迎戰Google，微軟押寶FPGA晶片打造全球首部人工智慧超級電腦|數位時代 BusinessNext

迎戰Google，微軟押寶FPGA晶片打造全球首部人工智慧超級電腦

幾乎所有科技應用都不脫人工智慧的範疇，而晶片計算速度是其中的發展關鍵因素。隨著Google自製機器學習專用晶片，微軟也開始使用客製化晶片打造人工智慧電腦。或許，人工智慧戰場已經從軟體走向硬體，最底層的晶片技術將成為各網路巨頭誰能在未來勝出的關鍵起步。

納德拉：「這是世界上第一台人工智慧超級電腦。」

《Wired》報導指出，微軟加快人工智慧發展的秘密武器為FPGA（field-programmable gate arrays，現場可程式化閘陣列）晶片。FPGA為高效能、可重複程式設計的晶片，只要透過軟體，便能調整晶片上的元件配置。微軟執行長薩蒂亞·納德拉（Satya Nadella）於上周的Ignite技術大會上表示，「這是世界上第一台人工智慧超級電腦。」

微軟目前已將FPGA用於搜尋引擎Bing，預計不久後將驅動植基於深度神經網絡的新搜尋演算法——這套演算法是人類大腦架構的人工智慧模組。微軟指出，過去Bing需要4秒才能完成的事，現在只需23毫秒。

FPGA也會用在雲端計算服務Azure和Office 365，微軟在先前的 Ignite 大會上展示使用多個FPGA在0.1秒內翻譯30億字的維基百科，預計幾年內將用於微軟所有服務。「這替我們帶來巨大的能力和靈活性，以及經濟實惠的運作。」Project Catapult負責人、微軟硬體開發工程師Doug Burger說。

FPGA特性：可程式化、高效能、低功耗、低成本

微軟導入FPGA的計畫來自2011年的Project Catapult，目標在於透過FPGA提升資料中心的運算效能。

過去，FPGA主要用來做傳統晶片的雛形，優勢在於具有「可編程性」，可隨快速變動的科技和商業模式調整。微軟提到，傳統CPU晶片已趕不上人工智慧的發展，而FPGA可針對不同任務客製晶片，減少晶片開發時間和成本，還能打造出較傳統CPU更快、功耗更低的晶片。

微軟指出，FPGA較傳統晶片快上好幾個數量級，使用FPGA後，Catapult硬體較伺服器中其他元件的成本少30%、功耗減少10%，資料處理能力卻快2倍；根據微軟測試，Bing演算法使用FPGA後，效能可提升40倍。

Google、亞馬遜都在自製晶片

網路公司和科技硬體公司的界限不再如過去壁壘分明。

不過《Wired》指出，雖然Google TPU計算速度相當快，卻不如FPGA靈活，一旦神經網絡模式改變，Google就必須重新製作晶片。因此，微軟採取和Google不同的策略，希望倚靠FPGA打長期戰，儘管晶片計算速度不如Google快，卻能因應變化快速重新程式化晶片。

此外，亞馬遜也在2016年宣布，旗下Annapurna實驗室正在開發ARM架構下的處理器晶片，希望用於儲存資料、網路運作等的低功耗電腦，將販售給製造商與資料中心營運商。或許藉由自製處理器，也能吸引更多廠商使用它們的雲端服務AWS。

值得一提的是，微軟的FPGA晶片來自Altera，去年被Intel以167億美元收購，是該晶片廠史上最大筆的收購紀錄。Intel執行副總裁Diane Bryant接受《Wired》採訪時樂觀表示，到2020年，將有1/3的雲端計算公司的伺服器都包含FPGA。

在 AI 快速進入企業營運核心的時代，數據不再只是被動的分析素材，而是 AI 模型運作與決策優化的重要基礎。

零售品牌積極累積大量第一方數據，例如會員資料、交易紀錄以及線上與線下行為數據，但因這些數據分散於不同系統，缺乏統一的身分識別機制以及明確的元數據（Metadata）定義，導致難以整合與分析，同時，也影響 AI 對這些數據資產的理解與應用。

為解決上述挑戰，Vpon 威朋將累積十餘年的實務經驗轉化為產品與服務，如 Audience Center 與 AI Agent 等解決方案，並透過專業顧問團隊協助企業完成數據收集、清理、整合與分析等關鍵流程，從資料清理到 AI-Ready 再到落地應用，讓行銷與業務團隊能以自然語言將數據查詢與分群受眾逐步自動化，大幅縮短過去仰賴技術與分析團隊溝通需求與開發分析邏輯的時間。

Vpon 助零售業打造 AI-Ready 數據基礎，以 Audience Center 驅動業務商機

如何建立 AI Ready 數據基礎建設？

Vpon 威朋數據科學經理廖宜楷指出，在 AI 驅動的時代，數據的品質決定模型價值。其中四個關鍵分別是：建構標準化的數據採集與處理管線，透過統一的工程規範，確保所有進入系統的數據在格式、維度與質量上具備高度一致性；其次是定義語義清晰的元數據（Metadata）體系，確保數據能夠被 AI 理解與使用，從而產出具備可靠性的產出結果；再來是打破企業內部的「數據孤島」，透過完整整合線上（Web/App）行為與線下（POS/CRM）會員資訊，建構全方位的會員數據輪廓，精準捕捉消費者的跨通路行為軌跡。最後，數據的價值隨時間遞減，AI 的決策品質取決於數據的「新鮮度」，因此，數據的持續更新與自動化維護，不僅能讓企業在動態市場中保持敏銳，還可進一步深化會員輪廓分析的即時性。

舉例來說，在 Vpon 團隊的協助下，台灣百貨零售龍頭透過整合 Web 與 App 行為資料，並將線上與線下數據集中於數據中台進行分析，將傳統耗時數小時的複雜資料庫分析工作縮短至秒級回應，並基於此高效率基礎，進一步開發不同業務主題的預測與分群模型，提升行銷精準度與營運決策的敏捷性。

扎實數據基礎的價值落實：Audience Center 如何賦能企業實現「數據即戰力」？

有了堅實的數據底座後，下一步是透過 Audience Center 將數據資產轉化為商業動能。

廖宜楷指出，在變化快速的零售與數位行銷市場中，速度就是競爭力。然而，仍有許多企業在數據應用上面臨嚴重的溝通與技術斷層。過去，當行銷或業務人員需要數據支持時，通常得花費繁複的內部流程申請需求、討論需求，才會進到後續的資料清理、建模與分析，最後才能得到想要的分析結果或行銷名單。這種以「週」為單位的進程，不僅拖慢了決策效率，更讓企業在競爭激烈的市場中錯失先機。

Audience Center 的核心價值在於徹底翻轉上述流程，將數據處理轉化為數據服務，透過直覺的介面與背後扎實的數據基礎支撐，讓非技術人員不用編寫程式碼，即可自行組合維度，大幅縮短從需求到執行的距離，將原先需要耗時數週的作業流程優化成秒級產出。

「Audience Center 的導入，不僅有助於提升效率，更賦予企業快速試錯與精準捕獲趨勢的能力，讓數據真正成為驅動業務增長的引擎。」廖宜楷如此總結。

以 AI Agent 重塑數據使用方式，讓數據更貼近決策流程

「Vpon 除提供 Audience Center 協助品牌發揮第一方數據資產價值、提供豐沛的第三方數據助品牌深化對客戶輪廓的掌握度，更推出 AI Agent 服務讓品牌與行銷人員能更直覺地使用數據。」Vpon 威朋數據科學資深總監陳文謙表示，在數位轉型的過程中，許多企業面臨的挑戰不僅是數據整合，更包括如何讓不同部門的人員都能更即時協作與應用數據，有鑑於此，Vpon 推出四種 AI Agent 協助企業分析與應用數據，極大化第三方數據成效：

第一，以 Reporting Agent 讓高階主管或行銷人員可以自然語言查詢數據與生成報表，即時掌握市場動態，加速決策下達與決策品質。

第二，透過 Insight Agent 確保數據分析不受分析人員的主觀意識或產業知識侷限，可以輕鬆完成跨領域數據分析、快速挖掘潛在市場機會與消費者洞察。

第三，藉由 Audience Agent 將客戶分群方式從規則導向（Rule-based）轉變為關聯導向，以關聯分析擴大受眾範圍，協助品牌找出更多潛在客群。

第四，推出 Creative Agent 協助行銷人員分析廣告素材表現的根本原因，釐清受眾喜歡的素材跟不喜歡的素材，藉此優化廣告投放內容，持續提升轉換率。

陳文謙表示：「透過 AI Agent 的輔助，品牌不僅能更快完成數據分析，也能將分析結果直接轉化為行銷策略與創意建議，降低跨部門溝通成本，讓數據真正參與決策流程。」

鏈結數據生態夥伴，以跨境數據放大行銷效益

除了協助品牌主建立 AI Ready 的數據基礎環境並提升數據使用效率，Vpon 也持續拓展數據生態圈，協助零售品牌更精準布局海外市場。

Vpon 威朋產品行銷資深經理邱心儒表示，跨境行銷過去多仰賴經驗與市場直覺，但透過數據整合與 AI 分析，品牌能更精準理解海外消費者的旅遊與消費行為。

以 Vpon 與日本 Loyalty Marketing Inc. 合作為例說明，透過雙方的獨家合作，企業可以結合 Ponta 超過一億的會員數據、問卷調查結果以及 Vpon 的七大數據來源，深入分析日本消費者的消費偏好與購買力——包括哪些日本族群對台灣品牌最感興趣、最受歡迎的台灣商品類型，以及不同客群的價格敏感度與回購行為等，將行銷決策從過往的經驗判斷轉變為精準的數據洞察，成為品牌出海的重要工具。

簡言之，對零售品牌而言，跨境數據是理解海外旅客真實樣貌的一大利器，也能進一步優化廣告投放、內容策略與商品布局，讓品牌在拓展國際市場時，可以更有效率地接觸潛在客群，放大行銷效益。

展望未來，Vpon 將持續擴展數據生態圈並優化產品服務，幫助零售品牌從數據整合、AI 分析到市場決策建立完整的數據應用循環，希望以數據夥伴的角色與品牌共同成長，打造互利共贏的數據生態。