AI 晶片的爆發性需求，正嚴重壓縮台積電（TSMC）的先進製程與先進封裝產能。此外，過度依賴單一供應商的現況，已成為科技巨頭的戰略風險，這也迫使 Google、NVIDIA 等主要 AI 晶片設計公司，開始將目光轉向台積電的替代選項：Intel。對於近年來在晶圓代工領域苦苦追趕，且持續面臨虧損的 Intel 而言，這更是多年來少見的轉機。
據傳 Google 下單 300 萬顆 TPU，為 Intel 代工能力投下信任票
在這波供應鏈多元化的行動中，Google 的進展最為明確。《The Information》報導，Google 在測試 Intel 先進封裝技術數個月後，據稱已向 Intel 下單，計畫在 2028 年製造超過 300 萬顆張量處理單元（Tensor Processing Units, TPU）。
TPU 是 Google 自行研發的 AI 晶片，專門用於訓練與執行 AI 模型。為了控制成本並確保長期的運算量能，Google 的 TPU 不僅廣泛應用於其內部基礎設施、驅動 Gemini AI 系統、AI 強化搜尋以及 Google Cloud 的機器學習服務，甚至已開始向 Apple、Meta 等企業出售 TPU 的使用權限。因此，這次 Google 釋出的大筆訂單，將是對 Intel 製造路線強而有力的背書之一。
NVIDIA 尚未下單，但已展開 Intel 封裝與 18A 製程測試
相較於 Google，NVIDIA 雖然尚未正式下單，但也已經展開早期測試。《The Information》指出，NVIDIA 目前正在測試 Intel 的技術是否能應用於一款未來的處理器上，該處理器預計將把四顆 GPU 整合至單一封裝單元中，據傳這項測試與 NVIDIA 預計在 2028 年推出的下一代「Feynman」GPU 架構密切相關。
此外，NVIDIA 也正在利用 Intel 最先進的 18A 製程進行早期的多專案晶圓試產（multiproject wafer run）。業界普遍認為，Intel 的 18A 製程技術足以與台積電和三星即將投入量產的 2 奈米等級技術相抗衡。為了向市場證明技術實力，Intel 已經率先將 18A 製程用於自家的個人電腦與伺服器處理器，將其作為爭取外部大單前的「內部試驗場」。不過外界也相當關注，18A 製程最終的良率是否能追上台積電，因為這也是 Intel 過去多次遭外界質疑的弱點。
先進封裝成切入點，Intel 要用 EMIB 對決台積電 CoWoS
AI 巨頭們之所以開始評估 Intel，關鍵在於台積電目前面臨的產能壓力主要集中在兩大產線：一是將電路蝕刻到矽晶圓上的先進製程晶圓產線，二是將 AI 處理器與高頻寬記憶體（HBM）結合的「先進封裝」產線。
以 NVIDIA 的旗艦晶片 Blackwell 為例，其將兩顆處理器與 HBM 整合在同一個封裝內，這也讓「封裝能力」成為決定 AI 晶片資料傳輸速度的關鍵。目前，Intel 的先進封裝技術正是其爭取代工訂單的突破點。Intel 財務長 David Zinsner 也曾向投資人透露，目前先進封裝的市場需求遠超預期，已達到每年數十億美元的規模。
Intel 所主導的 EMIB（嵌入式多晶片互連橋接）封裝技術與台積電的 CoWoS，目的都是在解決晶片互連的問題，不過兩者作法不同：台積電的 CoWoS 是使用較大的矽中介層（silicon layer）來連接處理器與記憶體，而 Intel 的 EMIB 則是採用較小的矽橋，僅在封裝內部需要的位置進行連接，這種作法對某些設計而言成本可能較低。《The Information》也透露，全球主要記憶體供應商 SK Hynix 正在測試其 HBM 是否能與 Intel 的封裝技術搭配，若測試成功，將大幅提高 AI 晶片設計巨頭對 Intel 封裝能力的信心。
在台積電產能嚴重吃緊的情況下，AI 晶片商正在積極尋找備援製造與封裝方案，正如 eMarketer 科技分析師 Jacob Bourne 所言，這項消息「證明 AI 領域的最大玩家正競相實現供應鏈多元化，因為目前供應鏈仍集中在台積電身上」。
除了分散商業風險，地緣政治也是重要的推力。D.A. Davidson 分析師 Gil Luria 指出：「除了多元化需求外，Google 和 NVIDIA 比平常更有動力與 Intel 合作，因為支持 Intel 就等於支持美國本土製造，這對於和美國政府的關係至關重要。」事實上，川普政府的官員近期也積極在為 Intel 拉攏商業合作機會。
目前 Intel 拒絕對此發表評論，Alphabet 與 NVIDIA 也未立即回應媒體。不過，即便大廠開始尋找備援，並不代表台積電的領先地位已被顛覆，未來 Intel 若要真正在晶圓代工業務翻身，仍必須向市場證明，自己能夠在這些高階 AI 晶片上提供具備大規模、高可靠度以及低錯誤率的量產能力。
【推薦閱讀】
◆ 陳立武上任 14 個月後首度亮牌：Intel 如何押注代理式 AI、客製化晶片與機架級系統？
◆ 從 GPU 主導到 CPU 回溫：Agentic AI 如何改寫企業資料中心配置？
◆ 目標 2031 年追上台積電、英特爾：華為「τ 縮放定律」如何用架構效率繞開 EUV 封鎖？
＊本文開放合作夥伴轉載，參考資料：《The Information》、《The Tech Portal》、《The Next Web》、《Reuters》，圖片來源：Unsplash
