聯發科 AI 最新動向：技術布局、Token 趨勢與市場觀察重點

聯發科的 AI 故事已不只是一顆手機晶片。到 2026 年 10 月，值得一起觀察的是手機端生成式 AI、AI 筆電、資料中心客製加速器，以及使用者所說的「Token」需求如何連動。對消費者而言，重點是哪些 AI 工作可在裝置上完成；對企業採購者，重點是每次推論的成本、延遲與資料位置；對市場觀察者，則要分辨產品發表、客戶合作、量產進度與實際營收，不能把技術展示直接當成訂單或獲利。

本文所說的 Token，是大型語言模型處理文字時切分出的單位，可能是字、詞的一部分或標點；它不是聯發科發行的加密代幣。Token 數可用來估計模型輸入與輸出工作量，但各模型的切分方式不同，不能把 Token 數直接等同晶片出貨量或營收。OpenAI 對 Token 的說明也指出，Token 數和字數不同，語言、編碼及模型都會影響計算。

近期布局：從手機端延伸到資料中心

聯發科目前的 AI 布局可以按工作位置分成三層。第一層是手機與周邊裝置的端側 AI，第二層是筆電、車用與 IoT 等邊緣平台，第三層則是雲端資料中心使用的客製晶片。三者面對的效能、功耗、成本和供應條件不同，不宜只拿單一 TOPS 數字比較。

手機：AI 效能與電池、散熱、售價拉鋸

聯發科於 2026 年 9 月 15 日公布 Dimensity 9600 Pro，主打 2 奈米製程與新一代行動平台；官方也將其定位為支援更進階的裝置端與 Agentic AI 體驗。這類晶片的價值不只看模型能否執行，也要看手機廠能否把功能整合進相機、語音助理、翻譯或摘要流程，同時維持續航與機身溫度。製程節點本身不是使用體驗保證，軟體支援、記憶體容量、散熱設計和實際上市機種都會影響結果。可從Dimensity 9600 Pro 官方發布資料確認聯發科已公布的規格與定位，再等終端品牌產品資訊核對實際功能。

AI 筆電與邊緣裝置：降低雲端依賴，換取本機限制

9 月 21 日，聯發科發表 Dimensity CX C10 Max，進軍新一代 AI 筆電平台；官方產品頁列出 NPU 峰值能力 55 TOPS，並把裝置端 Agentic AI、連線與能效列為產品方向。若工作可在本機執行，企業和個人可能減少網路往返、雲端 API 費用，也更容易控制敏感資料傳輸；代價是可執行的模型尺寸、更新頻率和複雜推理能力仍受本機記憶體、散熱與軟體生態限制。TOPS 是晶片理論運算能力的指標之一，不等於每秒生成多少 Token，更不能單獨預測電池續航或模型回答品質。採購 AI 筆電時，應以常用模型和工作流程做實測，確認離線可用性、延遲與耗電，而非只比規格表。規格可參考Dimensity CX C10 Max 官方產品頁。

資料中心客製晶片：擴大機會，也提高執行門檻

AI 服務大量增加後，雲端業者除了採購通用 GPU，也可能為特定模型和工作負載設計客製加速器，藉此控制總持有成本、效能和功耗。聯發科的強項在客製晶片設計、SoC 整合、互連與先進封裝；2026 年 8 月 31 日，聯發科與 NVIDIA 公布擴大合作，聯發科將採用 NVIDIA NVLink Fusion，為客戶提供將客製 XPU 納入 NVIDIA 機架級 AI 系統的預先驗證路徑。這代表合作方向與平台連接方式已公開，但不表示所有客製晶片都已完成設計、客戶部署或大量出貨。想評估進度，可追蹤聯發科與 NVIDIA 的正式公告及聯發科資料中心產品說明，並把「合作」、「設計案」、「量產」和「認列營收」分開記錄。

Token 趨勢為何受到市場關注

Token 使用量之所以受到關注，是因為生成式 AI 的推論會隨著應用普及而反覆發生：使用者輸入提示、模型讀取上下文、產生回答，Agent 還可能多次呼叫工具或模型。使用量增加，可能推高資料中心運算需求，也讓延遲、每 Token 成本與能源效率變得重要。不過，Token 熱度只是一種需求線索，不能直接推出聯發科晶片的需求。模型壓縮、快取、較短回答、低價模型或端側運算，都可能讓同一服務用更少的雲端 Token 完成工作。

對硬體選擇而言，可按需求比較：

需求	較值得關注的方向	主要取捨	可核對的指標
重視隱私、離線可用或即時反應	手機、筆電與 IoT 的端側 AI	模型規模與能力受本機記憶體、功耗限制；優點是減少雲端往返	支援的模型與功能、延遲、續航、離線限制
服務流量大、工作負載固定	資料中心 GPU 與客製 ASIC 並行評估	GPU 生態成熟、較彈性；ASIC 可針對特定工作優化，但開發、部署和客戶集中風險較高	每次推論總成本、利用率、交付時程、量產與客戶採用
需要跨裝置、雲端與網路協作	從端到雲的系統整合	有機會改善整體體驗，但依賴軟體、連線、平台夥伴與標準相容	互連相容性、開發工具、供應鏈與實際產品上市

市場觀察者應追哪些證據

第一，確認產品是否進入真實裝置或資料中心。發表會規格和路線圖可以顯示方向，量產、客戶部署與後續營收才是不同階段的證據。第二，觀察 AI 業務有沒有足以抵銷手機市場波動。聯發科 2026 年第二季資料與法說會內容已上架於官方投資人財務資訊頁；讀者可比較手機業務、智慧邊緣平台、毛利率、營業費用和管理層對後續量產的說法。若 AI 專案收入增加但研發、封裝或供應成本同步走高，營收成長未必等於利潤率改善。

第三，留意客戶集中與平台依賴。資料中心客製晶片通常需要雲端大客戶參與規格定義，專案金額可能可觀，但少數客戶延後部署也可能影響營收節奏。與 NVIDIA 平台合作可能降低客戶整合門檻，卻同時讓相容性、平台路線和生態系進度成為觀察變數。第四，留意手機成本。高階製程、記憶體和其他零組件成本上升，可能使手機廠更重視產品組合與售價，影響晶片採用規模。

依讀者目的採取不同判讀方式

正在選手機或 AI 筆電：先確認常用功能是否實際支援，再比較續航、散熱、價格與本機資料處理能力；不要只用 TOPS 排名。
企業規劃 AI 推論：以自己的提示長度、輸出長度、併發量和隱私需求估算 Token 與延遲，再測雲端 GPU、客製 ASIC 和端側部署的總成本。
追蹤產業動態：把官方公告、產品上市、客戶驗證、量產和財務認列分層追蹤，避免把合作新聞直接解讀成已實現營收。
觀察股票或市場：把 AI 成長假設和傳統手機業務、毛利、供應限制及資本支出一起看；本文整理的是公開資訊與判讀框架，不是個別投資建議。

截至 2026 年 10 月 6 日，聯發科的 AI 版圖已呈現「手機端側＋AI 筆電與邊緣平台＋資料中心客製晶片」的多線布局。Token 使用量的上升有助解釋推論運算為何重要，但要判斷聯發科能否把趨勢轉成穩定營收，仍須看客戶專案是否按期量產、終端產品是否被採用，以及新增業務對整體毛利和現金流的貢獻。對買家，重點是工作負載與體驗；對企業，重點是每次有效推論的總成本；對市場觀察者，則應以量產和財報更新取代單看熱門詞。