很多人第一次認識聯發科，是從手機規格表上的「天璣」開始。但把聯發科只看成手機處理器公司，其實少看了很大一塊。它是一家無晶圓廠（fabless）半導體設計公司：自己定義晶片架構、整合 IP、完成設計與驗證，再交由晶圓代工與封裝測試夥伴量產。
因此，聯發科賣的不只是某一顆 CPU，而是讓品牌能做出手機、電視、路由器、Chromebook、IoT 裝置、汽車電子，甚至資料中心設備的一組系統平台。手機 SoC 是最容易看見的產品；近年更值得理解的，是它把低功耗設計、先進製程、封裝與高速互連的能力，延伸到客製化 ASIC 與 AI 資料中心。
這篇會先把產品線拆開，再說清楚 XPU 到底是什麼、為何雲端客戶需要客製晶片，以及這條新業務真正要面對的風險。
聯發科的本業是什麼？先從無晶圓廠與系統平台理解
聯發科的核心工作是把很多原本分開的功能整合到一個可量產的晶片平台。典型流程包含系統規格、CPU／GPU／AI 加速器架構、通訊、影像、多媒體、安全、記憶體介面與電源管理協同；晶圓則交由代工廠製造，之後再透過封裝與測試變成可交付的晶片。
這種模式與「自己擁有晶圓廠」不同，也不代表只是畫電路圖。高階 SoC 能否成功，取決於製程節點、IP 整合、軟體驅動、散熱、功耗、電磁相容與量產良率能否一起收斂。聯發科官方將產品分成智慧型手機、家庭娛樂、連網、IoT、個人運算、車用與 ASIC；可見它的共同能力不是某一種終端，而是高整合、低功耗的系統晶片設計。
若把晶片比喻成一棟大樓，聯發科不是只供應其中一部電梯，而是把結構、電力、通訊、控制與出入口安排成能住人的整體方案。品牌廠再依產品定位調整記憶體、相機、螢幕、天線與外觀，才能快速把裝置推向市場。
手機 SoC 為什麼不是單純的手機 CPU？
SoC 是 System on Chip，中文常稱系統單晶片。它把許多原本分立的元件整合到同一顆晶片或同一平台裡。以天璣（Dimensity）手機平台來說，使用者感受到的 5G 連線、拍照、遊戲、螢幕流暢度與手機端 AI，背後不只靠 CPU。
一顆手機 SoC 通常至少有下列幾個角色：
- CPU：負責作業系統、一般應用程式與控制工作。
- GPU：處理遊戲、畫面合成與平行圖形運算。
- NPU／APU：執行特定 AI 推論，例如影像處理、語音與裝置端生成式 AI。
- 5G 數據機與無線連線：處理行動網路、Wi‑Fi、藍牙、定位等連線需求。
- ISP 與多媒體引擎：把相機感光元件輸入轉成照片與影片，並處理編解碼、HDR 與顯示輸出。
- 記憶體與儲存介面：決定資料能以什麼頻寬在運算、記憶體與儲存之間移動。
所以手機「跑分」只反映一部分能力。若相機演算法、5G 射頻、功耗控制或影像訊號處理沒有配好，CPU 再快也不會直接變成好手機。這也是 SoC 設計比單一處理器更接近系統工程的原因。
除了手機，聯發科晶片還在哪些地方出現？
手機仍是重要產品線，但聯發科的晶片也在許多不會把「MediaTek」印在外觀上的產品裡工作。智慧電視與家庭娛樂平台要處理高解析影音、顯示與連網；Filogic 系列等連網方案對應 Wi‑Fi、寬頻閘道器與乙太網路；Kompanio 平台服務 Chromebook 與平板；Genio 等產品則讓 IoT 裝置能整合影像、AI 與多種周邊。
車用則不是把手機晶片直接裝進車裡。車規設計要面對較寬溫度範圍、長生命週期、可靠度與功能安全要求。聯發科的 Dimensity Auto 平台涵蓋座艙運算、車載連線與駕駛輔助相關運算，重點在把 AI、顯示、多相機、5G／Wi‑Fi 與車規條件一起納入設計。
這些市場看似分散，背後都需要同一類基本功：在有限電力與空間內，整合運算、連線、影像與軟體支援。這也是手機市場累積的低功耗經驗能被移植到其他終端的原因；不過，移植不等於原封不動複製，車用與資料中心的驗證、客戶關係與交付模式都完全不同。
客製 ASIC 與 XPU 是什麼？不是另一張通用 GPU
ASIC（Application-Specific Integrated Circuit，特殊應用積體電路）是為特定用途或特定客戶設計的晶片。XPU 則是資料中心常見的泛稱，代表用來執行 AI 平行運算的加速器；它可以是 GPU，也可以是針對某種模型、資料格式或推論流程打造的客製 ASIC。聯發科在資料中心方案中把它稱為「custom XPU」，重點正是依客戶的 AI 工作負載與基礎設施條件共同設計。
通用 GPU 的優點是軟體生態成熟、用途廣、採購後能服務很多類型的模型；但它必須在大量客戶與工作負載之間取得平衡。客製 XPU 則可把計算單元、資料格式、片上記憶體、HBM 介面、互連與功耗預算，對準特定的大模型訓練或推論服務。若工作量夠大且架構長期穩定，這種針對性設計有機會改善每瓦產出與總持有成本（TCO）。
但這裡的「有機會」很重要。聯發科官網提出特定工作負載下客製化可提升每瓦效能與 TCO 的主張，這應視為其方案定位，而不是所有客戶都會得到的固定倍數。模型迭代速度、軟體遷移、HBM 供給、機櫃電力與散熱，任何一項改變，都可能改寫客製化的經濟性。
AI 資料中心真正採購的是整個機櫃系統
把 AI 加速器做好，還不足以變成能賺錢的資料中心產品。大模型訓練與服務要讓成百上千顆加速器同步工作，瓶頸常常從晶片本身移到記憶體、網路、電力與散熱。這與AI 伺服器從單機走向機櫃級工程的原因完全一致。
可以把一個 AI 機櫃拆成四層：第一層是運算托盤，放置 XPU、CPU 與 HBM；第二層是 scale-up 互連，讓同一組加速器高速協作；第三層是 scale-out 網路，把多個機櫃接成叢集；第四層則是電源、匯流排、冷板、冷卻液與監控系統。任何一層餵不飽或冷卻不了，前面的峰值算力都會閒置。
因此，聯發科描述的資料中心業務並不只是一顆 XPU。它還包含先進封裝、記憶體介面、高速 SerDes、光學互連、供電與機櫃整合。它也列出支援標準與專有互連的方向，例如 UALink、UEC 與 NVLink Fusion 生態系。這不等於所有方案都已成為量產產品，但很清楚地指出競爭單位正從「一顆晶片」往「每個機櫃可交付多少有效 AI 服務」移動。
其中光互連尤其關鍵。資料搬得越快，銅走線的損耗、功耗與熱管理越難控制；把光學引擎靠近交換器 ASIC 的 CPO 架構，就是為了縮短高速電訊號路徑。可延伸閱讀CPO 共同封裝光學如何改變 AI 資料中心網路，理解為何高速 I/O 與封裝會成為客製晶片的一部分。
聯發科為什麼能切入這條賽道？
聯發科的切入點不是突然從零開始做雲端服務，而是把多年累積的高整合晶片能力搬到更大、更昂貴的系統。第一，手機 SoC 長期追求低電壓與低功耗，資料中心雖然功率規模不同，仍同樣在意每瓦產出。第二，高階行動晶片已需要先進製程、複雜封裝、記憶體介面與高速 I/O，這些都是客製 AI ASIC 的基礎能力。第三，客製晶片專案需要與晶圓代工、封裝、記憶體與系統客戶同步設計，聯發科已有大量平台整合的經驗。
公司在 2026 年 6 月的官方說明中，將資料中心 ASIC 描述為從客製晶片、封裝、記憶體、互連到機櫃整合的全流程；同時也更新 AI 資料中心 ASIC 的營收指引。這能反映管理階層對新業務的期待，但營收指引不是產品規格，更不是保證。對讀者而言，更有意義的觀察是：客戶專案能否如期流片、量產、部署，以及實際能否把每瓦效能轉成服務成本優勢。
若從供應鏈看，這條路也讓先進封裝與 HBM 的位置更突出。AI 加速器不只要有計算單元，還得在很短距離內與高頻寬記憶體交換資料，再把結果送到其他節點。這正是晶圓代工、先進封裝與 HBM 必須共同收斂的典型案例。
客製晶片不一定比較便宜，四個限制不能忽略
客製化的吸引力很高，但它並不是「自己做晶片就一定贏」。在評估資料中心 ASIC 時，至少要看四個限制。
| 限制 | 為什麼重要？ | 可能後果 |
|---|---|---|
| 前期開發成本 | 先進節點、IP、軟體與驗證都很昂貴 | 部署規模不夠大時，攤提成本可能高於採用通用晶片 |
| 工作負載變動 | 模型架構、資料格式與推論流程仍快速演進 | 晶片可能在量產後才發現彈性不足 |
| 供應鏈與封裝 | HBM、先進封裝、載板與高速 I/O 都可能成為瓶頸 | 即使設計完成，也未必能按時、大量交付 |
| 軟體與維運 | 編譯器、函式庫、監控與除錯決定實際利用率 | 硬體規格漂亮，實際服務效率卻無法發揮 |
尤其 AI 資料中心不只消耗晶片成本，也消耗電力、冷卻與維修能力。功耗密度提升後，電源路徑與散熱會直接限制可部署的機櫃數量；這也是銅、電力與散熱會一起成為 AI 伺服器議題的原因。客製 XPU 只有在晶片、軟體與機房條件同時配好時，才可能把理論效率變成實際效益。
看聯發科，應把它當成平台設計公司而非只看手機晶片
回答「聯發科是做什麼的」時，最精準的說法不是「做手機 CPU」，而是「設計高整合、低功耗的系統晶片與客製半導體平台」。天璣 SoC 讓這個能力被大眾看見；連網、智慧終端、車用與 ASIC 則把它帶到更多產品；客製 XPU 與 AI 資料中心，是同一套系統整合能力進入雲端基礎設施後的延伸。
不過，手機與資料中心不能用同一把尺比較。手機強調成本、續航、相機與大量機型導入；資料中心要面對 HBM、互連、先進封裝、機櫃供電、液冷與軟體生態。未來判讀聯發科的這條新路，與其只看一顆晶片叫什麼名字，不如持續問三件事：它為哪種工作負載優化？能否從晶片一路交付到機櫃？在量產、功耗與軟體上，能否真正替客戶降低每單位 AI 服務成本？
這三題都能回答，客製 XPU 才不只是 AI 熱潮中的新名詞，而會成為聯發科產品組合中真正可持續的下一條成長曲線。
