聯發科(2454)每月600億Token在跑，產品進度會受額度爭議影響嗎？

 

郭哲榮質疑 AI 額度，賣股說法仍附帶條件

截至今年10月6日，網路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。他擔心額度限制會干擾工程師使用 AI 輔助寫程式，進而拖慢研發；若政策未調整，他表示將出清聯發科持股。

這段話屬於有條件的賣股表態。目前報導沒有可核對的成交紀錄，因此只能確認郭哲榮提出警告，無法推定他已經完成賣出。網傳的逐人額度也尚未獲得聯發科證實，兩件事都要把證據邊界畫清楚。

郭哲榮的疑問有其產業意義。Token 是 AI 模型處理文字、程式碼等內容的計量單位。對 IC 設計公司來說，AI 工具若能縮短程式撰寫、驗證與文件整理時間，影響會一路傳導到研發效率及產品時程。企業若把使用限制壓得過低，確實可能因小失大。

不過，Token 成本無法直接對應工程產出。不同模型的價格、能力與適用任務都有差異，企業也可能採用訂閱、自建模型、商用 API 或混合架構。評論這項政策，需要同時檢查管理效率與研發效率，單看美元額度很容易失焦。

 

聯發科採智慧調度，逐人使用情況仍缺資料

聯發科回應，公司鼓勵員工廣泛使用 AI，並依照任務複雜度，自動調度內部專屬模型或外部模型。公司的說法顯示，它希望將昂貴的外部算力留給較複雜任務，其他工作交由內部模型處理，藉此支撐持續擴大的 AI 需求。

這套架構在成本管理上有合理性。內部模型若能處理文件摘要、基礎程式碼生成與例行作業，外部模型便可集中投入高難度任務。只是聯發科目前沒有公開逐人配額、調整前後用量、任務遭拒次數，以及員工日常可用程度，外界還無法評估調度機制是否造成研發摩擦。

NVIDIA 公開的聯發科 AI 工廠案例，則提供另一個觀察尺度。聯發科已建置內部 AI 基礎設施，應用於研發、程式碼輔助與文件自動化，整套系統每月處理約600億個推論 Token。

這項數據證明聯發科已有相當規模的內部 AI 工作負載，也顯示公司投入並非停留在口號。然而，公司級工作負載無法回答每位工程師是否取得足夠資源，同樣無法用來推翻網路爆料。公司談的是資源配置機制，郭哲榮關注的是個別使用者是否受限，兩者需要不同資料驗證。

 

每月10美元與每天2.2美元缺乏共同比較基礎

部分報導同時出現「每月10美元」與「每天2.2美元」兩組數字。若直接用30天換算，每天2.2美元約等於每月66美元，兩者相差6.6倍。如此大的差距，顯示報導中的期間、工具種類或員工方案可能沒有對齊。

輝達員工額度的網傳數字也缺乏公開政策文件，各篇報導對計算期間的描述並不一致。即使兩家公司都編列相同預算，自建模型、企業合約與商用 API 所能取得的功能及運算量，也可能差很多。

看到這類跨公司比較，我會先核對三組分母：每人或全公司、每天或每月、預算上限或實際支出。先對齊單位與計費範圍，後續才有條件討論哪家公司提供更多 AI 資源。美元數字本身無法推出工程師效率，也無法直接連到晶片開發速度。

 

投資判斷要回到產品進度與研發成果

目前可以確認的內容有限：郭哲榮提出管理政策疑慮，聯發科說明智慧調度原則，公司也已建置內部 AI 基礎設施。市場仍缺少員工實際可用額度、工作中斷頻率，以及 AI 工具限制對開發時程的量化影響。

若後續有證據顯示，工程師經常因額度不足而中斷工作，甚至造成專案延誤，這會上升為研發管理問題。若內部模型承接大量基礎任務，工程師仍能順利完成工作，公司也可能在控制成本的同時維持工具能力。兩種路徑都需要工作現場與營運成果支持。

對持有聯發科或相關 ETF 的投資人，我會把爭議放進原有檢查表，持續追蹤產品進度與研發摩擦。法說會是否說明內部 AI 使用方式、新產品開發節奏有沒有改變、研發費用是否出現異常，以及客戶專案是否延後，這些訊號比單一網傳額度更接近企業價值。

科技公司導入 AI，對外產品與內部生產力都會影響競爭力。現階段證據足以支持追蹤管理政策，還不足以直接轉成買賣結論。網路傳言、公司回應與可量化研發成果應分開檢視，等資料補齊後再調整投資判斷。