聯發科技陳冠州：Token 經濟時代來臨，智能體將引爆 Token 消耗 & 市場規模
聯發科技今日舉辦 2026 年天璣旗艦新品發表會，董事、總經理暨營運長陳冠州率先登台發表主題演講，深入剖析生成式人工智慧（GAI）與 Token 經濟的發展趨勢。他在演講中指出，2023 年至 2026 年間，全球半導體產業的總體可用市場（TAM）將成長 43%，2027 年全球半導體市場規模預估將突破 11 兆美元大關，顯示整體產業正迎來一波強勁的擴張動能。陳冠州強調，這波成長的關鍵驅動力正是來自 AI 應用的快速普及，尤其是生成式 AI 所催生的全新運算需求。陳冠州進一步說明，隨著 AI 從雲端走向終端，各種智慧裝置與服務將大量依賴「Token」作為運算與互動的基本單位。
他指出，Token 經濟時代已經正式來臨，未來每一項 AI 功能、每一次對話、每一張圖像生成、每一段影片處理，背後都將消耗數量龐大的 Token。這些 Token 的消耗不僅代表運算資源的使用，更將帶動全新的市場規模與商業模式，為晶片設計、雲端服務、終端設備與應用開發者創造前所未有的機會。半導體產業過去幾年的成長主要依賴智慧型手機、物聯網與高效能運算等傳統應用，但陳冠州認為，生成式 AI 的爆發將徹底改變產業的成長邏輯。
過去半導體市場的擴張多來自硬體規格的提升與裝置數量的增加，如今 AI 模型參數規模持續擴大，推論（inference）運算需求急遽攀升，使得每一項服務的「算力單價」大幅提高，而 Token 正是衡量這項算力消耗的核心指標。陳冠州預估，隨著智能體（AI Agent）在各行各業的滲透，Token 消耗量將出現指數級成長，屆時半導體市場規模將遠遠超過傳統預測。陳冠州特別點出「智能體」在 Token 經濟中的關鍵角色。所謂智能體，是指具備自主決策、記憶與工具使用能力的 AI 應用，它們能夠根據用戶的指令自動執行多步驟任務，例如安排行程、訂購商品、管理財務、控制智慧家居等。
相較於目前常見的聊天機器人，智能體的運作需要更頻繁地與外部系統互動，並在每次互動中產生大量 Token。陳冠州認為，未來數年內智能體將從實驗性應用走向主流消費市場，成為消耗 Token 的最大來源之一，也將驅動終端裝置的運算規格與晶片設計走向更高效率與更高算力的方向。聯發科作為全球重要的晶片供應商，正積極透過天璣旗艦平台為生成式 AI 生態系提供高效能運算基礎。陳冠州表示，聯發科長期布局行動運算與邊緣 AI 技術，天璣系列晶片已內建先進的神經網路處理單元（NPU）與異構運算架構，能夠在終端裝置上順暢運行大型語言模型與多模態 AI 應用。
隨著 Token 經濟的來臨，終端裝置不再只是被動的顯示器或輸入工具，而是成為 AI 運算的重要節點，負責在用戶端完成即時推論與隱私保護，同時與雲端協同運算。聯發科將持續投入研發資源，確保天璣旗艦平台能夠支持更高頻率的 Token 處理能力與更低的功耗表現。陳冠州也在演講中回顧了聯發科在 AI 領域的技術演化歷程。從最早期的語音辨識加速，到後續的影像處理與臉部偵測，再到如今的大型生成式模型推論，聯發科每一代天璣晶片都在 AI 算力上實現大幅躍進。
他強調，2026 年的天璣旗艦新品將整合更強大的 AI 引擎，針對 Token 密集型的應用場景進行優化，例如即時語言翻譯、智慧摘要生成、個人化推薦系統、以及多模態內容創作等。這些應用不僅需要高輸通量，還需要低延遲與高能校，正是聯發科晶片設計團隊長期累積的競爭優勢所在。展望未來，陳冠州認為 Token 經濟將重塑整個半導體產業的價值鏈。晶片廠商不再只是提供硬體規格，更需要與軟體生態深度整合，從底層運算架構到上層應用接囗，都要能夠高效處理 Token 的產生與消費。
他預告，聯發科將與全球夥伴合作，共同定義新一代的 AI 終端標準，讓智慧型手機、筆記型電腦、車用娛樂系統、物聯網裝置都能無縫接軌 Token 經濟的發展。同時，他也提醒產業界應關注 Token 消耗背後的能源效應，如何在提高算力的同時控制功耗與碳排，將是未來幾年的重要挑戰。發表會現場也展示了多項基於天璣旗艦晶片的 AI 實機演示，包括即時語音助理、智慧影像編輯、以及多語言即時翻譯等應用，讓與會者親身體驗 Token 如何在終端裝置上流轉與處理。
陳冠州在演講結尾時表示，聯發科將以「賦能每一顆 Token」為核心理念，持續推動生成式 AI 從雲端走向指尖，讓每一位消費者在日常使用中都能感受到 AI 帶來的便利與效律。他堅信，Token 經濟不僅是技術名詞，更將成為未來十件半導體產葉與數位經濟成掌的最重要引擎。
Related
相關文章
Transformers Model Integration Contracts
Back to Articles Transformers Model Integration Contracts Published November 3, 2026 Update on GitHub Upvote - Tarek Ziadé tarekziade Follow On July 30, 2026, Transformers enabled PyTorch's scaled dot-product attention (SDPA) for T5.
NVIDIA Kumo Relational Outperforms Supervised Machine Learning on Relational Data, No Training Required
Back to Articles NVIDIA Kumo Relational Outperforms Supervised Machine Learning on Relational Data, No Training Required Enterprise + Article Published October 21, 2026 Upvote 1 Joshua Przybylko jprzybylko Follow nvidia Jure Leskovec profjure Follow nvidia Matthias Fey rusty1s Follow nvidia Federico Lopez flopeznv Follow nvidia Valter Hudovernik valterh-nv Follow nvidia Akihiro Nitta akihironitta-nv Follow nvidia Ramona Bendias RBendiasN Follow nvidia TL;DR NVIDIA Kumo Relational is a pre-trained relational foundation model that makes predictions directly on enterprise databases.
NVIDIA Kumo Forecast Combines Pretrained Time-Series Representations with Historical Pattern Retrieval and Interpretability
Back to Articles NVIDIA Kumo Forecast Combines Pretrained Time-Series Representations with Historical Pattern Retrieval and Interpretability Enterprise + Article Published October 21, 2026 Upvote - Saira Qureshi sairaq Follow nvidia Aditi Gautam adgautam Follow nvidia Manikandan Ravikiran mravikirannvidia Follow nvidia Sena Ekiz neptunel1 Follow nvidia Viraj P Modak vmodak Follow nvidia Highlights (TL;DR) NVIDIA Kumo Forecast (formerly known as NV-Tesseract Forecasting) is a multi-variate time-series forecasting model that combines a pretrained Transformer backbone with Domain-Aware Representation and Retrieval (DARR), a context-enhanced forecasting mode that blends direct model predictions with patterns retrieved from historical data.
Announcing SimReady Central: An Open Library of Simulation-Ready 3D Assets for Robotics and AI Factories
Back to Articles Announcing SimReady Central: An Open Library of Simulation-Ready 3D Assets for Robotics and AI Factories Enterprise + Article Published October 21, 2026 Upvote 1 John Kosnik jkosnik Follow nvidia Frank DeLise delisef Follow nvidia Pomi Lee pomilee Follow nvidia Building robotics simulations and high-fidelity AI factory digital twins takes more than 3D models.
NVIDIA Cosmos3-H-Dreams: Bringing Clinical Surgery to Life Through Generative Simulation
Back to Articles NVIDIA Cosmos3-H-Dreams: Bringing Clinical Surgery to Life Through Generative Simulation Enterprise + Article Published October 20, 2026 Upvote - Lukas Zbinden lzbinden Follow nvidia Javier Gamazo javirk1 Follow nvidia Nigel Nelson nigeln Follow nvidia Mostafa Toloui mtoloui Follow nvidia Sean Huver shuver Follow nvidia Picture moving the Cadiere grasper, grasping the gallbladder, and lifting it, all within a generated surgical scene that responds in real time.
擴展印度語言預訓練：2.8兆詞元與開放資料生成管線
本文介紹了針對22種印度語言的預訓練擴展計畫，使用了2.8兆詞元，並提供了12種語言的羅馬化資料。作者來自AI4Bharat與NVIDIA，開發了一套可重用的GPU加速管線，用於翻譯、品質評估與修復，以支援這些語言的模型訓練。