乙太網路交換機中採用單通道200G的CPO技術。9月底，Meta公佈的測試資料顯示了博通前兩代CPO產品的卓越可靠性。10月，博通推出了其第三代單通道200G的CPO產品。今年12月初，由乙太網路聯盟舉辦的TEF大會上，輝達報告稱，基於CPO交換機的AI叢集在可靠性方面相比採用可插拔光模組的系統提升了10倍。如下圖所示，高可靠性轉化為叢集執行階段間5倍的提升。值得一提的是，近期，Ciena收購Nubis Communications，Marvell收購Celestial AI，進一步印證了包括亞馬遜、Meta和微軟在內的行業龍頭對CPO的高度關注。LightCounting預計2026年初將出現更多相關併購活動。目前，CPO的應用僅限於面向Scale-Out網路設計的交換機。輝達及其他公司面臨的下一個挑戰是如何將Scale-Up互連突破單個機架的限制。將GPU叢集從128-144顆晶片擴展到500-1000顆，是加速AI訓練的最佳路徑。甚至在未來3年內，推理叢集也可能需要多達1000顆GPU以支援更大規模的模型。目前，亞馬遜正使用AEC在兩個機架之間互連Trainium加速器（每個機架32顆XPU），但這種方案可能難以擴展到更多機架。華為則在其縱向Scale-Up網路中採用了800G可插拔LPO光模組，每顆XPU最多連接18個LPO。對於4-8個機架組成的系統而言，若需實現數萬個高速互連，CPO可能是唯一可行的選擇。因此，LightCounting上調了CPO的市場預測，涵蓋用於Scale-Up場景、傳輸距離小於50米的1.6T和3.2T連接埠。下圖對比了可插拔乙太網路光模組（含AOC、ACC、AEC和DAC）與CPO（僅包含100G及以上速率產品）的市場情況。LightCounting預計，博通和輝達都將在2026年推出整合CPO的Scale-Up交換機、GPU或XPU。Marvell也將利用收購來的Celestial AI技術推出類似產品。這些產品的出貨將於2027年開始。到2030年，包括Scale-Up和Scale-Out場景的CPO引擎的市場規模預計將達100億美元，CPO連接埠出貨量接近1億個。 (半導體芯聞)

隨著各家大廠持續進行資本支出、AI競爭白熱化，市場目前盛傳兩種主流觀點，一是TPU和ASIC作為GPU替代方案崛起，使輝達（NVIDIA）護城河遭到侵蝕；另一個是Google逆襲，透過AI模型Gemini取得市佔和主導AI搜尋，最終將擊敗OpenAI。根據外媒siliconANGLE的看法，上述兩種說法都嚴重誇漲，且不一定如市場所想。理由之一是輝達將持續精進其GB300和後續Vera Rubin架構，可維持領先出貨並不斷降低成本，成為迄今最具成本效益的平台。至於Google則在壯大的同時面臨一種「創新者困境」。報導稱，由於Google搜尋業務與廣告營收高度繫結，一旦Google將廣告模式轉向類似聊天機器人的體驗，單次搜尋查詢的服務成本將暴增至原來的100倍；再者，Google必須將商業模式轉向更高度整合的購物體驗，必須連結使用者與廣告主，但即便Gemini近期取得一定成功，Google仍不具備這樣的信任基礎。相比之下，OpenAI核心在於強調可信資訊，而非推送廣告，仍有其優勢。為何TPU難以打破輝達AI護城河？該報導認為，TPU核心問題不在是否為「好晶片」，而是架構能否適配AI下一階段的發展需求。TPU是因頻寬昂貴且稀少而誕生，適合低頻寬需求的AI任務，但隨著模型規模擴大與工作負載多樣化，逐漸在擴展性等方面遇到限制。目前領先AI訓練走向為「高頻寬與大規模擴展」而改善的系統架構，並且支撐GPU工廠，這要讓大量加速器彼此連接，並長時間維持高效運轉。輝達護城河來自其端到端、為高頻寬、大規模擴展與可持續利用率而打造的整體架構，也是邁向AI工廠、大規模生產基礎設施時，最關鍵的決定因素。此外，不管是TPU等AI晶片都受制於先進封裝產能瓶頸，輝達除了掌握一定產能外，還持續推進GB200、GB300到Rubin的架構，並改善交換技術與整體系統設計，可說更有優勢。該報導認為，在供應受限的環境下，超大規模雲端業者勢必採取混合架構策略。以Google為例，它會在適合的地方使用TPU，但難以全面取代GPU。此外，像Google這樣的主要超大規模業者，不太可能大規模對外銷售自家專有加速器，讓其直接競爭對手形成真正的外部市場。該報導指出，「TPU走向開放市場」更合理的解釋是生態系夥伴（例如博通）以及Meta等公司在當前環境下尋求任何優勢所帶來的壓力，而非Google有意成為真正的商用晶片供應商。與OpenAI的競爭？ Google 可能面臨「自我顛覆」困境該報導認為，Google困境在於如何以不損害其獲利引擎的前提下，讓主導模式過渡到更完善的模式。雖然Google獲利引擎建立在與搜尋行為掛鉤的廣告變現上，但如果互動模式轉向ChatGPT式的體驗，要更豐富的答案、更長的會話和更耗費運算資源的回應，會使成本結構發生巨大變化。「Google只會自我顛覆！」該報導認為，Google忽略了最重要的限制因素，即搜尋的經濟效益對Google來說是獨一無二的，從經典搜尋轉向助手式的互動模式會改變單位經濟效益，從而可能破壞盈利引擎。現階段OpenAI領先優勢明顯、 Nvidia護城河堅固該報導認為，就平台動能而言，現階段仍是OpenAI「領先一大截」，因為平台建設、開發者採用、企業使用者組合轉變以及對稀缺運算資源的掌握，目前都對OpenAI有利。從目前來看，輝達的護城河因出貨量、經驗曲線效應以及多年端到端系統工作，形成穩固護城河；OpenAI則因平台執行力及企業需求而保持領先。在這個競爭格局中，模型品質已成為基本門檻，真正的競爭焦點在於模型周邊的軟體與服務。雖然早期「Google可能顛覆OpenAI」的情境確實存在可能性，但資料與平台動態顯示，OpenAI先行者優勢正逐步轉化為更持久的競爭力，尤其隨著企業逐漸成為市場重心，加上與輝達的合作關係變得更加重要。 (半導體芯聞)

美國“收編”了全部AI巨頭。2025年末，美國能源部牽頭啟動的“創世紀計畫”在全球科技界投下了一枚戰略震撼彈。微軟、Google、輝達、OpenAI等24家科技巨頭罕見地站在同一陣線，與美國17個國家實驗室簽署合作協議，目標直指核聚變、量子計算、新材料等基礎科學領域。圖源：網路在輿論場中，這一計畫被迅速貼上“新曼哈頓計畫”“國家級 AI 聯盟”等標籤。從此，競爭不再侷限於模型參數或產品迭代，而是升級為國家科研體系之間的系統性對決。但從商業與戰略視角深究，其成功遠非一紙協議那般簡單。如何讓競爭多年的巨頭真正共享核心能力？如何讓資本市場接受長期投入的不確定性？如何保證能源與電網等基礎設施同步承載？在政治周期頻繁更迭的現實下，國家科研方向又能否保持連續性？這些，都是橫亙在雄心與現實之間的結構性難題。開啟“創世紀計畫”，美國在想什麼？從目標上看，美國“創世紀計畫”直指基礎科研效率問題。過去十多年，美國在應用層和商業化層面持續領先，但在核聚變、材料、能源等“慢變數”領域，研發周期拉長、成本攀升、成果轉化不確定性增加的問題日益突出。與此同時，大模型和算力技術在商業場景中已被證明具備顯著的效率提升能力。“創世紀計畫”的核心動機，正是在這一背景下，將高度市場化的 AI 能力重新引入國家科研體系，通過算力、模型和資料的集中使用，縮短科研試錯周期。從參與名單看，這種整合具有明顯的“全端特徵”——從輝達、AMD 等底層算力提供者，到微軟、Google的雲平台，再到 OpenAI、xAI 等模型公司，幾乎覆蓋了當前 AI 產業的關鍵節點。圖源：網路這意味著，長期在市場競爭中互為對手的科技巨頭，首次在國家意志的引導下朝同一方向協同發力。實際行動已隨之展開：Google在官方聲明中承諾，將把新一代大模型的複雜推理能力應用於核聚變電漿體模擬與新材料探索；OpenAI則向白宮提交專項報告，系統論述為何當前是推進“AI驅動科學”的關鍵戰略窗口。圖源：網路那麼，為何由能源部主導這一計畫？答案在於其不可替代的戰略資產與使命定位。能源部遠不止於管理能源——它掌控著全球頂尖的超級計算資源、積累了橫跨數十年的戰略級科研資料，並長期承擔核聚變、高能物理、材料老化等周期長、成本高、商業化難度大卻具有重大國家意義的科研任務。這些領域，恰恰是新一代計算技術最能發揮價值的戰場。但需要注意的是，這並不意味著科技公司“被收編”。更現實的理解是：國家需要能力，企業需要場景、訂單和長期需求，兩者在當前階段形成了階段性重合。而對於體系外的參與者而言，一道由技術、資料、生態共同構築的屏障，正在地平線上迅速隆起，以後AI科技公司的差距將會越來越大。中國也有“曼哈頓計畫”？有不少人將美國“創世紀計畫”稱為AI時代的曼哈頓工程，這個類比，既對，也不對。對，是因為它們都體現了國家意志對科技命運的終極干預；不對，是因為這次與以往截然不同——它更開放、更市場化，也更具系統性野心。但無論無痕，美國已經將AI競賽從“企業級”拉升至“國家級生態”維度，對其他國家形成體系化壓力。圖源：網路恰在此時，國際輿論場上也出現了一個“中國的曼哈頓工程”。路透社近期一篇關於中國晶片和光刻機發展的報導，恰成為觀察西方敘事框架的典型案例。報導通過大量匿名信源、具體技術參數和人事細節，建構起一套看似嚴謹的邏輯鏈條——將正常的科技攻關與人才流動，暗示為依賴“逆向工程”甚至灰色地帶的封閉行動。然而，真正的技術創新遵循著完全不同的邏輯。正如觀察網深度分析所指出的，科技上升的核心挑戰從來不是拆解與模仿，而是通過自主創新積累海量資料、偵錯經驗和系統級的Know-how，並最終建構起能夠獲得全球產業鏈信任的商業化能力。沒有生態支援和商業可持續性的技術突破，最終只能停留在實驗室。圖源：網路無論是“創世紀計畫”的生態整合，還是某些西方報導刻意塑造的“中國曼哈頓工程”敘事，都在爭奪同一樣東西——對科技創新路徑的定義權與解釋權。面對這種新型競爭格局，中國的應對之道需要超越短期追趕思維。我們真正需要的，是一條建立在開放創新、生態培育與長期主義基礎上的自主發展路徑，而非任何急功近利的“捷徑”敘事。這條路徑的起點，首先在於對自身基礎能力的清醒審視：我們的AI基礎設施能否支撐國家級科研系統的算力需求？產學研之間是否存在高效協同機制？資料與算力資源能否實現安全可控的共享與開放？如果說過去幾年我們集中力量追趕基礎模型能力，那麼未來的競爭將更多聚焦於 “科研生態與制度設計的適配性” 。這不是一場短跑，而是一場關於體系韌性的馬拉松。圖源：網路中國的優勢與挑戰同樣鮮明。我們擁有集中力量辦大事的制度優勢，以及全球最完整的產業鏈基礎。在需要大規模資源整合與長期投入的戰略領域，這一優勢可能轉化為獨特的攻堅能力。但同時，必須清醒看到的是，中國的科技生態存在結構性挑戰。相較於美國“創世紀計畫”中從晶片、雲到模型的全端巨頭聯盟，我們的頂尖科技公司仍更多聚焦於應用創新與商業模式。這種“應用強、基礎弱”的格局，在短兵相接的應用戰場上或許遊刃有餘，但在瞄準十年甚至更長遠的基礎科學攻堅中，可能暴露出後勁不足的風險。圖源：網路如何在發揮制度優勢的同時，培育基礎研究的深厚土壤，建構可持續的創新生態，將是中國在這場新型科技競爭中需要回答的核心命題。計畫成功需要什麼因素？當然，美國“創世紀計畫”也並非完美無缺。儘管24家科技巨頭的陣容堪稱空前，但這艘承載著國家野心的航船，正駛向一片充滿暗礁的未知海域。讓輝達、AMD、微軟、Google這些長期在市場上刀兵相見的對手真正同舟共濟，其難度不亞於馴服獅群共拉一駕戰車。不同的技術路線、商業邏輯與企業文化，構成了協作的第一道高牆。更深層的是資料與信任的壁壘。國家實驗室掌握著涉及國家安全的核心資料，而科技公司則視其AI模型為命脈。如何在不洩露機密、不損害商業競爭力的前提下，建構一個安全、可信的資料共享空間與智慧財產權框架？這需要一套前所未有的精細規則。圖源：網路資金的耐心是另一重考驗。核聚變、量子計算等終極目標，回報周期以十年計，但參與計畫的巨頭們每個季度都必須面對華爾街審視的目光。如何讓資本市場為這場高風險、長周期且成果不確定的國家豪賭保持“戰略耐心”？這需要超越傳統財報的創新敘事與估值邏輯。然而，最根本的制約或許來自物理世界本身。雄心勃勃的算力藍圖，需要同樣宏大的能源基礎設施作為底座。近期舊金山的大規模停電事件，像一記刺耳的警鐘——當Waymo的無人車隊因斷電事件而癱瘓在街頭，它揭示了一個殘酷的現實：再先進的AI，在老化脆弱的電網面前也同樣脆弱。圖源：網路算力的指數級增長，正與電網的升級速度賽跑。“創世紀計畫”若不能與國家級的能源戰略深度繫結，其宏偉願景恐將淪為算力“無源之水”的空中樓閣。政治周期的干擾則是懸在頭頂的達摩克利斯之劍。如果國家科研的方向隨著每屆政府的更迭而搖擺，如果長期項目淪為短期政績的裝飾，那麼真正的科學突破必將被犧牲。成功的“創世紀”，需要的是低政治噪音、高科研連續性、超越選舉周期的十年視野。“創世紀計畫”最終的成敗，將不取決於任何單項技術的突破，而取決於美國能否克服其內部根深蒂固的頑疾：科技巨頭的各自為政、資本市場的短期逐利、政治周期的搖擺干擾。圖源：網路如果成功，它將探索出一條“國家主導、企業主演”的全新科技攻堅路徑；如果失敗，它也可能因內部消耗與官僚主義，淪為一場耗資巨大的華麗表演。這場整合實驗的難度，或許比其目標所指向的科學難題，更加深邃。 (首席商業評論)

每年秋季，全球知名研究機構 Gartner 都會發佈下一年的十大戰略技術趨勢報告，這份報告已成為企業 CIO 和技術領袖規劃未來的重要參考。近日，Gartner正式發佈了《2026年十大戰略技術趨勢》，指出 2026 年將是技術變革的關鍵轉折點——顛覆、創新與風險以前所未有的速度平行，AI 不再是可選，而是核心驅動力。這份報告強調，在一個AI驅動的高度互聯世界中，單一技術能力已不足以應對複雜挑戰。趨勢之間緊密交織，企業需要同時關注基礎設施建構、智能系統編排以及安全信任治理。Gartner將十大趨勢歸為三大主題：架構者（建構強大AI基礎）、整合者（智能應用與協作）、守衛者（價值保護與風險管理）。這些趨勢不僅技術性強，更關乎業務轉型與負責任創新。下面，我們用通俗語言一一解讀這十大趨勢，幫助大家理解它們是什麼、為什麼重要，以及對企業和普通人的影響。1. AI 原生開發平台傳統軟體開發依賴大團隊和專業編碼人員，未來將徹底改變。AI 原生開發平台 利用生成式 AI，讓小團隊甚至非技術領域的專家快速建構應用，只需AI輔助和安全護欄。到 2030 年，80% 的企業將把大型開發團隊轉變為 AI 賦能的敏捷小隊。這大大降低開發門檻，加速創新落地，讓更多業務想法變成現實，但也需要注重治理以避免風險。2. AI 超級計算平台AI 超級計算平台像是一個超級大腦，能整合 CPU、GPU、AI 專用晶片甚至神經形態計算，處理海量資料和複雜任務。它能在醫療領域幾周內模擬新藥、金融領域最佳化風險模型，或公用事業預測天氣最佳化電網。到 2028 年，超過 40% 的領先企業將在關鍵業務中使用這種混合計算架構。它推動效率和創新，但企業需管理成本和複雜性。3. 機密計算資料隱私越來越重要，尤其在雲端或跨境合作中。機密計算通過硬體級隔離，確保資料處理過程不被窺視，即使在不可信環境中也安全。特別適合監管嚴格的行業，如金融或醫療。到 2029 年，75% 以上的非可信基礎設施操作將採用它。這讓企業更放心共享資料，促進協作，同時提升合規性。4. 多智能體系統就像一個AI團隊，多個代理互相協作完成複雜任務。多智能體系統讓每個代理專注特定角色，通過互動實現整體目標，比如在供應鏈中預測需求並最佳化物流。這種模組化設計可復用、降低風險、加快交付。它將自動化業務流程，提升團隊效率，讓人與 AI 更好合作，雖無具體預測，但將成為 2026 年主流。5. 特定領域語言模型，DSLM通用大模型強大，但專業場景常不夠精準。特定領域語言模型，DSLM基於特定行業資料訓練，如醫療或製造，提供更高精準性、合規性和更低成本。到 2028 年，企業一半以上的生成式 AI 模型將轉向領域特定。這意味著AI會更“專業”，決策更可靠，適用於需要深層上下文的代理系統。6. 物理 AIAI不再侷限於數字世界，而是融入現實。物理 AI為機器人、無人機和智能裝置注入感知、決策和行動能力，比如工廠機器人自主適應環境，或農業裝置精準操作。它將革新製造業和物流，但要求跨IT、營運和工程的新技能。雖無具體預測，但這會推動自動化，提升安全和效率，同時需管理就業影響。7. 前置式主動網路安全過去的安全是事後補救，未來是提前防範。前置式主動網路安全用 AI 預測威脅，在攻擊前阻斷或誤導敵人。到 2030 年，這類主動防禦將佔企業安全支出的一半。它從被動轉向主動，大幅減少損失，尤其在 AI 時代威脅激增的環境中，幫助企業保護網路、資料和系統。8. 數字溯源AI 內容氾濫，如何證明真實性？數字溯源通過軟體物料清單、數字水印等追蹤來源和完整性，驗證軟體、資料和媒體。到 2029 年，未投資此領域的企業可能面臨數十億美元的合規罰款。它建構數字信任，特別在供應鏈和媒體領域，確保第三方程式碼和AI輸出可靠。9. AI 安全平台隨著 AI 應用增多，風險如提示注入或資料洩露也隨之而來。AI安全平台提供統一監控和防護，覆蓋第三方和自訂 AI，強制執行策略。到 2028 年，超過 50% 的企業將採用它。這幫助 CIO 建立安全邊界，保護 AI 投資，避免潛在漏洞。10. 地緣回遷地緣政治不確定性上升，企業開始將資料和應用從全球公有雲遷回本地或主權雲。地緣回遷增強資料主權、合規和控制，贏得客戶信任。到 2030 年，歐洲和中東 75% 以上的企業將完成回遷，從 2025 年的不到 5% 大幅增長。反映出企業在動盪世界中尋求穩定。總結Gartner2026 年十大趨勢清晰傳遞一個訊號——AI 正重塑一切，從計算基礎到物理世界，從開發效率到安全治理。企業如果現在行動，就能抓住創新浪潮。建議企業領袖盡快評估自身準備度，投資關鍵領域，推動負責任的 AI 轉型。未來已來，你準備好了嗎？ (AI資訊風向)

12月24日消息，半導體大廠英特爾（Intel）近日展示了其在先進封裝領域的最新研發成果，推出一系列以Intel 18A 與Intel 14A 等先進節點製程的多芯粒（Multi-chiplet）產品概念。不僅展現了英特爾在Foveros 3D 與EMIB-T 先進封裝技術上的突破，更傳遞出其希望在高性能計算（HPC）、人工智慧（AI）及資料中心市場與台積電的CoWoS 封裝技術一決高下的信心。英特爾本次技術展示的核心在於其精密且具高度擴展性的先進封裝構架。根據資料顯示，英特爾將利用Intel 14A-E 節點製程提供突破性的邏輯性能，該製程同時採用了第二代RibbonFET電晶體與全新的PowerDirect 技術。而在基礎晶片部分，則採用Intel 18A-PT 製程，這是首款採用背面供電技術的基礎晶片，能顯著提升邏輯密度與電力供應的可靠性。此外，為了達到極致的垂直堆疊目標，英特爾還匯入了Foveros Direct 3D 技術，通過極細間距的混合鍵合（Hybrid Bonding）進行精密3D 堆疊。而在多芯粒互連方面，新一代的嵌入式多晶片互連橋接（EMIB-T）技術加入了矽穿孔（TSV）技術，可提供更高的頻寬，並整合更大規模的晶片組。另外，英特爾還在展示視訊中披露了兩款極具前瞻性的概念設計，展現了其超越傳統光罩限制（Reticle Limit）的技術實力。其中在中階解決方案方面，可配備4個計算晶片與12個HBM。至於在旗艦解決方案方面，則是將規模擴大到16個計算晶片與24個HBM ，並可配置多達48個LPDDR5X 控製器，極大化AI 與資料中心工作執行所需的記憶體密度。而且，這些設計採用了類似“Clearwater Forest”的構架，其基礎晶片負責搭載SRAM，並通過Foveros 3D 技術將頂層包含AI 引擎或CPU IP的計算晶片堆疊在上面。記憶體支援方面，英特爾強調其封裝方案能無縫相容目前的HBM3/HBM3E，以及未來的HBM4、HBM5 等新一代標準。根據市場的分析，英特爾這次一系列展示動作，無疑是向台積電發出挑戰。台積電目前已規劃9.5倍光罩尺寸的CoWoS 解決方案，並結合A16 製程，以及超過12個HBM4E （通過CoWoS-L）。然而，英特爾表示，其封裝構架具備超過12倍的光罩尺寸，顯示在規格上有意超越台積電。英特爾還特別強調，雖然Intel 18A 製程主要用於其內部產品，但Intel 14A 節點製程則是專為外部客戶設計的。因此，英特爾目前正積極與產業夥伴建立多元生態系，目的是提供更快的上市時間與更具韌性的供應鏈。儘管英特爾過去在先進封裝領域早有建樹，例如被視為工程奇蹟的Ponte Vecchio 晶片，但受限於良率問題與研發延遲，該產品並未取得商業化上的成功，隨後如Falcon Shores 等多項計畫也遭取消。因此，目前英特爾正試圖憑藉Jaguar Shores，以及備受期待的Crescent Island AI GPU 捲土重來。對英特爾而言，真正的考驗在於能否成功爭取到第三方客戶的訂單。尤其在Intel 14A 技術與先進封裝解決方案的加持下，英特爾似乎已準備好重新回歸晶圓代工市場的頂尖賽局。 (芯智訊)

據韓聯社報導，SOCAMM2 競爭升溫，三星已經向輝達交付了 SOCAMM2 的樣品，2026 年初會擴大該產品的產能。SOCAMM2（小型輪廓壓縮附加記憶體模組）每個模組包含四個LPDDR模組，大幅提升頻寬、降低功耗。其模組化設計便於更換和升級，無需直接銲接LPDDR到主機板上。這種技術和HBM都是為高性能場景（比如 AI 晶片）設計的記憶體方案，只是技術路徑不同 ——HBM 走 “堆疊提頻寬”，SOCAMM2 走 “整合 LPDDR 提能效 + 靈活性”，而輝達是當前這兩種技術的核心需求方。韓聯社報導，除了輝達以外的其他主要客戶也對SOCAMM2表現出強烈興趣，美光等儲存廠也在跟進這一技術。SOCAMM2預計將為NVIDIA的下一代AI晶片Vera Rubin提供動力。與此同時，ZDNet表示三星SOCAMM2預計將在2026年初全面進入量產，並補充說該模組基於1b（第五代10nm級）DRAM 開發，目前正在進行質量測試。 (銳芯聞)