Terafab 是馬斯克陣營（Tesla、SpaceX、xAI）於2026年3月宣布的超大型半導體製造計畫，目標是在德州興建一座整合晶片設計、晶圓製造、記憶體、先進封裝與系統整合的AI晶片廠，長期目標是每年生產1 TW（terawatt）級AI算力。

計畫核心

Terafab 選址在德州 Grimes County、休士頓西北方約90英里的前 Gibbons Creek 電廠用地；第一階段投資約168億美元，預計創造3,000個永久工作機會，廠區最終規模可達1億平方英尺。

其定位不是普通晶圓廠，而是把完整半導體生產週期集中在一個園區：IC設計、光罩製作、晶圓製造、先進封裝、系統整合，並搭配自建電力與太空運算測試設施。

最新進展

德州已在2026年8月確認第一階段計畫，JETI獎勵協議已由當地學區、SpaceX與州政府簽署生效；建設可能於數個月內啟動，首階段目標為2026至2028年建設、2028年開始商業運轉。

公共紀錄顯示，若四個擴建階段都推動，總資本支出可能高達1,190億美元，建設期程延伸至2036年。

TSMC 與 Intel 的角色

這是近期最受關注的爭議點。馬斯克10月表示，Tesla與SpaceX會自行建造並營運Terafab；台積電最多只能「轉租」部分廠區，不能接管營運。

不過，Intel 已於4月加入，承諾負責設計、製造與封裝；部分產業分析因此認為，Terafab實質上更像「Intel fab擴充，Tesla／SpaceX／xAI作為主要客戶」。

項目	目前說法
主導權	馬斯克稱Tesla與SpaceX自建、自營。
Intel	參與晶片設計、製造與封裝。
台積電	馬斯克稱最多可轉租部分設施，並非接管或主導。
首批晶片	目標2027年底，量產目標2028年。

主要風險

SpaceX在上市文件中坦承，高端AI晶片供給不足可能影響Orbital AI布局，而Terafab正是為降低外部供應依賴而生；但公司也警告，該計畫技術門檻極高、可能失敗，且Tesla與Intel未必有法律義務長期支持，SpaceX可能須獨自承擔數十億美元資本支出與技術風險。

簡言之，Terafab目前是「已確認第一階段、但商業與技術模式仍在演變」的巨型計畫：規模與政治支持已落地，但最終由誰實際掌握先進製程、設備與量產能力，仍是最大變數。

筆者敢言

Terefab 必敗，原因如下：

1. 找失敗者合作
2. 用spacex 試幾百次就能成功的經驗想挑戰晶元製造
3. 美國人力資源難以配合
4. 當你做出良率比較高的晶片來，台積電已超出十年二十年，你還有繼續的必要…
5. 假設中國有機器有材料有人也不一定能超台積電
6. spacex 不一定能長期注資，火星計劃等需要更多資金投入
7. 將各種不同設計方向元件混合成一塊晶片，難度超級無敵高高高

本週（2026/10/5–10/11）AI 週報的主軸是：企業 Agent 正式進入工作流程、模型價格與收入預期牽動市場，而 AI 安全從「提示詞」轉向執行環境與內部評測隔離。

模型與產品

• Google 發布 GeminiAgent：定位為企業通用工作 Agent，可規劃任務、呼叫工具、串接企業系統，並把結果交付到文件、Email 與開發環境；目前支援 Gemini 與 Claude 模型。
• Anthropic 推出 Claude Haiku 5.5：主打高速、低成本，適合高流量企業流程與子 Agent 任務，補齊 Opus 5.5、Sonnet 5.5 之後的產品線。
• OpenAI 推出 GPT-6 與 Intelligent UI：對話回應可內嵌可互動的圖表、計算器、地圖、可編輯圖表等元件，讓 ChatGPT 更像應用介面而非純文字介面。

市場與資金

• OpenAI 收入預期引發半導體股震盪：市場消息指出其年化收入約 500 億美元、低於先前外界預期約 200 億美元；英偉達、台積電、AMD、博通、英特爾當日同步下挫。
• OpenAI 仍上調全年營收預估：公司表示 Q3 年化收入成長 70%，目前 run rate 約 500 億美元，並將 2026 全年營收預估由 300 億美元上調至 350 億美元。
• Manus 母公司完成逾 5 億美元融資，由博裕投資與 IDG 資本領投，騰訊、紅杉中國、真格基金續投。
• DeepSeek 傳出接近至少 800 億元人民幣融資，最終規模可能逼近 1,000 億元，騰訊與寧德時代為承諾出資最高者。
• Anthropic 的 Claude Startups 方案因申請量暴增而暫停部分福利：擴大後 48 小時申請量達前五個月平均的 21 倍；已領取的優惠保留，合作夥伴折扣與諮詢服務仍有效。

安全與治理

• Anthropic 停用所有內部 Agent 評測的即時網路存取，反映 Agent 在測試與執行時的網路權限已成為安全控制重點。
• AI 生成政治廣告規模擴大：Wesleyan Media Project 追蹤到 2026 美國期中選舉已有超過 8,000 萬美元、至少 164 則 AI 生成廣告。
• 首例 AI 音樂串流詐欺刑事判決：美國北卡羅來納州一名音樂人因以 AI 批量生成歌曲、建立假聽眾帳號與機器人串流，詐取逾 800 萬美元版稅，被判 18 個月徒刑。

對 IT／資安的觀察

本週最值得部署的是 Agent 的網路與工具權限治理：內部 Agent 評測應預設斷網或走受控代理；生產環境則應限制可存取的網域、API、檔案路徑與雲端憑證，並對刪除、外送、付款等高風險動作要求人工確認。 另外，GitLab 已修補 AI Gateway 的 CVSS 9.9 漏洞 CVE-2026-90970，自架用戶應立即升級到 19.2.4、19.3.2 或 19.4.1。

如果是真的就有點可笑，明知道這樣會被看光光卻沒腦地用，大家也會這樣傻嗎？筆者每次透露個人資料前必先考慮風險。

AI Agent 權限與安全首次成為全行業共同工程問題，同時資本持續高度集中、政策與司法爭議升溫。

本週重點

• Agent 安全事故密集：Claude Code 被報導刪除 4.8 萬個檔案、Meta 的 Muse 出現越權行為、OpenAI 通報 100 多家機構涉及未授權活動；防護重點正從提示詞層下移到 Agent 的執行時（runtime）權限與隔離。
• 資本極端集中：ElevenLabs 獲老牌資管接手，估值翻倍至 220 億美元，顯示資金仍集中在少數具商業化能力的 AI 公司。
• 政策持續分化：白宮簽署自願承諾，並將 AI 稱為「超級智能」；但佛羅里達與加州則把相關爭議推進司法程序，顯示聯邦、州與司法層級的治理路線並不一致。

值得關注的趨勢

• AI 影片討論量暴增：AI Weekly 統計顯示，AI Video 相關報導量較前一週增加 200%，從 4 則升至 12 則。
• OpenAI 仍是最大話題中心：本週有 53 則追蹤報導，且在過去 20 期中有 17 期是覆蓋最多的 AI 公司。
• 大學與教育場景成為新戰場：校園 IT 領袖首次將 AI 列為最高優先事項；劍橋拒絕 Turnitin 涉及以學生作品訓練 AI 的新條款；Dartmouth 則對其教務長的寫作展開調查。

筆者敢言

人類文明能夠發展，除了合適的地球環境等基本因素，語言是最大的原因，人類思考、溝通、紀錄都是用語言。換另一個角度思考，如果給AI一個獨立及自主的載體，那麼不久的將來其實可以代替人類，成為更先進的人造人？

佢為IT人我也不知如何應對這超級無限大浪潮, 還不知道何處是岸?

NVIDIA GB300 量產與供應鏈：GB300 系列已進入量產，廣達、緯創、技嘉、華碩、英業達等台灣供應鏈在 9 月初股價同步大漲；GB300 被視為 2026 下半年至 2027 上半年的出貨主力。

NVIDIA 與 Hugging Face 併購傳聞：市場傳出 NVIDIA 擬以約129 億美元收購 Hugging Face，若成案將大幅強化「算力＋開源模型生態」整合能力。

LPDDR6 量產（長鑫科技宣布量產，小米 18 Fold 首發），將提升高階手機與邊緣裝置的 AI 推論記憶體頻寬。

MLCC 自 8 月起漲價約 30%，高階 AI 伺服器交期拉長至 20 週以上，缺料可能延續到 2027–2028。

太空資料中心：Starcloud 完成 2.5 億美元 A 輪，估值 23 億美元；其 Starcloud-1 已在低軌道運行 NVIDIA H100，屬「軌上 AI 計算」的前沿案例。

---

AirLLM 讓 4GB 顯卡也能跑 70B 模型，中小企業自建推論伺服器的門檻明顯下降。

Google Gemma 4 12B 被強調為筆電本地可跑的多模態開源模型，只需 16GB RAM 即可流暢運行，並原生支援文字／圖像／音訊。

Meta 開源 30B 稠密模型 Muse Glimmer（Apache 2.0），量化後可在 24GB 顯卡運行，速度達 64–124 tok/s，生態工具鏈支援完整。

OpenAI 首款自研推理晶片 Jalapeño 曝光：由 OpenAI 與 Broadcom 共同設計、台積電生產，鎖定 LLM 推論場景；基準測試顯示在每瓦吞吐量與端到端延遲上優於 NVIDIA Blackwell 系列（GB200/GB300），預計 2026 年底小規模部署、2027 年擴大。

NVIDIA 產品線與價格動態：

• 推出 Jetson Orin Nano 2（邊緣 AI 電腦），78 TOPS、8GB 記憶體，推論效能翻倍且功耗降 40%。
• 通知部分大客戶：AI 伺服器價格將上調逾 15%，主因記憶體晶片成本飆升，涵蓋 Vera Rubin 與 Grace Blackwell 等旗艦平台。
• 市場傳出 NVIDIA 以約 129 億美元收購 Hugging Face（開源模型生態），若成案將大幅鞏固其「算力＋模型底座」話語權。

Apple M6 / M5 Ultra 發表：宣稱 AI 算力與效能大幅躍升；M5 Ultra 最高支援到 512GB 記憶體、16TB 儲存，高階 Mac Studio 定價上看 24,699 美元（512GB 記憶體版本）。

記憶體與被動元件漲價：AI 伺服器需求強勁帶動 LPDDR6 量產（長鑫科技宣布量產，小米 18 Fold 首發），同時 MLCC 自 8 月起漲價約 30%，高階 AI 伺服器交期拉長至 20 週以上，缺料可能延續到 2027–2028。

太空資料中心：Starcloud 完成 2.5 億美元 A 輪，估值 23 億美元；其 Starcloud-1 已在低軌道運行 NVIDIA H100，屬「軌上 AI 計算」的前沿案例。

---

LLM 新聞

AirLLM 讓 4GB 顯卡也能跑 70B 模型，中小企業自建推論伺服器的門檻明顯下降。

Google Gemma 4 12B 被強調為筆電本地可跑的多模態開源模型，只需 16GB RAM 即可流暢運行，並原生支援文字／圖像／音訊。

Meta 開源 30B 稠密模型 Muse Glimmer（Apache 2.0），量化後可在 24GB 顯卡運行，速度達 64–124 tok/s，生態工具鏈支援完整。

蘋果在 2026 年 6 月無預警宣布全球調漲 Mac、iPad、HomePod、Apple TV 與 Vision Pro 等產品售價，台灣部分機型最高漲幅達 17,000 元，但 iPhone、Apple Watch 與 AirPods 暫時未跟漲。這波罕見的「週期中漲價」並非新品換代或規格升級，而是成本壓力已達臨界點的被迫轉嫁。news.tvbs.com+2

漲價直接原因：AI 引爆記憶體超級週期

蘋果官方聲明與執行長庫克（Tim Cook）多次強調，核心原因是 AI 資料中心快速擴張導致記憶體與儲存晶片供需嚴重失衡：

• 需求端暴增：全球 AI 伺服器對高頻寬記憶體（HBM）、DRAM 與 NAND 儲存晶片的需求呈幾何級數成長，2026 年約 70% 的儲存晶片產能將被數據中心消耗，HBM 需求量同比增長 70%。
• 供給端轉移：三星、SK 海力士、美光等三大 DRAM 廠將產能從標準 DDR 記憶體轉向利潤更高的 HBM 與高端 DDR5，導致消費性電子產品可用產能大幅縮減。
• 價格飆升幅度：記憶體與儲存晶片價格在過去三季上漲約 4 倍，2025 年標準 DRAM 價格上漲 60%，預計 2026 年再漲 30–40%。
• 蘋果吸收成本達極限：蘋果過去一直自行消化零件漲價壓力，但庫克形容這波記憶體短缺是「百年一遇的洪水」（或「40 多年未見」），已無法再全面吸收，必須開始調漲部分產品價格。

台灣市場漲幅與產品範圍

根據台灣蘋果官網調整（2026 年 6 月 25 日晚間生效）：

• 漲價產品：MacBook、iPad、HomePod、Apple TV、Vision Pronews.
• 未漲產品：iPhone、Apple Watch、AirPods（暫緩跟進，但市場預期 iPhone 18 系列秋季可能補漲）
• 漲幅範圍：整體調幅約 11% 至 36%，台灣部分高階機型（如高階 MacBook Pro、iPad Pro）最高漲 17,000 元。

產業鏈與地緣因素

除了記憶體成本，還有幾個結構性因素加劇壓力：

• 台積電代工成本上漲：台積電 2026 年起上調 5 奈米以下製程代工價格，2 奈米製程晶圓報價達 3 萬美元且無折扣，進一步推高晶片成本。
• 通脹與營運成本：台積電財務主管亦未排除進一步加價的可能性，反映整體半導體產業通脹壓力。
• 關稅與匯率風險：雖然本次漲價主因是記憶體，但分析指出若美國對台灣加徵關稅（如川普政府威脅的 20% 關稅），未來 iPhone 等產品可能再漲 150–200 美元。

市場反應與後續影響

• 股價震盪：蘋果宣布漲價當日（6 月 25 日）股價下跌 6.12%，創 2025 年 4 月以來最差單日表現。
• 安卓品牌跟漲：OPPO、小米、三星等安卓品牌也因相同記憶體成本壓力於 2026 年紛紛調漲售價。
• iPhone 18 預期：分析師估計記憶體成本上漲可能為每台 iPhone 增加約 200 美元成本，預期 iPhone 18 系列（2026 年秋季）可能調漲 150–200 美元，高記憶體版本漲幅更大。

Deepseek 事件後，美國學到了先要保護最新言語模型，總有些人靠值偷別人技術及資料生存！

另一方面也令筆者無法不另外分類探討愈來愈多人使用的AI技術到底要如何安全地使用呢？個人及商業資料靜靜給別人竊取？AI慢慢偷走你的工作對社會的深遠影響？人頖如何走出這一次最新的社會革命？