软银与英特尔的芯片代工谈判:人工智能与半导体行业

As a traditional giant in the global semiconductor industry, Intel has long been known for its chip design and manufacturing capabilities.

软银与英特尔的芯片代工谈判:人工智能与半导体行业
Photo by BoliviaInteligente / Unsplash

背景:英特尔的代工困境与软银的AI野心

英特尔代工业务的挑战

英特尔作为全球半导体行业的传统巨头,长期以来以其芯片设计与制造能力闻名。然而,随着人工智能、云计算和高性能计算需求的爆发,英特尔的芯片代工业务(Intel Foundry Services, IFS)面临严峻挑战。2021年,前任首席执行官帕特·基辛格(Pat Gelsinger)宣布英特尔正式进军代工市场,目标是为第三方客户生产芯片,挑战台积电(TSMC)的行业主导地位。然而,英特尔的代工业务在吸引外部客户方面进展缓慢,未能与台积电在规模、效率和技术节点上匹敌。据报道,2024年英特尔录得188亿美元的年度亏损,这是自1986年以来首次出现年度亏损,凸显了其代工业务的困境。

英特尔的代工业务面临多重挑战。首先,台积电凭借其先进工艺(如3纳米和2纳米技术)以及成熟的客户生态系统,吸引了苹果、英伟达和高通等主要芯片设计公司,而英特尔的客户基础相对薄弱。其次,英特尔在代工业务上的投资成本高昂,包括新建工厂和升级技术节点,导致财务压力持续增加。此外,地缘政治因素和全球供应链的不稳定性进一步加剧了英特尔的挑战,尤其是在美国政府推动芯片制造本土化的背景下。

软银的AI基础设施战略

与英特尔的困境形成鲜明对比的是,软银集团在孙正义的领导下正加速布局人工智能基础设施。孙正义以其大胆的投资风格著称,他将人工智能视为未来科技的核心驱动力。软银通过控股芯片设计公司Arm,奠定了其在AI硬件生态中的重要地位。此外,软银还参与了多项AI相关投资,包括对OpenAI的400亿美元注资以及耗资5000亿美元的Stargate AI数据中心项目。孙正义的愿景是将软银打造为AI革命的“总设计师”,涵盖芯片设计、制造、软件开发、数据中心建设以及能源供应等全产业链。

英特尔的代工业务,尽管目前面临挑战,但其在美国本土的制造能力、18A工艺等先进技术以及与美国政府的紧密合作,使其成为软银AI战略的潜在关键拼图。孙正义的谈判意图不仅是为了补强软银在芯片制造领域的短板,更是为了在全球AI基础设施竞争中占据有利位置。

熵增视角:行业的复杂性演化

从“熵增”的哲学视角看,英特尔与软银的谈判反映了半导体行业从单一、有序的竞争格局向复杂、多样生态的演化。传统上,半导体行业由少数巨头(如英特尔、台积电、三星)主导,呈现出相对低熵的有序状态。然而,随着AI需求的激增、地缘政治的干预以及新兴玩家的加入,行业的复杂性和无序性显著增加。英特尔的代工困境和软银的战略扩张,正是这种高熵状态的体现——技术、资本和政策的多重博弈正在重塑全球半导体生态。

谈判的形式与可能性

多种合作模式

据知情人士透露,软银与英特尔的谈判涉及多种可能的合作形式,包括但不限于以下几种:

  1. 成立合资企业:软银可能与英特尔共同成立一家合资公司,专注于芯片代工业务。这种模式允许双方共享资源、降低风险,同时保留英特尔对代工业务的控制权。合资企业可能引入第三方投资者,进一步分散财务压力。
  2. 少数股权投资:软银可能通过收购英特尔代工业务的少数股权,获得一定的影响力,同时为英特尔提供资金支持。这种模式对软银而言风险较低,但可能无法完全满足孙正义对AI基础设施的全面控制需求。
  3. 全面收购:尽管可能性较低,但不排除软银直接收购英特尔代工业务的潜在方案。这将是一笔规模巨大的交易,可能涉及数百亿美元的资金,并对全球半导体行业格局产生深远影响。

知情人士还表示,周一宣布的投资计划并不排除未来达成更大规模交易的可能性。这意味着软银与英特尔的合作可能是一个渐进式的过程,先通过小规模投资试水,再逐步扩大合作范围。

谈判的推动因素

此次谈判的背后,是双方各自的战略需求和外部环境的共同驱动。对于英特尔而言,代工业务的亏损和高昂的资本支出迫使其寻求外部合作伙伴,以分担财务压力并加速市场竞争力提升。对于软银而言,英特尔的代工能力是其AI基础设施战略的重要补充,尤其是在美国市场,英特尔的本土制造能力具有不可替代的地缘政治价值。

此外,特朗普政府的政策导向也为此次谈判提供了外部助力。美国政府近年来通过《芯片与科学法案》等政策,投入数百亿美元推动芯片制造本土化,旨在减少对台积电等亚洲代工厂的依赖。英特尔作为美国本土的芯片制造巨头,获得了大量政府补贴和支持。软银若能与英特尔达成合作,不仅能借助英特尔的制造能力,还能间接分享美国政府的政策红利。

熵增视角:合作模式的多样性

从“熵增”的角度看,软银与英特尔的多种合作模式体现了半导体行业在商业模式上的复杂性增加。传统上,半导体行业的合作形式较为单一,主要是直接收购或技术授权。而如今,合资企业、少数股权投资等新型合作方式的出现,表明行业生态正在向高熵状态演化。这种多样化的合作模式不仅增加了交易的灵活性,也为行业内的资源整合和风险分担提供了更多可能性。

战略与政策意义

软银的AI生态愿景

孙正义的战略核心是将软银打造为AI基础设施的“超级枢纽”。通过控股Arm,软银已经掌控了芯片设计领域的关键技术,而英特尔的代工业务则可以补齐其在芯片制造环节的短板。如果谈判成功,软银将能够构建从芯片设计到制造的完整AI硬件供应链,进一步巩固其在全球AI市场的竞争力。

此外,软银的布局还包括AI软件和数据中心建设。例如,其投资的OpenAI正在开发下一代大语言模型(如GPT-6),而Stargate项目则旨在打造全球最大的AI数据中心。这些项目对高性能芯片的需求巨大,而英特尔的代工能力可以为软银提供定制化的芯片制造服务,从而形成闭环生态。

特朗普政府的政策背景

此次谈判还与特朗普政府的半导体政策密切相关。2025年,特朗普政府发布行政命令,强调美国必须减少对外国芯片代工厂(尤其是台积电)的依赖,推动芯片制造本土化。英特尔作为美国本土的领先代工厂,获得了政府的大力支持,包括数十亿美元的补贴和税收优惠。软银若能与英特尔合作,不仅能借助英特尔的制造能力,还能顺应美国政府的政策导向,获得地缘政治红利。

从“熵增”的视角看,特朗普政府的政策干预进一步增加了半导体行业的复杂性。地缘政治、供应链安全和国家战略的加入,使得行业竞争不再局限于技术和市场,而是演变为多主体、多维度的博弈。这种高熵状态既带来了挑战,也为软银和英特尔这样的玩家提供了新的机会。

潜在影响与挑战

对全球半导体行业的冲击

软银与英特尔的潜在交易可能对全球半导体行业产生深远影响。首先,交易将增强英特尔的代工竞争力,可能吸引更多客户(如苹果或英伟达)尝试英特尔的制造服务,从而削弱台积电的市场主导地位。其次,软银的加入可能加速美国芯片制造本土化的进程,对全球供应链格局产生连锁反应。此外,交易还可能引发其他半导体巨头的战略调整,例如三星或GlobalFoundries可能加快投资或寻求新的合作伙伴。

技术与伦理挑战

尽管前景诱人,软银与英特尔的合作也面临多重挑战。在技术层面,英特尔的代工业务需要快速提升工艺水平,以满足AI芯片对高性能、低功耗的需求。在伦理和监管层面,交易可能引发反垄断审查,尤其是在美国和欧盟,监管机构可能担心软银对半导体行业的控制力过强。此外,数据安全和知识产权保护也是双方需要解决的关键问题。

熵增视角:行业生态的动态演化

从“熵增”的角度看,软银与英特尔的潜在交易是半导体行业复杂性与无序性增加的缩影。交易不仅涉及技术和资本的流动,还牵扯到地缘政治、政策干预和伦理考量。行业生态从单一的竞争模式,演变为一个多主体、多维度的复杂网络。这种高熵状态既带来了创新的机遇,也增加了不确定性和风险。

结语:半导体行业的熵增未来

软银与英特尔的谈判不仅是两家企业之间的商业博弈,更是全球半导体行业在AI热潮和地缘政治影响下的一次深刻转型。从英特尔的代工困境到软银的AI野心,从多种合作模式的探索到特朗普政府的政策助力,此次谈判体现了半导体行业在复杂性、多样性和无序性上的“熵增”趋势。

未来,如果软银与英特尔能够成功达成合作,不仅将重塑双方的战略格局,还可能推动全球半导体行业向更加开放、多元的生态演化。在这场熵增之旅中,技术、资本和政策的交织将不断打破旧的平衡,催生新的可能性。而对于软银和英特尔而言,如何在高熵的行业环境中找到合作的最佳路径,将是决定其未来成败的关键。

Read more

Cloudflare Shared Dictionaries 现在值得试吗?我按官方 demo 跑了一次,先给频繁发版团队一个判断

Cloudflare Shared Dictionaries 现在值得试吗?我按官方 demo 跑了一次,先给频繁发版团队一个判断

Cloudflare Shared Dictionaries 现在值得试吗?我按官方 demo 跑了一次,先给频繁发版团队一个判断 如果你的网站或 Web 应用每天会发很多次前端 bundle,而且每次改动都不大,那么截至 2026-04-29,Cloudflare Shared Dictionaries 已经值得进测试名单,但还不值得当成“所有站点都该立刻上的通用优化项”。它真正解决的不是传统 gzip / Brotli 不够强,而是“你明明只改了一小段配置,用户却要重新下载整包”的高频发版浪费。 我这轮没有只看 Cloudflare 的发布文。我直接按官方 demo 给的 curl 流程跑了一次 canicompress.com:同一类约 93KB 的 JavaScript 资源,普通 gzip 传输了 22,423B,带共享字典的

By One AI
OpenAI Privacy Filter 适不适合拿来做脱敏 Web 应用?我实测后给出的判断

OpenAI Privacy Filter 适不适合拿来做脱敏 Web 应用?我实测后给出的判断

OpenAI Privacy Filter 适不适合拿来做脱敏 Web 应用?我实测后给出的判断 Article type: take 我先说结论:如果你要做的是文档高亮审阅、截图脱敏,或者“把一段敏感文本变成可分享的脱敏版本”这类入口,OpenAI Privacy Filter 已经值得拿来做原型;但如果你要的是可审计、字段级强约束、对中文或行业术语有稳定召回的生产脱敏链路,先别把它当成“一接就上”的成品。 这里说的 OpenAI Privacy Filter,当前准确指的是 Hugging Face Hub 上的 openai/privacy-filter 模型卡 和围绕它做的公开 demo,不是一个“在 OpenAI 控制台里点一下就开的 API 开关”。这个命名边界要先讲清,否则后面的部署、成本和数据路径都会判断错。 我这轮没有只看发布文。

By One AI
Telegram 无代码做 AI Bot?Managed Bots、BotFather 和真实门槛一次讲清

Telegram 无代码做 AI Bot?Managed Bots、BotFather 和真实门槛一次讲清

Telegram 无代码做 AI Bot?Managed Bots、BotFather 和真实门槛一次讲清 Article type: tutorial Voice: operator 如果你在 X 上看到“Telegram 现在支持无代码做 AI Bot”的说法,先别急着把它理解成“一键生成完整 AI Agent”。Telegram 这次真正开放的是 Managed Bots:它让一个管理 bot 可以替用户创建、接管并后续管理新的 bot。 这篇只讲 Managed Bots 这条官方创建与接管链路怎么跑通,不把“模型、知识库、状态管理、计费和运维”混进来。换句话说:这不是“AI bot 全栈教程”,而是“

By One AI
GitHub 的 Python dependency graph 现在更完整了?先按这份清单判断你的 SBOM 盲区还剩多少

GitHub 的 Python dependency graph 现在更完整了?先按这份清单判断你的 SBOM 盲区还剩多少

GitHub 的 Python dependency graph 现在更完整了?先按这份清单判断你的 SBOM 盲区还剩多少 Article type: tutorial Voice: operator 我先拿一个最小 Python 项目跑了一遍:requirements.txt 里只有一行 requests==2.32.3,但实际解析出来的安装树里,除了 requests,还会带出 charset-normalizer、idna、urllib3、certifi 这 4 个间接依赖。也就是说,如果你的视角还停在 manifest 层,SBOM 往往从第一步就已经不完整了。 先说结论 如果你的团队主要维护 Python 服务、内部工具或自动化脚本库,现在值得重新看一眼 GitHub 的 Python

By One AI
Follow @Fuuqius