川普重押 Intel 追台積電。台積電 Q2 營收衝 1.27 兆創高。

今日漫畫 出演・水無瀨 澪

AI 資源戰打到晶圓廠

AI 的擴張已經從搶晶片變成搶製造。川普政府把振興 Intel 當成半導體戰略要務，不只把原本約 90 億美元的聯邦補助轉換成接近 10% 的公司股權，還積極幫 Intel 拉 Apple、NVIDIA 與 SpaceX 這些大客戶。據傳 Apple 打算把部分 Mac 與 iPhone 晶片交給 Intel 生產，相關討論是在 Apple 跟川普政府談半導體關稅期間展開的。

政府和 Intel 都清楚追台積電要挑對戰場。相較於還要長期追趕的先進製程，先進封裝被視為近期較有機會拉近差距的領域，美國政府正推動 Intel 擴大新墨西哥州的先進封裝廠產能。難處也很實際：Intel 晶圓代工部門過去四季累計營業虧損仍達 104 億美元，外部客戶對它的製程進展、良率與穩定供貨還是有疑慮。

對照組的數字很硬。台積電 2026 年第二季營收約新台幣 1.27 兆元、年增約 36%，創下單季新高，也略高於市場預期；6 月單月營收 4,426.8 億元、年增 67.9%。AI 應用帶動先進晶片需求，讓身為 NVIDIA、Apple 主要代工廠的台積電繼續拉開身位。政策扶植能不能補上良率與信任這兩塊，是 Intel 這場追趕戰真正的門檻，而不是補助金額。

Token 成本戰正式開打

企業導入 AI 的熱潮走到一個轉捩點：大家開始認真算每個 token 多少錢。Palo Alto Networks 執行長 Nikesh Arora 對 CNBC 說，token 價格未來一年可能先降最多 20%，之後降幅甚至要擴大到 90%，企業才負擔得起大規模導入。他對 OpenAI 說 GPT-5.6 家族旗艦 Sol 在代理式程式開發上提升 54% token 效率的回應是：這只是一個好的開始。

降價壓力背後是回收壓力。紅杉資本合夥人 David Cahn 估算，到 2026 年全球 AI 基礎設施支出將高達 1.5 兆美元，前沿模型得在不砍自己獲利的前提下把客戶價值最大化。

實際的緊繃已經浮上檯面。OpenAI 7 月 9 日推出 ChatGPT Work 與 GPT-5.6 Sol 後，大批用戶抱怨額度掉太快。統管核心產品的 Thibault Sottiaux 出面滅火，暫時取消 Plus、Business、Pro 三種方案每 5 小時的短期用量上限，並對已達 600 萬活躍用戶做一次額度重置，之後又對 50 萬名用戶補發重置券。他也說正在調整 Sol 讓同樣工作花更少額度，但特別註明這只承諾省額度、不代表運算能力已有實測提升。

Anthropic 那頭則是把最強模型 Fable 5 的免加價使用期延到台灣時間 7 月 20 日下午，Claude Code 每週用量上限加碼 50% 也一併延長。如果 token 降價真的走到九成，接下來一年拚的不是誰的模型最聰明，而是誰能讓企業把帳單算得下去。

Meta 偷偷做起雲端生意

Google、微軟、亞馬遜和 Meta 今年在 AI 的資本支出合計高達 7,100 億美元，龐大投入也讓人開始問：會不會蓋過頭了。彭博社報導，Meta 正秘密開發 AI 雲端運算業務，內部代號 Meta Compute，想用斥資打造的基礎設施來獲利。

伯恩斯坦分析師 Madison Rezaei 指出，Meta 的網路規模能快速跟傳統雲端商抗衡，目前已擁有 20GW 運算容量、未來幾年還有 14GW 上線。Meta 考慮的做法包括租借算力，或開放自家最新 Muse Spark 1.1 模型的 API 存取。

外界的解讀沒那麼樂觀。KeyBanc 分析師 Justin Patterson 質疑，選在這時進軍雲端，可能意味 Meta 的核心願景已經比最初縮減。當一家砸最多錢自建算力的公司開始想把算力租出去，市場自然會問：是算力太多，還是需求沒跟上。這個疑問要等 Meta Compute 的定價與客戶名單出來才有答案。

AI 改寫職場與消費入口

過去三年 AI 與就業的討論幾乎只有一個字：取代。但全球最大求職平台 Indeed 的 Hiring Lab 發現一個反轉：近一年來，最容易被 AI 影響的高暴露職業反而率先恢復招聘。經濟學家 Guillermo Gallacher 指出，自 Anthropic 的 Claude Code 在 2025 年 2 月底問世以來，美國軟體開發職缺回升近 15%，同期整體職缺卻下滑約 7%。他強調相關不等於因果，但這個轉折挑戰了「AI 只會取代工作」的印象。

消費端的入口也在換人把關。顧問公司 Gale 調查英美 3,000 位消費者，發現 56% 願意把品牌溝通交給 AI 助理處理，近三分之一已經開始主動叫 ChatGPT、Gemini 在購物時優先推薦自己偏好的品牌。執行長 Andrew Noel 估計兩三年內會有六到七成消費者讓大型語言模型幫自己設定品牌偏好。

這對品牌的意義很直接：能不能被看見，越來越取決於能不能被 AI 推薦。WordPress VIP 技術長 Brian Alvey 講得更白，網站內容若 AI 代理難以解析，等於直接隱形，只有同時服務人類與 AI 代理的企業才活得下去。當篩選的第一關從人變成模型，累積乾淨的第一方數據會比投廣告更關鍵。

AI 走進投資與實體世界

AI 不只在螢幕裡，也開始接手很硬的任務。摩根大通跨資產策略團隊以 Thomas Salopek 為首，打造 8 組 AI 代理，讓它們依市場的成長與通膨情境自主調整股債配置，在過去 20 年回測全數勝過經典的「股六債四」60/40 組合。這個老基準之所以被挑戰，是因為 2022 年股債同步重挫、創下 1937 年以來最慘的一年。不過摩根大通自己也提醒，別急著把這當成 AI 已能穩定打敗市場的證據。

實體世界這邊，機器人正努力走出實驗室。由 TechOrange、鴻海與三創育成合辦的 333 Robots Community Meetup 六月場，找來陽明交大人本智慧系統實驗室分享。這支團隊參加 IEEE ICRA 雙手操作挑戰賽拿下全球季軍，成員林谷翰說因為只有三天準備、現場數據不確定性高，他們捨棄需要大量訓練、失效機率難評估的端到端大模型，改用兼具解釋性與成功率保證的傳統運動學路徑。

一個用 20 年金融數據跑贏老策略、一個用三天時間靠傳統工程拿季軍，兩件事指向同一個務實方向：AI 落地時，能不能講清楚為什麼有效，往往比模型多大更重要。真正能用的系統，還是得回到解釋性與可靠度。

AI 的另一面：監控與誠信

AI 變強也讓風險變得更難收。美國有一套 AI 監控基礎設施正在快速鋪開，核心產品是 Flock Safety 的自動車牌辨識系統，全美已裝逾 10 萬台。它早就不只讀車牌，執法人員能直接用自然語言搜尋，例如「左側有刮痕、車斗載越野車的皮卡」，系統就自動比對影像。許多警局還加入全國共享網路，德州警察能搜麻州的影像。問題在濫用與退場都很難：丹佛警察截至 8 月已代 ICE 執行逾 1,400 次搜尋，而城市一旦簽約幾乎無法脫身。

資安的地基也在被重新檢視。早期量子運算悄悄進入實用，寶僑與 SAS 合作用量子混合運算處理原料排程，把原本要 6 小時的計算壓到 12 分鐘。但同一股能力也可能破解現行加密，企業被迫提早盤點後量子遷移，複雜度被形容堪比當年的 Y2K。

連 AI 新創自己也踩線。比爾蓋茲之女菲比蓋茲共同創辦、累計募資 4,350 萬美元的購物 App Phia，被彭博測出用 cookie stuffing 手法，在使用者毫無互動時就靜默開背景分頁寫入自家聯盟碼，可能搶走別人促成交易的佣金，事件曝光後遭聯盟平台 Impact 停權。當 AI 讓每個環節都更自動、更難察覺，怎麼盯住它的邊界，會和把它做強一樣費力。