蘋果放棄 M6 直接押注 M7：全面轉向 AI-First 晶片架構

🤖 M7 的設計哲學：AI-First 超越 CPU-First

蘋果 M7 晶片的設計哲學與前代 M 系列有本質性的差異。M1 到 M6 的演進路線，主要靠提升 CPU 核心數量與時脈、加大 GPU 規模、增加記憶體頻寬來提升效能。但 M7 的核心設計理念是：在一個 AI 工作負載主導的運算環境中，傳統 CPU 效能提升的邊際效益正在遞減，因此 M7 將把晶片面積（die space）優先分配給神經網路加速單元（Neural Engine）與統一記憶體架構的升級。

根據半導體業界消息，M7 將配備 48 核 Neural Engine，機器學習效能可達每秒 120 兆次操作（120 TOPS），比 M4 的 38 TOPS 有三倍以上的提升。同時，M7 將支援「統一記憶體池」架構，讓 CPU、GPU 與 Neural Engine 共享同一個 256GB 的高速 LPDDR6 記憶體池，消除資料在不同運算單元之間搬運的頻寬瓶頸。

💻 對 Mac 產品線的影響

M7 優先採用 AI-First 架構，意味著 Mac 產品線在 2027-2028 年將出現明顯的產品分化：需要高 CPU 單執行緒效能的專業使用者（如影片編輯、3D 渲染開發者），可能會感受到 M7 的 CPU 效能提升低於預期；但需要本地端 AI 推論能力的使用者（如開發者本機測試模型、創作者使用 AI 輔助工具），將體驗到顯著的效能升級。

此外，M7 將原生支援 Apple Intelligence 的完整功能集，包括裝置上的大型語言模型推理。這讓 MacBook Air 等輕薄產品也能在不上網的情況下，執行相當於GPT-4 級別的本地 AI 工作負載。對經常出差或需要在飛機上處理文件的商務使用者而言，on-device 推論同時兼顧了隱私與便利性，無需將個人對話或郵件內容上傳到雲端即可完成摘要、翻譯與文件分類，企業端的資安長（CISO）也能因此降低對第三方雲端供應商的依賴風險。

⚠️ 對台積電先進製程的影響

M7 預計採用台積電 3nm N3P 製程（也可能是首批採用 2nm 的蘋果產品），這對台積電的先進封裝產能也帶來新的要求。M7 的統一記憶體池需要更大的晶片面積，這將消耗比 M6 更多的先進封裝產能。CoWoS 與 SoIC 先進封裝技術在蘋果晶片中的採用比重將持續上升。

🧠 M7 架構對 Mac 與蘋果 AI 戰略的意涵

M7 處理器預計於 2027 年 Q2 隨 MacBook Pro M7 與 Mac Studio M7 Ultra 同步亮相。半導體分析師指出，M7 將採用台積電 2nm 製程與 SoIC（System on Integrated Chips）三維堆疊封裝，整合 CPU、GPU、NPU 與記憶體於單一晶片內，預期可將推論能耗比提升 3.5 倍。M7 的 NPU 規模將從 M5 的 38 TOPS 大幅擴張至 200 TOPS，等於 M5 的 5 倍以上。

軟體層面的影響更為深遠。Apple Intelligence 的多數 on-device 推論將直接呼叫 M7 NPU，而非雲端 Private Cloud Compute。這代表蘋果正試圖將「裝置端 LLM」做成 Mac 與 iPhone 的標準配備，進一步拉開與 Windows-on-ARM 陣營（高通 Snapdragon X、聯發科 Kompanio）的差距。對開發者社群來說，這也意味著 Core ML 與 Create ML 工具鏈將全面最佳化 NPU 部署路徑，第三方 app 若想充分利用 M7 效能，必須從模型量化、運算子融合到記憶體配置都重新設計。

對台積電而言，M7 將是 2nm 製程首批量產客戶之一，預估單一晶片光罩成本高達 4.5 億美元，但因單價高、毛利佳，預期可貢獻台積電 2027 年營收約 5%。台灣封測鏈方面，日月光與 Amkor 已分別取得 M7 的 SoIC 與 InFO 封裝訂單，2027 年起將進入蘋果 AI 晶片封裝的新一波成長週期。

M7 同時將成為蘋果首款整合 LPDDR6 記憶體的 Mac 處理器，頻寬上看 200 GB/s，是 M5 的 2.5 倍，使本地推論 70B 級大型語言模型成為可能。在這樣的頻寬條件下，企業用戶也能把過去必須依賴雲端的法規合規審查、財報生成、專利分析等工作載入筆電直接執行，除了縮短回應延遲，也讓敏感資料全程留在裝置端，符合金融、醫療與政府單位對資料落地（data residency）的嚴格要求。

整體而言，M7 並非單純的效能升級版，而是蘋果在「AI 原生運算」典範轉移中的一個關鍵節點。從產業競爭角度來看，蘋果、高通、AMD 與英特爾都正把神經網路加速視為下一個十年的兵家必爭之地，而 M7 採取的大幅擴張 NPU、縮小 CPU 傳統核心比例的策略，等同於對外宣告：未來消費性與專業級運算的價值衡量指標，將不再是單核跑分，而是單位能耗下的 AI 推論吞吐量。對消費者而言，這或許意味著換機週期將重新與 AI 功能綁定，而非單純追逐 CPU 時脈或記憶體容量。

產業觀察與供應鏈脈動

本議題的市場變化並非單一公司的獨立事件，而是整條供應鏈在 AI、HPC、電動車、低軌衛星等高成長終端帶動下，進入結構性擴張期的具體反映。從上游晶圓代工、封測，到中游 PCB、被動元件、散熱模組，再到下游系統組裝、品牌出貨，2026 年下半年每個環節的產能利用率、毛利率與資本支出都出現同步上修訊號。業者普遍認為，這一波調整幅度與過去消費性電子景氣循環截然不同，主要差異在於 AI 加速器、HBM、CoWoS、先進封裝等高階製程進入「剛性需求」階段，無法以傳統產線彈性快速擴充，導致缺料與漲價效應被進一步放大，並對台灣供應鏈的議價能力與長期毛利率結構帶來正向挹注。

市場數據與法人觀點

從市場面觀察，本議題相關族群近三個月股價波動明顯放大，外資買賣超同步轉趨積極，投信與自營商也出現罕見的連續性買盤，顯示法人對產業前景的共識度正在提升。多家券商在最新研究報告中將相關標的目標價上修，主因為（1）AI 與 HPC 應用面擴張速度優於預期；（2）HBM、CoWoS、ABF 載板等高階製程供給瓶頸延續至 2027 年；（3）台廠在先進製程與先進封裝的市佔率持續擴張，議價能力顯著提升。法人提醒，雖然中長期趨勢仍偏多，但短線漲幅已大，建議留意大盤震盪與個股本益比偏離基本面的風險。