30 秒看重點

  • Meta 8 月 10 日在 Hugging Face 開源 Muse Glimmer，一個 Apache 2.0 授權的 30B 代理模型，4-bit 量化後記憶體需求從 55GB 壓到 18 至 20GB，一張 24GB 消費級顯卡或 Mac 就跑得動。
  • 台積電同日公布 7 月營收新台幣 4,675.8 億元，年增 44.7% 創單月新高，全年美元營收成長目標維持在略高於 40%，資本支出上修到 600 至 640 億美元。
  • Intel 8 月 10 日宣布要用公開發行普通股籌 150 億美元，拿去蓋廠、擴先進封裝、養 14A 製程，消息一出股價早盤反而跌了 4% 以上。

Meta 開源的 Muse Glimmer 是什麼？一張顯卡真的跑得動嗎？

Muse Glimmer 是 Meta 在 8 月 10 日開源的 30B 參數代理模型，重點不是它多強，而是它被刻意壓進「一張消費級顯卡就能跑」的尺寸裡，用 Apache 2.0 授權放在 Hugging Face 上。

技術細節滿有意思的。VentureBeat 與 MarkTechPost 的報導都提到，這是一個約 29.6B 參數的密集模型，還帶一顆視覺編碼器，吃得下文字加圖片、支援超過 100 種語言、context 長度 131,072 個 Token。壓完之後剛好在 24GB 顯卡塞得下、32GB 綽綽有餘。Meta 自己給的數字是：針對 32GB 那版平均只掉 0.2% 表現，24GB 那版掉 1.0%。廠商自評的衰退幅度，看看就好齁。

那對你有什麼差別？簡單來講，你的資料不用出門了。過去要用 AI 代理幫你整理檔案、跑自動化，資料得先送到別人的伺服器；現在一台 32GB 的 Mac 就能在家裡跑完（這點真的有感）。對律師、會計師、醫療院所這種「資料根本不能外流」的行業，門檻一下降了一大截。

名詞小教室：量化（Quantization）就是把模型參數的精度調粗。你可以想像成把一張 4K 照片存成解析度低一點的 JPG，檔案小很多、看起來卻差不了多少。4-bit 量化就是壓得比較狠的那一檔。

Meta 這一手，跟它 8 月 5 日那個要收錢的 Muse Code 程式代理 剛好是一組拳：貴的留雲端收費，便宜的開源搶生態系。

台積電 7 月營收創新高，AI 需求真的還沒退燒？

沒有退燒，而且比台積電自己的財測還猛。台積電 8 月 10 日公布 7 月營收新台幣 4,675.8 億元（約 145 億美元），年增 44.7%，創單月新高。

這個數字有意思的地方在於，它已經跑在自家財測前面。台積電上個月法說後才把 2026 年美元營收成長目標上修到「略高於 40%」，7 月一個月就衝過去了。而且錢真的都往 AI 去：高效能運算（也就是 AI 晶片所在的那一塊）第二季佔了總營收 66%。CNBC 引述董事長魏哲家的說法是「AI 相關需求持續極為強勁」。

台積電同時把今年資本支出拉到 600 至 640 億美元。這訊號很硬 — 資本支出是真的要挖土蓋廠的錢，不是財測嘴砲，敢加碼就代表訂單能見度夠遠。

老實講，台灣讀者看這則新聞很容易只盯著股價，但更該注意的是那個「66%」。台積電的營收結構已經明顯往 AI 傾斜，整條供應鏈接下來會越來越跟大型雲端業者的資本支出綁在一起。景氣好的時候一起飛，反過來也是。

Intel 為什麼挑這個時候籌 150 億美元？

因為股價正好，先把錢拿到手。Intel 8 月 10 日宣布要公開發行普通股籌 150 億美元，承銷商還有 30 天內加購最多 22.5 億美元的選擇權。

時機抓得很準。多家外媒指出，Intel 股價今年以來將近漲了三倍，跑贏 AMD、NVIDIA，也贏過同期漲近 75% 的費城半導體指數。其中 14A 製程是最關鍵的一塊，Intel 已把今年資本支出從 180 億上修到 200 億美元。至於 14A 有沒有客戶，TrendForce 今年 4 月報過，Tesla 拿下首個 14A 大客戶的位置，用在 Austin 的 Terafab 專案。

「股價漲三倍還要增資，投資人不會不爽嗎？」會啊，消息公布後 Intel 早盤就跌超過 4%。增資等於稀釋現有股東股份，短線被賣很正常。可是對一家要重回先進製程賽局的公司來說，這種時候不拿錢，等股價回檔就更難拿了。

編輯觀點：錢在往雲端衝，模型卻在往你的電腦縮

把這三則放在一起看，會看到一個滿矛盾的畫面。台積電跟 Intel 講的是同一件事：AI 要吃更多晶片、更多廠房、更多資本支出，錢往雲端基礎建設狂灌。可是同一天 Meta 卻在教大家怎麼把一個 30B 模型塞進書桌下那台電腦。

先講結論：這兩件事不衝突，但長期會打架。雲端業者的商業模式建立在「你的推論都在我這裡跑」，而 Meta 開源的方向剛好是把一部分推論搬回地端。Meta 沒有雲端生意要保護，所以它樂得掀桌 順便讓對手的 API 生意難做一點。

對台灣的中小企業，我覺得這反而是今年最實際的切入點。你不用跟大廠比誰的 GPU 多，但可以認真評估：有沒有哪些流程，用一台 32GB 的機器跑本地模型就夠了？資料不出門、沒有 API 帳單、不怕廠商漲價。缺點也要講清楚 — 30B 模型跟旗艦模型還是有段距離，複雜任務會露餡，這不是萬靈丹。

明天值得關注

最想看的是 Muse Glimmer 的社群實測。廠商自評的衰退數字是一回事，真正能不能用，要等一般人拿自己的 24GB 顯卡跑過才知道，這幾天 Hugging Face 上就會有心得。另一個是 Intel 這 150 億美元最後定價會落在哪，折價幅度會直接反映法人對 14A 轉型故事的信心。

常見問題 FAQ

Muse Glimmer 需要什麼樣的電腦才跑得動？

Muse Glimmer 經過 4-bit 量化後記憶體需求約 18 至 20GB，官方說明針對 24GB 與 32GB 顯示記憶體的環境做過調校，也就是一張消費級顯卡、一台 PC 或 Mac 就能離線執行。Meta 提供兩種量化版本，32GB 版平均表現衰退約 0.2%，24GB 版約 1.0%。

台積電 2026 年 7 月營收是多少？

台積電 2026 年 7 月營收為新台幣 4,675.8 億元，約合 145 億美元，年增 44.7%，創下單月營收新高。公司同時維持 2026 年美元營收成長「略高於 40%」的目標，全年資本支出上修至 600 至 640 億美元。

Intel 籌資 150 億美元要做什麼？

Intel 在 2026 年 8 月 10 日宣布公開發行普通股募集 150 億美元，資金將用於興建新廠、升級先進封裝產能與支應晶片製造的資本支出，其中 14A 製程是主要投入方向。承銷商另有 30 天內加購最多 22.5 億美元股票的選擇權。

整理一下今天的重點：AI 的錢真的還在往硬體衝，但 Meta 同一天把 30B 模型丟到你家電腦上，這個反差比單看營收數字有趣多了。

希望這篇快報有讓你掌握今天的 AI 動向哩～如果這篇有幫到你，歡迎分享給同樣在追 AI 趨勢的朋友。

我們明天見囉～

本快報由 Array 報報 AI 編輯部根據上方引用來源整理，每日 08:00 自動發佈。