
單一晶片的微縮紅利已近枯竭,日月光執行長吳田玉正式宣告進入「系統摩爾定律」時代,封裝技術從配角躍升為 AI 系統的性能中樞。而在軟體端,字節跳動的 Seedance 2.0 以「多鏡頭敘事」與「原生音訊」技術震撼影視界,引發全球版權風暴。為了應對推論成本的失控,NVIDIA 做出史無前例的策略調整,在即將到來的 GTC 大會宣布整合 Groq 的 LPU 技術,試圖在「推論效率」戰場完成清場。
影音版
🔹 封裝技術重塑 AI 時代格局

🔍 知識補充
- 系統摩爾定律: 意指不再追求單一晶片的密度翻倍,而是透過封裝技術,讓整個「系統級」的性能每兩年翻倍。
- 矽光子 (CPO): 2026 年的關鍵技術,將光通訊元件直接封裝在晶片旁,解決 AI 運算中巨大的資料傳輸熱能與延遲問題。
💬 生活化說法 以前做晶片就像蓋房子,大家都在拼磚頭要多小;現在大家發現房子蓋太高會倒、管線太長會塞。封裝技術現在就是那個「超級建築師」,它不只蓋房子,還把電梯(數據傳輸)和水管(散熱)全部設計在牆壁裡。2026 年,台積電做出好磚頭固然重要,但日月光這類封裝廠能不能把這些磚頭「完美拼圖」,才是 AI 跑得動、跑得省電的關鍵。
🏭 產業鏈角度
- 封裝測試(OSAT): 日月光投控 (3711) 的地位從代工轉為架構夥伴。
- 設備商: 帶動 萬潤、弘塑、辛耘 等先進封裝設備股的長期訂單需求。
💹 投資角度 看好具備 CoWoS 與 3D 封裝能力 的廠商。2026 年 AI 晶片的瓶頸已轉向「封裝產能」,誰能穩定供貨,誰就是資金的避風港。
🔹 Seedance 2.0 震撼 AI 影片市場

字節跳動(ByteDance)於 2 月 10 日正式發布其最新影片生成模型 Seedance 2.0。這款模型具備「單指令生成多鏡頭敘事」與「原生音頻同步」功能,能直接生成包含環境音、對白與一致性角色的 15 秒電影級片段,被業界譽為「地表最強影片模型」,但也迅速引發好萊塢與迪士尼的侵權抗議。
🔍 知識補充
- 雙分支擴散變換器 (Dual-Branch DiT): Seedance 2.0 的核心架構,能同步計算畫面像素與音頻訊號,實現完美的唇形同步。
- 角色一致性 (Character Consistency): 解決了 AI 影片中角色長相在不同鏡頭會「變臉」的痛點,這對短劇與商業廣告製作是決定性的進步。
💬 生活化說法 以前的 AI 影片像是在看一張會動的 GIF,現在 Seedance 2.0 像是有個隱形的導演。你給它一個指令,它會自動幫你運鏡、配音、甚至連背景音樂都寫好。馬斯克看了都說「這發展太快了」。但也因為太像真的,迪士尼現在很火大,覺得 AI 都在偷學他們的電影,這場「AI 導演 vs 好萊塢片廠」的法律戰才剛開始。
🏭 產業鏈角度
- 傳媒板塊: 帶動 A 股與台股相關內容製作商(如 中信出版、華策影視)的價值重估。
- 雲端基礎設施: 影片生成對算力的消耗是文字的千倍,將持續推動對雲端運算的採購需求。
💹 投資角度 短期關注**「AI 應用受益股」**。但也需留意法律風險,全球對 AI 影片版權的監管若在下半年收緊,相關新創公司的估值可能會出現劇烈修正。
🔹 NVIDIA 聯手 Groq 推新 AI 晶片

為了反擊 OpenAI 試圖自研晶片的計畫,NVIDIA 執行長黃仁勳預計在 3 月 GTC 大會宣布一項重磅收購(或授權):整合 Groq 的 LPU (語言處理單元) 技術。這款新平台專攻「推論 (Inference)」市場,旨在解決大模型回應緩慢的痛點,將回應速度提升 10 倍以上。
🔍 知識補充
- 推論 (Inference): 訓練好的模型在面對使用者提問時「產生回答」的過程。2026 年推論算力的需求已超越訓練算力。
- LPU (Language Processing Unit): Groq 的核心技術,其架構極度簡化,專門處理序貫數據(如文字),速度遠超傳統通用型 GPU。
💬 生活化說法 NVIDIA 以前是做「最強大腦」的,但這個大腦算得快、反應卻有點遲鈍。Groq 則是做「最快反應神經」的。黃仁勳這次不裝了,直接把 Groq 的技術拿來用,就是要讓 OpenAI 的 ChatGPT 回答問題像閃電一樣快,讓你們覺得:既然 NVIDIA 的方案又快又省電,何必自己花大錢去研發晶片呢?
🏭 產業鏈角度
- 推論晶片市場: 戰場從「運算能力」轉向「反應延遲 (Latency)」。
- IC 設計: 利好與 NVIDIA 合作開發特規推論加速器的 ASIC 廠商。
💹 投資角度
- NVIDIA (NVDA): 透過結盟 Groq 築起第二道護城河,鞏固其在推論市場的霸權。
- 風險提示: 觀察 GTC 大會公佈的授權金額與整合進度,200 億美元的協議若未能轉化為實質市佔,將對 NVIDIA 的現金流產生壓力。
我們的觀察
我們正在從「AI 實驗期」進入「AI 效率期」。
當封裝技術開始處理物理瓶頸,當影片生成開始處理敘事連貫性,當 NVIDIA 開始處理推論延遲,這代表 AI 已不再滿足於「能用」,而是追求「極致的好用」。2026 年的投資者與企業,應該把目光從「誰的模型參數大」轉向「誰的架構成本低、反應快」。
歡迎訂閱我們,掌握最新AI資訊^^也歡迎與我們進行更多合作唷!

raw-image

raw-image

raw-image
LINE 上搜尋「Funplay」或「玩不累」
也能直接玩唷!


