蘋果 2026 年 M5 系列晶片採用先進封裝技術,進一步強化本地 AI 運算

發表時間:2026 年 11 月 16 日 | 更新日期:2026 年 11 月 16 日 | 編輯:雅寶社區編輯團隊
蘋果 2026 年 M5 系列晶片採用先進封裝技術,進一步強化本地 AI 運算 - 雅寶社區 · 頂客論壇

對蘋果而言,這個轉向有兩層意義。第一層是技術上的:M5 系列若要支撐更大型的本地 AI 模型,就必須讓記憶體更靠近運算單元,甚至直接堆疊在一起,而這正是先進封裝的強項。第二層是商業上的:蘋果向來擅長把供應鏈的關鍵技術「內部化」或「深度客製化」,先進封裝恰好是一個高度依賴晶圓廠配合、進入門檻極高的領域,一旦綁定成功,競爭對手要追趕的就不只是晶片設計,而是整條製造生態。

因此,M5 世代最值得關注的技術看點,很可能不是「台積電幾奈米」,而是「用了哪一種封裝」。這也是本文接下來要拆解的重點。

二、先進封裝技術解析:M5 可能採用的技術路線

目前市場上關於 M5 系列封裝方案的討論,主要集中在幾條技術路線。需要先說明的是,蘋果一向對未發表產品的細節保密到家,以下內容屬於基於公開供應鏈消息與產業推估的整理,並非官方確認規格,讀者閱讀時請以此為前提。

2.1 SoIC 與 CoWoS:兩種截然不同的 3D 思維

先談兩個最常被混淆的名詞。台積電的 CoWoS(Chip on Wafer on Substrate) 是一種 2.5D 封裝,做法是把多顆晶粒並排放在一片中介層(Interposer)上,透過中介層內部的金屬走線互相溝通。它的優點是技術成熟、可支援的晶粒數量多,缺點是中介層本身佔面積、成本高,而且晶粒之間仍然是「平面鄰居」的關係。

SoIC(System on Integrated Chips) 則是真正的 3D 堆疊。它把多顆晶粒直接面對面鍵合(Bonding),用極短的垂直導通(TSV)連接,訊號傳輸距離可以縮短到微米等級。這種做法帶來的頻寬提升與功耗下降非常顯著,但難度也高得多,牽涉到晶粒的薄化、對準精度與散熱設計。

對蘋果這種極度重視能效比的廠商來說,SoIC 的吸引力顯而易見。業界普遍推測,M5 Pro 以上的高階型號,很可能會採用 SoIC 的衍生方案,把記憶體或部分加速單元以 3D 方式堆疊在主要運算晶粒之上。這種「運算在上、記憶體在下」的佈局,正是解決記憶體牆最直接的手段。

2.2 InFO 與 WMCM:蘋果熟悉的扇出型封裝

另一條路線,是蘋果已經用得很熟的扇出型封裝(Fan-Out)家族。從 iPhone 的 A 系列晶片開始,蘋果就大量採用台積電的 InFO 技術;M1 Ultra 的 UltraFusion 本質上也是扇出型封裝的延伸應用。

近年被頻繁提及的是 WMCM(Wafer-level Multi-Chip Module,晶圓級多晶片模組)。它的概念是在晶圓階段就把多顆功能不同的晶粒(例如運算晶粒與記憶體晶粒)整合在同一個模組裡,再切割成型。相較於傳統把晶片與記憶體分開封裝、再焊在同一塊主機板上,WMCM 可以大幅縮短兩者之間的距離,同時降低整體的封裝厚度與功耗。

對筆電與平板這類空間有限的裝置來說,WMCM 的價值特別明顯。它讓蘋果可以在不顯著增加主機板面積的前提下,塞進更寬的記憶體匯流排。業界有消息指出,M5 世代的入門與中階型號,可能會優先採用這一類成本較可控、良率較穩定的方案,把 SoIC 留給真正需要極致頻寬的高階型號。

2.3 混合式策略:分層布局比單一技術更合理

值得注意的是,蘋果過去的慣例向來是「一個世代、多種封裝」。M1 全系列就分別用到了標準封裝、扇出型封裝與 UltraFusion 拼接。因此 M5 系列更可能採取的是分層策略:基礎款使用成熟封裝以控制成本,中階款導入 WMCM 強化記憶體頻寬,頂規款則以 SoIC 為核心,把效能與能效推到極致。

這種「同一架構、不同封裝」的做法,有一個容易被忽略的好處:軟體生態的一致性。對開發者而言,所有 M5 機型看到的都是同一套統一記憶體模型與同一組 Metal 與 Core ML 介面,差異只體現在可用的模型規模與推論速度上。這讓蘋果可以在硬體層大膽嘗試新封裝,而不必擔心軟體碎片化的風險。

三、封裝技術如何轉化為本地 AI 運算的實際效能

講到這裡,可能會有人問:封裝聽起來很工程、很底層,跟一般使用者的體驗到底有什麼關係?答案比想像中直接。以下從三個面向拆解。

3.1 頻寬與延遲:本地推理的兩道生死線

大型語言模型在裝置端執行推論時,最大的瓶頸通常不是算力,而是記憶體頻寬。這是因為自迴歸生成(一個 token 接一個 token 輸出)的過程具有強烈的「記憶體綁定(Memory-bound)」特性:每產生一個詞,都必須把大量的模型權重從記憶體讀進運算單元一次。

換句話說,如果你的 SoC 記憶體頻寬是每秒 200 GB,而模型每產生一個 token 需要讀取 20 GB 的權重,那麼理論上每秒最多只能產生十個 token——不管你的 GPU 核心有多少。這就是為什麼許多裝置端 AI 的體驗卡在「能跑,但很慢」。

先進封裝正好打在這個痛點上。以 3D 堆疊為例,把記憶體直接鍵合在運算晶粒上方,訊號傳輸距離從毫米級縮短到微米級,等效頻寬可以提升數倍,同時延遲大幅下降。對使用者而言,這代表著即時翻譯、語音助理、影像生成這些功能,回應速度會從「等一下」變成「幾乎同步」。

3.2 能效比:被低估的關鍵指標

很多人談晶片效能只看跑分,但對行動裝置與筆電來說,每瓦效能(Performance per Watt)才是真正的決勝點。而資料在晶片之間搬移所消耗的能量,往往比運算本身還多——業界常說的一句話是,把一筆資料從外部記憶體搬到運算單元,耗能可能是一次簡單運算的數十甚至上百倍。

封裝技術改善的正是這一段。當記憶體與運算單元的距離縮短,驅動訊號所需的電壓與電流就跟著下降,整條資料路徑的功耗可以顯著減少。這對本地 AI 特別重要,因為 AI 推論往往是持續性的背景負載——例如即時字幕、通話降噪、相片智慧分類——如果每一項都吃電,續航力會立刻崩盤。

換句話說,先進封裝帶來的不只是「更快」,更是「更快而且更省」。這才是蘋果願意在先進封裝上投入高成本的真正理由。

3.3 對 Apple Intelligence 的實質影響

把上述兩點放回蘋果的策略脈絡裡,就會看到一條清楚的路線。蘋果在 Apple Intelligence 上採取的是「裝置端優先、雲端為輔」的混合架構:能在本地處理的就留在本地,真的超出裝置能力的才送到 Private Cloud Compute。這套架構的成立條件,就是裝置端必須有能力跑得動「夠大」的模型。

M5 系列在先進封裝的加持下,最直接的影響是可承載的模型規模與上下文長度會明顯放大。這代表幾個具體的使用情境會出現質變:一是長文件的摘要與問答,不再需要切成小塊處理,可以吃進更完整的內容;二是多模態任務(同時處理文字、圖像、音訊)的即時性提升;三是本地端的個人化模型有機會真正落地,例如根據使用者的寫作習慣、行程安排提供更貼身的建議,而這些敏感資料完全不需要離開裝置。

從隱私角度來看,這一點的意義甚至超過效能本身。當本地運算能力足以支撐更高品質的 AI 功能,「把資料留在裝置上」就不再是妥協,而是可以理直氣壯的預設選項。

四、產業鏈影響與競爭格局

4.1 台積電:從晶圓代工走向「系統級整合」

蘋果在先進封裝上的每一步,幾乎都與台積電綁在一起。這讓台積電的角色悄悄發生質變:過去它是晶圓代工廠,交貨的是一片片晶圓;如今它越來越像「系統級整合服務商」,交貨的是已經把運算晶粒、記憶體與中介層整合好的完整模組。

這種轉變帶來兩個後果。第一,客戶的轉換成本變高。一旦你的晶片設計是圍繞某一家晶圓廠的封裝平台展開,要換供應商就等於重新設計。第二,產能排擠效應會被放大。先進封裝的產能擴張速度遠比晶圓廠慢,誰能優先拿到封裝產能,誰就能先上市。對蘋果這種出貨量以千萬計的客戶來說,提前鎖定產能是基本操作。

4.2 對英特爾、高通與 AMD 的壓力

在 PC 與行動運算市場,M5 的封裝策略會形成一種「規格以外的競爭」。英特爾近年力推 Foveros 與 EMIB 等封裝技術,方向其實相當正確,但挑戰在於軟硬體整合的深度;高通的 Snapdragon X 系列在筆電市場來勢洶洶,但其優勢主要集中在能耗與連網能力,在超大型本地 AI 模型的承載力上仍需觀察;AMD 則在資料中心端以 Chiplet 策略取得優勢,但同樣要面對「封裝產能」這道共通的門檻。

換句話說,未來的競爭不再只是「誰的 CPU 快 10%」,而是「誰能讓最多的 AI 模型跑在自己平台上」。這是一場關於記憶體頻寬、封裝良率與軟體生態的綜合戰,蘋果目前在這場戰局裡的位置相對有利,因為它同時掌握晶片設計、作業系統與開發工具鏈。

4.3 記憶體廠商的意外受益者

比較少人注意到的是,先進封裝的普及對記憶體產業其實是利多。當封裝走向 3D 堆疊,能參與的記憶體類型會從傳統的 LPDDR,擴展到更高頻寬的客製化方案。這意味著記憶體廠商不再只是賣標準品,而是要和晶片設計公司共同開發專用規格,議價能力與技術門檻都會同步提高。對台系與韓系記憶體供應鏈來說,這是一個值得留意的中長期趨勢。

五、對開發者與使用者的實際意義

5.1 開發者:本地模型部署的想像空間被打開

對開發者而言,M5 世代最大的變化,可能是「哪些事情可以在本地做」的界線被重新劃定。過去在 Mac 上跑開源模型,往往要在「模型品質」與「執行速度」之間痛苦取捨;當記憶體頻寬與容量同步提升,一些過去被認為只能上雲的任務,會開始具備本地執行的可行性。

這帶來的實務影響包括:第一,離線可用性提高,網路不穩的環境下仍能使用核心 AI 功能;第二,資料處理成本結構改變,原本要付的 API 費用轉換成一次性硬體投資;第三,延遲敏感型應用的新可能,例如即時語音互動、遊戲內 NPC 對話、AR 場景理解等。當然,這也意味著開發者需要重新思考模型量化、記憶體管理與推論排程的設計,因為裝置端終究有其物理上限。

5.2 一般使用者:隱私、續航與「無感」的升級

對多數使用者來說,先進封裝不會出現在任何一行產品規格表上,但它會以三種形式被感受到。第一是隱私:更多運算留在本地,代表更少資料離開裝置。第二是續航:能效比提升讓 AI 功能不再成為電池殺手。第三是流暢度:那些過去需要轉圈等待的功能,會逐漸變成「按下去就出來」。

這種「無感升級」其實是技術成熟的象徵。最好的封裝技術,就是讓人感覺不到封裝的存在,只覺得這台機器怎麼用起來特別順。

六、風險與不確定性:這條路並非沒有變數

談完樂觀面,也得談談風險。首先,先進封裝的良率與成本是最大變數。3D 堆疊牽涉到極高精度的鍵合與散熱設計,任何一個環節出問題,都會反映在售價與供貨上。若成本過高,蘋果可能只在頂規型號採用,導致「AI 效能」在不同價位帶出現明顯斷層。

其次是散熱。把更多晶粒塞進更小的空間,熱密度必然上升。在筆電與平板的輕薄機身裡,這是一道必須靠系統級設計(均熱板、機殼導熱、動態功耗管理)共同解決的難題,單靠封裝本身無法竟功。

第三是軟體能否跟上。硬體頻寬再大,如果模型沒有針對裝置端最佳化,實際體驗仍會打折。蘋果在這方面有優勢,因為它同時掌握模型與作業系統,但第三方開發者的適配速度仍是隱憂。

最後是技術路線的不確定性。本文所述的 SoIC、WMCM 等方案,本質上仍是市場推估。半導體產業變化極快,實際量產時的方案可能與現在的猜測有所出入。讀者若要據此做投資或採購決策,務必謹慎看待。

七、結論:封裝正在成為 AI 時代的隱形戰場

回顧蘋果自研晶片的十年,前五年是「架構定義體驗」的時代——統一記憶體架構讓 Mac 在輕薄與效能之間找到新的平衡點;而接下來的五年,很可能會是「封裝決定上限」的時代。

M5 系列在先進封裝上的投入,表面上是製程競賽的延伸,實質上卻是對「AI 要住在哪裡」這個問題的回答。當模型越長越大、使用者的隱私意識越來越強、雲端成本越來越難以預測,把運算留在本地就從「選項」變成「必然」。而要在本地跑得動、跑得久、跑得省,靠的正是封裝這一層過去被忽略的技術。

對產業來說,這意味著競爭的門檻被重新定義;對開發者來說,這意味著設計空間的重新擴張;對一般使用者來說,這意味著未來的 AI 體驗會更即時、更私密,也更無聲地融入日常。

至於 M5 究竟會端出什麼菜,最終還是要等蘋果自己揭曉。但可以確定的是:在這個時代,真正拉開差距的,往往不是那些寫在規格表最前面的數字,而是藏在晶片底部、肉眼看不見的那一層結構。

本文由雅寶社區 · 頂客論壇 AI 趨勢版整理撰寫,內容基於公開資訊與產業趨勢推估,僅供參考討論,不構成任何投資建議。歡迎在下方留言分享你對 M5 與本地 AI 運算的看法。

```

🏠 返回首頁