模型即服務（MaaS）與硬體平台
過去談到人工智能硬體，人們首先想到的往往是晶片、伺服器、散熱模組，或者更高效的資料中心設備。硬體的角色，長期被視為支撐軟體運算的「底座」：誰能提供更高算力、更低功耗、更穩定供應，誰就能在AI浪潮中分一杯羹。然而，隨着AI模型即服務（Model as a Service, MaaS）逐步成形，產業邏輯正在改變。企業與開發者愈來愈少直接訓練大模型，而是透過API按需調用模型能力，購買的不是一套軟體，而是一種可即時接取、可持續升級、可按使用量付費的智能服務。在這樣的經濟模式下，硬體不再只是幕後基建，而開始成為連接模型能力、場景入口與商業生態的關鍵平台。
MaaS的興起，本質上是把AI能力從「產品」轉化為「服務」。這種轉化使模型價值不只體現在參數規模與推理表現，更體現在可否低延遲、低成本、穩定地抵達使用者端。於是，硬體的重要性也被重新定義。誰能掌握終端裝置、邊緣節點、企業設備與雲端之間的協同關係，誰就更有機會在API經濟之中佔據有利位置。換言之，未來競爭的不只是模型公司與雲平台，還包括能否把模型能力自然嵌入硬體之中的平台型企業。
首先，終端硬體將成為MaaS的重要分發入口。智能手機、個人電腦、車載系統、穿戴設備，甚至家居裝置，都不再只是接收指令的被動工具，而可能成為調用多種AI API的前台介面。當用戶在手機上語音提問、在電腦上生成文件、在汽車內呼叫助理時，表面上是使用某個應用，實際上背後可能在調用語言模型、語音模型、視覺模型等多層服務。這意味着，擁有大量終端出貨能力的硬體廠商，未來不只賣設備，還能經營AI能力的入口流量。硬體因此由一次性交易，逐步延伸出持續性的服務收入。
其次，邊緣硬體將在MaaS體系中扮演分流與增值的角色。並非所有AI請求都適合傳回雲端處理。對於即時互動、隱私敏感、網絡不穩定或成本要求高的場景，邊緣運算會成為必要配置。這就為具備本地推理能力的硬體平台創造新機會：它們可將簡單任務留在本地，複雜任務再交給雲端API，形成「端邊雲協同」的新架構。未來有競爭力的，不一定是單點算力最強的裝置，而是最懂得如何分配推理任務、壓縮延遲與控制成本的平台。硬體企業若能把晶片、作業系統、模型調度與API接入整合起來，便可建立難以替代的護城河。
更值得注意的是，企業級硬體也可能因MaaS而重新增值。以往企業購買伺服器、工作站、工業電腦，多半着眼於固定功能與IT部署；但在AI API普及後，企業更需要的是「可快速接上模型能力」的設備。未來工廠機台、醫療儀器、零售終端、安防系統，甚至會變成垂直場景中的AI節點。誰能預先把感測器、算力模組、連線能力與模型接口設計好，誰就能從賣設備，升級為賣持續優化的智能解決方案。這不只是產品升級，更是商業模式升級：硬體收入加上服務訂閱、功能增購與資料回饋，將形成新的複合型收益結構。
當然，硬體要真正吃到MaaS紅利，不能只停留在「支援AI」的口號層面，而要建立平台能力。平台的核心，不在於硬體規格本身，而在於能否吸引開發者、整合第三方模型、管理接口標準，並讓不同應用在同一硬體體系內快速部署。未來成功的硬體公司，很可能不只是製造商，而是結合晶片架構、SDK、雲端管理、應用商店與計費系統的綜合平台營運者。它們面對的對手，也不再只是傳統硬體品牌，而是雲服務商、模型供應商與作業系統平台。
義合控股投資者關係部
（芯片與算力系列之43）
