30 秒看重點
- 事件：鴻海劉揚偉預測，明年ASIC伺服器成長將優於GPU伺服器。
- 意義：AI硬體開發進入客製化時代，追求更高效率與成本效益。
- 影響：台灣AI伺服器及晶片供應鏈將迎來新挑戰與巨大商機。
鴻海董事長劉揚偉在法說會上預言，明年專為AI設計的ASIC伺服器成長有望超車通用GPU伺服器，這不只是一句預測，更預告了AI硬體產業的新篇章，牽動全球AI基礎建設佈局，對台灣科技業更是意義非凡。
ASIC怎麼可能超越AI霸主GPU？
鴻海集團董事長劉揚偉近日在法說會上語出驚人，預測明年專為特定任務設計的「ASIC伺服器」成長速度，將超越目前AI運算主流的「GPU伺服器」。這項重磅預言不僅點出AI硬體發展新方向，更預告台灣AI供應鏈將迎來一場關鍵轉型。過往AI的輝煌，很大程度上是建立在NVIDIA所打造的GPU生態系上，GPU像是一位什麼都略懂、什麼都能做的通才，憑藉其強大的平行運算能力，成了訓練大型AI模型的不二之選。然而，隨著AI應用越來越廣泛且規模龐大，企業對於運算效率、成本控制與能源消耗的考量也日益加劇。這正是ASIC崛起的核心原因。
ASIC晶片則像是AI世界裡的「專科醫生」或「特種部隊」，它們被客製化設計，專精於某項特定AI任務，例如Google的TPU就是針對機器學習優化的ASIC。相較於GPU的通用性，ASIC在執行單一或特定類型的AI工作時，能達到更高的效率、更低的功耗，同時單位成本也可能更具優勢。過去企業仰賴GPU，除了其效能領先，更重要的是完整的軟硬體生態系支援。但現在，大型雲端服務商與AI開發者，為了降低對單一供應商的依賴，並追求極致的效能價格比與客製化彈性，開始積極投入ASIC的開發與部署。這股從「通用」走向「專精」的趨勢，正讓AI硬體市場板塊挪移。
- 近期：鴻海法說會上，劉揚偉董事長提出ASIC伺服器成長有望超車GPU伺服器預測。
- 2023年起：大型雲端服務商與AI新創開始加大對自研ASIC晶片與伺服器的投資，以優化AI基礎設施。
- 未來1-2年：預計市場對高效能、低功耗、客製化AI解決方案的需求將持續攀升，ASIC市場有望迎來爆發性成長。
台灣怎麼看這件事？
這項趨勢對「AI伺服器製造王國」台灣來說，可說是挑戰與機遇並存。台灣在全球AI伺服器製造鏈中佔據關鍵地位，無論是英業達、廣達、緯創，還是鴻海，都是各大國際品牌與雲端大廠的代工夥伴。如果ASIC伺服器需求真的大爆發，這表示台灣廠商必須具備更強大的客製化伺服器設計與生產能力，從主機板、散熱模組到機櫃整合，都需要新的技術與服務。這也可能刺激台灣IC設計服務業者（例如世芯-KY、創意）迎來更多ASIC開發案，甚至推動半導體龍頭台積電的先進製程需求。台灣的「AI供應鏈」有望從純粹的硬體代工，升級到更高價值的「客製化AI解決方案」提供者，進一步鞏固在全球AI產業的領導地位。
編輯觀點
劉揚偉董事長的預測，像是一盞明燈，照亮了AI硬體競賽的下一階段。這不只是單純的技術規格轉換，更是AI產業走向成熟與多元化的訊號。台灣必須緊抓這波「客製化AI晶片」與「高效能運算解決方案」浪潮，從設計、製造到整合服務全面佈局，才能在日益激烈的AI戰場中，持續扮演不可或缺的關鍵角色。AI發展不能只看晶片算力，更要注重整體生態系的效率與永續性，ASIC的崛起正是體現了這一點。
常見問題
- 什麼是ASIC伺服器，它跟傳統伺服器有何不同？
- ASIC伺服器內建「特定應用積體電路」（ASIC），專為AI訓練或推論等任務設計，比通用型伺服器搭配GPU，在特定任務上能提供更高效率與更低功耗。
- 為什麼企業會考慮採用ASIC伺服器，而不是繼續使用GPU？
- 主要是為了成本效益與效率。ASIC在特定AI工作上能提供更優異的性能功耗比，且能依需求客製化，有助於大型企業降低AI運營成本並優化效率。
- 這項趨勢會不會影響NVIDIA在AI晶片市場的地位？
- 短期內NVIDIA仍是AI晶片霸主，但ASIC的興起代表市場需求走向多元，未來NVIDIA可能面臨更多客製化晶片挑戰，促使其持續創新，提供更廣泛的解決方案。
- 台灣的AI伺服器廠商如何應對這波轉變？
- 台灣廠商需要強化客製化設計、散熱技術與系統整合能力，積極與晶片設計公司合作，提供從晶片到整機的解決方案，掌握「客製化AI伺服器」市場商機。
- 一般消費者會感覺到ASIC伺服器帶來的差異嗎？
- 一般消費者不太會直接接觸ASIC伺服器本身，但它將提升雲端AI服務的效率與降低成本，未來大家使用的AI應用（如生成式AI）可能因此變得更快、更便宜。
名詞小教室
- GPU (Graphics Processing Unit)
- 就像電腦裡的多功能「繪圖與計算加速器」，特別擅長同時處理大量簡單重複的運算，是訓練大型AI模型的主力，但相對耗電且通用性高成本也高。
- ASIC (Application-Specific Integrated Circuit)
- 可以想像成是AI世界的「專科醫生晶片」，專為某個特定任務（如AI模型推論、資料壓縮）量身打造，在該領域能達到比GPU更高的效率、更低的功耗，但通用性較差。