🔥36氪•最新收集於 10m
蘋果自研 AI 伺服器晶片計畫傳出推遲
💡了解蘋果硬體策略變動如何影響整體 AI 基礎設施與晶片供應鏈。
⚡ 30-Second TL;DR
有什麼變化
項目代號為 Baltra
為什麼重要
此延遲可能影響蘋果獨立擴展 AI 基礎設施的能力，進而可能增加對第三方雲端供應商的依賴。
下一步行動
密切關注蘋果的雲端基礎設施合作夥伴，觀察其是否持續依賴 Nvidia 或 Google TPU 進行模型訓練。
誰應關注：Developers & AI Engineers
關鍵要點
- •項目代號為 Baltra
- •原定發布目標為 2024 年
- •顯示蘋果在 AI 硬體領域面臨潛在供應鏈或技術挑戰
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •Baltra 晶片計畫旨在降低蘋果對 NVIDIA 高階 GPU 的依賴，並優化 Apple Intelligence 在雲端端的運算效率。
- •推遲原因主要指向台積電（TSMC）先進封裝產能（如 CoWoS）的排擠效應，導致蘋果無法獲得足夠的產能支援。
- •蘋果內部正重新評估將 Baltra 晶片與現有的 M 系列晶片架構進行更深度的整合，以提升伺服器端的記憶體頻寬表現。
- •此延遲迫使蘋果在短期內必須擴大向雲端服務供應商（如 Google 或 AWS）採購算力，以支撐其 AI 服務的擴張。
- •市場分析指出，蘋果在 AI 伺服器領域的策略轉向「混合雲」模式，即部分輕量任務由自研晶片處理，複雜模型仍依賴外部合作夥伴。
📊 競品分析▸ Show
| 特性 | Apple (Baltra) | NVIDIA (Blackwell) | Google (TPU v5p) |
|---|---|---|---|
| 核心定位 | 垂直整合/生態優化 | 通用高效能運算 | 雲端 AI 訓練/推論 |
| 記憶體架構 | 整合式記憶體 (Unified) | HBM3e | HBM3 |
| 生態系統 | Apple Silicon 封閉生態 | CUDA 軟體護城河 | JAX/TensorFlow 框架 |
🛠️ 技術深入
- 預計採用台積電 3 奈米製程（N3E 或後續改良版）。
- 採用 Chiplet（小晶片）架構設計，以利於擴展伺服器端的運算單元。
- 針對 Transformer 模型進行硬體加速優化，特別是針對 Apple Intelligence 的推論任務。
- 整合高頻寬記憶體（HBM）以解決 AI 模型在處理大規模參數時的頻寬瓶頸。
🔮 前景展望AI analysis grounded in cited sources
蘋果將增加對外部雲端算力的依賴
由於自研晶片延遲，蘋果必須在短期內透過租用第三方雲端基礎設施來填補 AI 服務的算力缺口。
蘋果將調整其 AI 伺服器供應鏈策略
為了規避台積電先進封裝產能的競爭，蘋果可能被迫分散供應鏈或尋求更靈活的封裝解決方案。
⏳ 時間線
2023-06
蘋果內部啟動代號為 Baltra 的 AI 伺服器晶片研發專案。
2024-09
蘋果發布 Apple Intelligence，確立雲端與終端混合 AI 策略。
2025-03
市場傳出蘋果與台積電洽談先進封裝產能，為 Baltra 量產做準備。
2026-05
供應鏈消息確認 Baltra 晶片專案因技術與產能因素面臨延期。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 36氪 ↗