聯發科 AI 佈局：從 AI 晶片到終端裝置應用的重點解析

最近看到「聯發科 AI 佈局」的新聞，常會同時出現手機 NPU、NVIDIA 合作、AI PC，以及資料中心 ASIC。這些方向雖然都和 AI 有關，商業模式與驗證時間卻不同：手機晶片要看品牌是否把功能做進量產機種；客製化資料中心晶片則要看客戶專案、量產時程與實際營收。把它們放在同一條「AI 晶片」敘事裡，容易高估短期成果。

截至 2026 年 10 月 6 日，較合適的理解方式，是把聯發科的策略看成「從邊緣到雲端」的多層布局：手機 SoC（系統單晶片）內的 NPU、與 NVIDIA 合作的個人運算平台、面向雲端業者的客製化 AI 加速器，以及車用、家庭網路等連網終端。判斷進展時，應分別確認產品規格、實際上市與營收數字，而不要把合作公告或效能宣稱直接當成已實現的市場成果。

聯發科的 AI 布局，可拆成哪幾層？

這種分層很重要：手機 NPU 與資料中心 ASIC 並不是同一類產品的高低階版本。前者通常要在功耗、散熱、記憶體和即時回應之間取捨；後者則要配合客戶的模型、機房供電、記憶體、互連與部署架構共同設計。

手機 AI：NPU 規格之外，要看功能是否真的可用

2026 年 9 月 15 日，聯發科公布旗艦手機晶片 Dimensity 9600 Pro。公司表示此晶片採用 2 奈米製程，並使用雙 NPU 架構及 Agentic AI Engine，將部分 AI 運算留在手機端。官方資料宣稱，平台可支援最高 300 億參數的裝置端模型，並提出新一代 NPU 在特定運算指標上的效能與能耗改善。這些數字是廠商提供的規格與測試結果，不代表每款手機、每個模型或每種任務都會得到同樣表現。聯發科 Dimensity 9600 Pro 官方發布資料

對一般使用者而言，裝置端 AI 的價值不應只用 TOPS（每秒兆次運算）或模型參數量衡量。真正值得檢查的是：常用功能能否在沒有網路時運作、回應速度是否足夠、是否能處理繁體中文，以及長時間使用後的耗電與溫度。摘要、錄音整理、影像編修或個人資料搜尋等功能，也要確認實際由手機本機完成，還是仍會把內容送到雲端服務。

手機晶片商提供運算平台，最終體驗仍受手機品牌的軟體、記憶體容量、散熱設計、模型壓縮和更新政策影響。因此，NPU 規格高不等於每項 AI 工作都會更好；如果上市裝置缺少所需功能或本機模型選項，應以實際產品測試結果為準。

AI PC 合作：聯發科提供平台技術，NVIDIA 負責另一部分關鍵堆疊

聯發科與 NVIDIA 合作的個人運算項目，包含搭載 GB10 Grace Blackwell Superchip 的 DGX Spark，以及面向 Windows PC 的 RTX Spark。兩者定位不同：DGX Spark 是桌上型 AI 開發系統；RTX Spark 則是新的 Windows 個人電腦平台。NVIDIA 的產品資料指出，RTX Spark 結合 NVIDIA Blackwell RTX GPU、Grace CPU 與 CUDA、RTX 軟體生態系。聯發科則說明其參與客製 CPU 設計、系統整合、記憶體控制器、電源管理與連線技術；其公布的統一記憶體支援上限為 128GB。這不是單純由聯發科獨立提供整套 GPU 與 AI 軟體的產品。聯發科 RTX Spark 合作與平台說明 NVIDIA 對 RTX Spark 平台的發布說明

NVIDIA 在 2026 年 5 月公布 RTX Spark，當時表示搭載裝置預計於當年秋季上市。對閱讀者而言，這是產品時程，不是已經大規模出貨或需求獲得驗證的證據。評估這條布局時，可持續追蹤各品牌公布的量產與開賣日期、實際售價、可執行的本機模型、常用軟體相容性，以及創作或推論任務的續航與散熱表現。模型能否在裝置上安全執行，也不只取決於晶片，還牽涉作業系統與代理程式的權限管理。

資料中心 ASIC：成長空間大，但公告與營收之間仍有距離

聯發科正把 ASIC（特殊應用積體電路）設計能力延伸到 AI 資料中心。這類專案是按照特定雲端客戶的工作負載，設計 AI 加速器或 XPU；性能取決於運算核心，也取決於高頻寬記憶體、晶粒互連、高速 SerDes、先進封裝、網路和機櫃系統能否一起工作。聯發科在 2026 年 8 月公布與 NVIDIA 擴大合作，將採用 NVIDIA NVLink Fusion，提供客戶把客製 XPU 納入 NVIDIA NVLink 機架級 AI 基礎設施的路徑。這使聯發科的角色不只在晶片設計，也延伸至互連與系統整合；但它不代表客製 XPU 會取代 NVIDIA GPU，兩者可依工作負載在同一套基礎設施中互補。聯發科與 NVIDIA 擴大 AI 邊緣至雲端合作公告

聯發科近期官方文章提到，公司預期 2026 年 AI 資料中心 ASIC 業務營收可超過 20 億美元，並以 2027 年客製 AI ASIC 市場規模達 800 億美元、爭取 15% 至 20% 市占為目標。這些是公司預估與目標，不是已實現營收或保證市占。閱讀相關資訊時，應把「預期」「目標」「已量產」「已認列營收」分開；市場估值也不能只靠 TAM（可服務市場）推算。聯發科對 AI 資料中心 ASIC 市場與營收的說明

接下來值得追蹤的是專案是否按計畫進入量產、客戶是否擴大採用、封裝與高頻寬記憶體供應是否跟得上，以及實際收入能否帶來合理毛利。若生產時程延後、客戶集中度偏高，或營收目標未轉化為已認列收入，就應重新調整對成長速度的判斷，而不是只依合作公告推論商業化已完成。

車用、家庭網路與 IoT：AI 不一定是生成文字或圖片

聯發科的終端應用還包括車載運算、智慧家庭和通訊設備。2026 年 6 月，聯發科公布與 NVIDIA 延伸合作至車用與個人運算等方向，並宣布與鴻華先進合作推進搭載 NVIDIA 技術的 Dimensity AX C-X1 智慧座艙平台。這是合作與規劃訊號，不代表相關車款已經量產交付；評估時應等實際車型、交付時程與部署資訊逐步公開。聯發科與鴻華先進的車用平台合作公告。其家庭網路產品則在 2026 年 6 月公布 AI 輔助的 AQM（主動式佇列管理）與 QoS（服務品質）引擎，目標是改善雲端遊戲的網路延遲；這和生成式 AI 對話不同，屬於網路流量管理的應用，效果仍要看實際設備與網路環境。聯發科 AI AQM 家庭網路方案公告。這些案例提醒我們，AI 可以是影像辨識、車內互動、網路流量調度或裝置控制，未必是使用者直接看到的聊天機器人。

對消費者而言，應看功能是否改善可靠性、延遲或操作便利，而不是只因產品標示「AI」就推定效果。對企業採購者，則要觀察晶片平台是否支援所需的感測器、作業系統、資安更新與產品生命週期。對車用方案尤其如此：技術展示、設計導入與車款實際量產是不同階段，時間跨度也可能較長。

如何判斷聯發科 AI 布局有沒有產生結果？

1. 消費裝置：查看晶片是否進入實際上市的手機、筆電或車款；測試本機模型、繁體中文支援、耗電、散熱與軟體更新，不只比較規格表。
2. AI PC：等實際零售機種與獨立測試資料出現，再評估模型工作速度、記憶體限制、軟體支援和價格。品牌宣布或展示產品，仍屬商業化早期訊號。
3. 資料中心：追蹤專案量產日期、客戶擴張、營收認列和毛利變化。若公司只有市場規模預估，尚不足以證明市占已實現。
4. 跨平台生態系：確認合作是否轉成可用的軟體工具、開發者支援、穩定供貨與長期維護。晶片有 AI 加速器，但缺少可用模型與應用，使用者仍未必得到明顯價值。

使用者選購時，可用自己的三五項常見任務做測試，例如離線語音整理、影像搜尋或文件摘要，記錄完成時間、電池消耗和錯誤率；如果資料敏感，也應確認處理位置與權限。企業或市場研究者則可把公司說法拆成「已公告產品」「預定上市」「已量產」「財報已認列」四個層級，並在每季財報和品牌產品更新後重新檢查。

結論：布局方向完整，成果仍要按產品線分別驗證

聯發科的 AI 策略不是押注單一 NPU，而是將手機 SoC、個人運算、客製資料中心晶片和連網終端串成不同發展路徑。手機與車用平台較接近既有晶片業務；AI PC 合作擴大了其在高階個人運算的角色；資料中心 ASIC 則提供更大的長期成長可能，也伴隨客戶專案、量產和供應鏈的不確定性。

現階段較穩健的判讀方式，是肯定已公告的技術與合作，同時要求後續用出貨、軟體體驗、量產進度和營收來驗證。當數據只有規格或市場預測時，結論就應維持為「具備機會、仍待商業化驗證」；當實際裝置和財報開始支持原先預期，再提高對布局成效的信心。

官方資料

• Dimensity 9600 Pro 官方發布資料
• 聯發科與 NVIDIA 2026 年合作公告
• 聯發科 RTX Spark 平台說明
• 聯發科資料中心與客製 ASIC 方案
• 聯發科對 AI 資料中心營收預期的說明
• NVIDIA RTX Spark 與 Windows AI PC 公告