英特爾重寫AI算力帳本：CPU強勢挑戰GPU霸權？

30 秒看重點

• 事件：英特爾宣稱最新CPU能高效驅動千個AI智能體，CPU重回AI核心調度角色。
• 意義：打破GPU在AI算力獨大局面，預示AI異質運算新時代的來臨。
• 影響：台灣AI晶片設計、伺服器供應鏈與邊緣AI發展將迎來新挑戰與機遇。

CPU如何在AI賽道挑戰GPU霸權？

過去十年間，提到AI運算，大家想到的幾乎都是GPU（圖形處理器），尤其是NVIDIA的產品。原因很簡單，GPU擅長平行處理大量重複的運算任務，就像超級大卡車，一次能載運海量貨物，非常適合訓練大型AI模型，例如現在當紅的生成式AI（AIGC）與大型語言模型（LLM）。然而，英特爾現在提出一個不同的戰略：讓CPU重回AI調度中樞，並強調其在「AI智能體」應用上的優勢。

英特爾的策略是將CPU定位為靈活的「AI智能體」運算平台。想像一下，如果GPU是大貨車負責大規模的運輸，那英特爾的CPU則想成為一個高效的物流中心，管理和分派上千台機車（AI智能體）去處理各式各樣的「小包裹」（例如智慧助理、自動化排程、即時數據分析等）。這些AI智能體是更小、更獨立的AI模型，它們協同工作以完成複雜的任務，而CPU在調度、協調這些分散式任務上具有獨特的優勢。這可能意味著Intel在CPU架構上進行了最佳化，或整合了專為AI任務設計的加速單元，讓其在處理大量分散、即時性AI推理任務時，能展現出前所未有的效率。這場「異質運算」的新戰局，不再只是誰運算得快，更是誰能更有效率地分配與協調多樣化的AI工作負載。

1. 近期：英特爾宣佈新CPU可運行千個AI智能體，挑戰傳統AI算力格局。
2. 過去10年：NVIDIA的GPU因其平行運算能力，主導大型AI模型訓練與推理市場。

台灣怎麼看這件事？

這場AI算力之爭對台灣來說，絕對是牽一髮而動全身的大事。台灣在全球半導體供應鏈中扮演著無可取代的角色，無論是晶片設計、製造、封裝測試，到AI伺服器與相關零組件生產，都與此息息相關。如果英特爾的CPU在AI智能體和邊緣AI領域取得突破，這將為台灣的AI伺服器廠商（如廣達、緯創、英業達）帶來新的設計與製造訂單機會，不再過度依賴GPU伺服器單一趨勢。同時，對台積電而言，雖然NVIDIA是其重要客戶，但英特爾也是重要的合作夥伴，其CPU市場份額的變化，也將影響先進製程的產能分配。台灣的軟體與系統整合商也需快速適應，開發更多針對CPU優化或異質運算環境的AI解決方案，把握「CPU重返AI核心」的商機。

編輯觀點

英特爾此舉，展現了其重奪AI市場話語權的野心。這並非要與NVIDIA在大型模型訓練的紅海中硬碰硬，而是在「AI智能體」與「邊緣AI處理器」等新興應用中開闢藍海。這場「異質運算」的競爭，將讓整個AI生態系更加多元，也促使台灣科技產業必須具備更靈活的應變能力，密切關注市場變化，持續投入研發，才能在變革中站穩腳跟，甚至引領風潮。我們樂見更多元化的AI算力方案，最終受惠的將是所有AI應用開發者與終端使用者。

常見問題

什麼是AI智能體（AI Agent）？

AI智能體就像獨立且聰明的小機器人，能自動執行特定任務、做出決策，並與環境或其他智能體互動，逐步完成複雜目標，是未來AI的重要發展方向。

為何CPU過去在AI領域不如GPU？

CPU設計用於通用運算，指令依序處理；GPU則有大量核心，擅長平行處理巨量且重複的數據，這特性讓它在AI模型訓練這種密集型數學運算上效率遠超CPU。

Intel這次的突破對AI產業有何影響？

它打破了GPU在AI算力上的壟斷地位，為AI應用開發者提供更多元、可能更具成本效益的運算選擇，特別有利於邊緣運算和多智能體協作的AI部署。

對一般民眾有什麼影響？

未來你身邊的智慧家電、自動駕駛、甚至辦公軟體裡的AI助理，都可能因CPU在邊緣AI的強化而變得更聰明、反應更快速，提供更流暢的AI體驗。

台灣產業會如何受惠或受影響？

台灣的AI伺服器、ODM廠商將迎來新商機，可為英特爾設計開發相應產品。同時，也可能促進台灣在邊緣AI晶片與解決方案的研發與部署，但晶片代工（如台積電）的訂單結構可能會有調整。

名詞小教室

AI智能體 (AI Agent)

就像一個擁有自主意識與目標的數位分身，能替你處理任務，甚至學習改進。你可以想像它像是一個專業助理，能自動排行程、回郵件，甚至幫你管理數位生活。

CPU (中央處理器)

電腦的大腦，負責執行各種指令，處理通用型運算任務，就像一個多才多藝的行政總管，什麼都能做，但遇到大量重複的運算就會比較慢。

GPU (圖形處理器)

原本設計來處理圖像顯示，但因其大量核心可平行運算，現在被視為AI訓練的超級加速器，就像一支擁有數千名工人的工廠，專門處理大量重複性高的數學運算。

邊緣運算 (Edge Computing)

把資料處理移到數據源頭（例如你的手機、智慧感測器）附近，而不是全部送回雲端機房。這就像把小型處理站設在各個社區，讓服務更快、更即時，減少網路延遲。

異質運算 (Heterogeneous Computing)

結合不同類型的處理器（如CPU、GPU、ASIC等）來執行任務，讓每種晶片都能發揮其擅長之處，達到整體最佳效能，就像一支由不同專長成員組成的團隊。