聯發科(2454)每月處理600億個Token，研發效率會受額度影響嗎？

 

聯發科 AI 額度爭議，已確認資訊仍有限

網路近期流傳聯發科縮減員工使用 AI 工具的 Token 額度，引發郭哲榮批評。他擔心工程師若無法充分使用 AI 輔助寫程式，研發效率與產品開發速度可能受影響，並表示政策若未調整，將出清手中持股。

截至2026年10月6日，聯發科尚未公開證實網傳的逐人額度。郭哲榮的說法屬於附帶條件的持股表態，現有報導也未提供可核對的成交紀錄。因此，政策質疑、公司事實與交易行為需要分開判讀。

這場爭議有一個合理的研究方向：半導體公司持續擴大 AI 研發，內部工程師取得工具的便利程度，可能影響程式開發、文件處理與除錯效率。現階段仍缺乏工作中斷次數、研發時程及產品進度等資料，影響幅度暫時無法量化。

 

聯發科採智慧調度，逐人使用情況尚未公開

聯發科回應，公司鼓勵員工廣泛使用 AI，並依任務複雜度，自動選擇內部專屬模型或外部模型。這套智慧調度機制的目標，是提高 Token 使用效益，同時支援持續擴大的內部 AI 需求。

Token 是 AI 模型處理文字、程式碼與其他內容的計量單位。企業可能採用商用 API、企業訂閱、自建模型或混合架構。相同預算經過不同模型價格、任務難度與合約條件後，可完成的工作量會有很大差異。

聯發科目前說明的是公司層級的資源配置原則，尚未公開每位員工的配額、調整前後用量，以及工程師是否經常碰到使用限制。郭哲榮關注的則是個別工程師能否順利完成工作。公司資源效率與個人使用體驗屬於兩個不同層次，兩者都需要更具體的營運資料。

 

每月10美元與每日2.2美元缺乏共同口徑

部分報導同時提到「每月10美元」與「每天2.2美元」，卻未交代兩者是否適用於相同工具、相同期間及相同員工方案。若單純以30天換算，每天2.2美元約為每月66美元，兩個數字相差6.6倍。

輝達員工額度的網傳資料同樣缺乏公開政策文件，各報導對計算期間也有不同描述。即使兩家公司編列相同金額，自建模型、商用模型及企業合約仍會帶來不同的運算成本與功能範圍。美元額度無法直接代表研發效率。

判讀這類資訊時，需要先確認單位涵蓋每人或全公司、每天或每月、預算上限或實際支出。任何一項口徑未對齊，都可能放大比較結果，進一步造成錯誤的競爭力推論。

 

每月600億個推論 Token，反映公司級 AI 工作負載

NVIDIA公開的聯發科 AI 工廠案例顯示，聯發科已建置內部 AI 基礎設施，應用範圍包含研發、程式碼輔助與文件自動化。整套系統每月約處理600億個推論 Token，顯示內部 AI 使用已有相當規模。

這項數據描述公司級工作負載，無法證明每位工程師都取得充足額度，也無法推翻網路流傳的限制說法。它能支持的判斷，是聯發科已投入內部 AI 基礎建設，並透過模型調度管理龐大的使用需求。

企業導入 AI 的經濟效益，取決於每單位成本能否換取更多程式產出、縮短除錯時間或加快產品進度。低成本若伴隨穩定使用，代表資源管理有效；配額若頻繁中斷工程流程，節省的工具費用可能轉化為更高的人力與時間成本。

 

投資判斷要回到研發效率與產品進度

這項事件目前較適合列入營運追蹤清單，尚無足夠證據直接轉換成營收、獲利或股價結論。可驗證的研發成果包括 AI 工具實際使用方式、工程工作是否受阻、產品時程有無延後，以及財報或法說會是否出現相關成本變化。

若後續資料顯示工程師經常因額度不足而中斷工作，管理政策將成為研發效率的警訊。若智慧調度能以較低成本提供足夠能力，費用控管也可能改善內部 AI 投資報酬率。

目前能確認的是分析師提出條件式質疑，聯發科說明了資源調度方向，NVIDIA案例則證明公司具備內部 AI 基礎設施。投資論點能否轉弱，仍要等待配額政策、工程使用狀況與產品開發成果同步提供證據。