迎戰勁敵NVIDIA，Intel採「全方位」AI晶片策略反擊|數位時代 BusinessNext

繪圖晶片（GPU）大廠NVIDIA即將在台灣17日公布第二季財報，分析師樂觀看待NVIDIA數據中心營收與毛利率成長，不過在財報背後，NVIDIA的競爭對手Intel正準備爭奪AI應用大餅。

據《鉅亨網》報導，高盛看好NVIDIA財報表現，宣布將NVIDIA目標價自每股 310 美元上調至每股 324 美元。高盛分析師 Toshiya Hari指出，「NVIDIA布局 PC 遊戲、數據中心、自動駕駛輔助系統 (ADAS) 與自動化車輛 (AV)，僅有為數不多的半導體廠商具有此能力，因此該公司的毛利率與報酬率能優於競爭對手。」

Intel去年售出10億美元的AI晶片

Toshiya Hari這裡指的為數不多的半導體廠商，其中之一就是Intel。英特爾執行副總裁暨資料中心事業群總經理Navin Shenoy指出在上週Data-Centric Innovation Summit首度透露AI應用的相關營收，「2017年Intel Xeon處理器執行AI應用高達10億美元。」此時公布數字，對10奈米製程難產，面臨AMD是占搶奪威脅的與執行長突然下台的Intel至關重要。

Intel 2017年公司的總營收為628億美元的總營收，10億美元僅占1.5%，可見AI應用還只是極小部分，PC相關晶片銷售仍具要角。

競爭對手NVIDIA沒有透露相關數字，不過，NVIDIA 2017年總營收為69.1億美元，雖然因為AI模型訓練與推論需求，讓NVIDIA GPU大賣，但NVIDIA目前主力營收還是在電競領域，另外，也有不少營收來自於挖礦，而非純AI應用（NVIDIA 2018年第一季的挖礦GPU的營收就高達2.89億美元。）也就是說，雖然兩家廠商喊AI喊得震天嘎響，但目前主力營收都還不是AI應用。最保守的估計下，雙方晶片在AI應用帶來的營收差距應不會太大。

擴充晶片產品線，從CPU FPGA、ASIC無所不包

Intel人工智慧產品負責人Naveen Rao就指出，「我們是根據客戶的回饋估算後得到的數字，但實際上還有很多營收數字沒有公開，我們比較保守。」

這裡談的營收數字，可能指同樣用於AI應用的「非Xeon」晶片，也就是說這些客戶帶來的營收並沒有算在10億元以內。

以CPU起家的Intel，走向AI應用，依舊以CPU為主要核心。Xeon晶片是Intel最重要的核心，但Intel也正透過不斷併購擴充晶片產品線。

因此以現在來看，除了NVIDIA提供的巨大的AI運算平台外，Intel的人工智慧晶片布局是所有科技巨頭中「最完整」、「最廣泛」的。

除了主打的Intel Xeon可擴充(Intel Xeon Scalable)CPU產品外，以及近日挖角AMD GPU大將，讓外界猜測將進軍GPU外，lntel已經積極透過併購布局以下四大類型晶片，掌握新客戶。

NNP(深度學習晶片) ：2016年併購AI晶片商Nervan System，而後研發深度學習晶片Nervana NNP-L1000。預計2019年推出。

VPU（視覺晶片） ：2017年併購汽車機器學習及圖資開發商Mobileye與視覺晶片廠商Movidius，Mobileeye EyeQx晶片為主流。

FPGA ：2015年，Intel以167億美元的價格，收購全球第二大FPGA商Altera，隨即成立現在的可編碼部門（PSG），專攻FPGA晶片。

類ASIC ：2018年Intel收購矽谷晶片公司eASIC。提供一種介於FPGA與ASIC中間的技術。

Intel發展全系列晶片的原因只有一個，「one size does not fit all（沒有一體適用的解決方案）」。

未來AI無所不在，因此客戶的需求也多元多樣，每種晶片就算效能再強，面積再小，運算速度再快，耗能再低，也有其先天性的物理限制，以目前最夯的深度學習DNN來看，用不同的晶片進行硬體加速會獲得不一樣的優缺效果。

機會點：決戰2019年

Intel的Xeon處理器是資料中心本就不可或缺的晶片，異構計算（Heterogeneous Computing）下，AI硬體加速是以CPU＋GPU或CPU+FPGA或CPU+TPU等結構進行運算。CPU不會被GPU或TPU取代。

雖然NVIDIA GPU更適合用於機器學習與深度學習等AI應用下，Intel現在並非AI深度學習應用第一品牌。因此在12個月到18個月短期內，NVIDIA GPU產品在AI應用市場依舊相當吃香（近兩三年，AI才剛成為熱潮，通用性強的GPU仍可滿足企業的需求）。

但長期來看，走向專用特製晶片ASIC風潮勢不可擋，除了Google之外，微軟為了自家雲端業務需求，以及Tesla也傳出要訂製晶片，這都對NVIDIA造成潛在威脅。那Intel能否在未來五年抓到這個ASIC晶片熱潮?

另外，Intel難產的10奈米Xeon與拿來和NVIDIA抗衡的晶片Nervana NNP-L1000都要到2019年來推出。Intel是否能以現在的「全方位」無所不包的各種AI晶片穩住自己過去20年打下的晶片江山，2019年年底答案就將分曉。

一家連續十年營收 700 萬元的健身業者，如何在一年內將業績推升至 3,500 萬元，成長整整 5 倍？答案可能和多數人想的不一樣。

這家健身品牌不是一開始就加碼投放廣告，而是先從調整組織架構與薪酬制度著手，透過明確分工改善團隊運作，進而建立「全員銷售」文化，這並不是要求每位員工都成為業務員，而是讓團隊理解與認同品牌理念，確保從服務、回覆、教學到售後過程中的每一個顧客接觸點，都能傳遞一致的訊息與體驗，從而建立顧客對品牌的信任感，甚至願意主動購買與持續回購。而規劃這套成長策略的幕後推手，正是無限創意行銷。

AI 讓行銷變簡單，為何行銷公司反而更難做出成效？

雖然公司名稱裡有「行銷」兩個字，但無限創意行銷並非只從行銷工具出發，而是以顧問式行銷的角色，先理解企業經營問題，再決定應採取哪些行銷與營運解方。「我們不會一開始就告訴企業該採用哪些行銷策略，而是根據企業真的需求來提供適合解方」，無限創意行銷創辦人翁小五一語道出公司的獨特定位。

通常，企業在面對營收成長瓶頸時，第一個念頭就是做行銷，然而，翁小五從過往的工作與創業經驗中發現，限制企業營收成長的原因有很多，不一定與行銷有關，背後可能還有其他問題，若沒有釐清真正的問題所在，就急著投入廣告或其他行銷資源，很可能只是治標不治本。

基於這樣的觀察，無限創意行銷決定採取反向思考邏輯：先回到企業經營本身，找出造成「成長趨緩」的真正原因，再據此制定策略、優化營運流程，最後透過行銷放大企業優勢。當每一筆行銷投入都建立在更健康的企業體質與更精準的策略判斷之上，行銷才不只是「有做」，而是真正能為企業帶來成長。

這套「先找問題、再選工具」的服務模式，在生成式 AI 工具普及後，也成為拉開行銷成效差距的關鍵。

過去，行銷公司的價值建立在製作能力、投放技術與媒體資源；但當 AI 逐步降低文案、素材與分析的執行成本，單純提供「做內容、下廣告、做報表」的服務，差異化將快速縮小。此時真正考驗的，反而是行銷人的理解力和判斷力：能否看懂消費者真正需要什麼？能否找出限制企業營收成長的關鍵環節？而這正是無限創意行銷長期深耕企業經營現場、不斷透過數據與市場驗證所累積的核心能力。

AI 拆解營收黑洞，讓數據為企業成長導航

在無限創意行銷的顧問式服務流程中，數據是相當重要的依據。翁小五進一步說明，無限創意行銷的數據應用可以分為三個層次：從檢視行銷活動成效、拆解顧客旅程中的問題節點，再進一步延伸至年度營運規劃，讓企業不只知道「過去發生了什麼」，更能判斷「下一步該怎麼走」。

首先，是檢視行銷活動成效，其中最重要的原則在於，根據行銷目標去解讀數據。舉例來說，如果目標是增加首購顧客，除了檢視素材吸引力與點擊率，還要持續追蹤到站、詢問、成交、新客占比與首購成本；如果目標是擴大營收規模，則應進一步檢視回購率、客單價與顧客終身價值。

數據應用的第二層價值，是拆解從「廣告投入」到「營收產出」之間的過程，理解每一個節點的數據分別反映什麼問題，再針對問題逐一修正。

至於第三個層次，則是讓數據成為企業經營與資源配置的依據。無限創意行銷會從年度營收目標出發，結合產業特性、淡旺季變化與過往行銷成果，拆解每一季、每個月的業績任務，再將過去有效的策略放大、成效不佳的做法修正，據此安排下一年度的行銷資源與營運節奏。

不急著加碼廣告，從企業體質出發找出 5 倍成長解方

對無限創意行銷來說，數據是找出問題、配置資源與規劃成長路徑的關鍵，文章開頭提到的健身業者，正是此套方法論的最佳印證。當初，翁小五深入診斷後發現，這家企業真正的問題在於組織結構過度扁平，老闆長期忙於處理日常事務，難以專注在營運規劃；此外，組織缺乏真正負責營運管理的中階主管、教練流動過高導致學員缺乏安全感等，皆是影響回購率的因素。

因此，無限創意行銷先從組織架構著手，設立專責店長一職，並重新設計薪酬制度，藉此讓教練、店長與老闆皆可專注在自身工作上。之後，再透過前期廣告數據與顧客洞察，找出消費者選擇品牌的真正原因，並運用行銷活動與口碑經營持續放大。同時，翁小五也在過程中導入「全員銷售」概念，確保顧客在各個接觸點都享有一致的體驗，品牌才能逐步累積顧客信任。

最終，這家企業的營收一年就成長至 3,500 萬元，達到原先的 5 倍。這個案例也說明了無限創意行銷的方法論：行銷不是企業成長的起點，而是放大企業優勢的槓桿；企業體質愈健全，這支槓桿所能放大的成長效益也愈大。

從「會做」到「會判斷」，AI 時代，無限創意行銷正在重新定義行銷公司的價值

隨著 AI 能力越來越強大，下一代行銷公司的價值，不只是比誰更懂得運用 AI，而是行銷人的市場理解力與專業判斷力，知道 AI 產出的內容哪些值得留下、哪些應該捨棄，或是該如何持續修正，才能打造出能夠被消費者感受到的品牌體驗。

因此，無限創意行銷未來將積極建立團隊與 AI 協作的方法論，將過往的專案判斷、提問框架與數據檢核邏輯，轉化為 AI 協作流程。團隊在面對新專案時，不是直接要求 AI 給答案，而是先定義目標、限制條件與判斷標準，再去檢查 AI 產出是否符合商業情境。

對翁小五而言，AI 時代真正稀缺的，不是工具，而是定義問題、理解消費者與判斷品質的能力。未來無限創意行銷的競爭力，也不在於使用多少 AI，而是持續將人的品味、市場理解與產業 Know-how，透過 AI 放大，協助企業打造更精準的品牌體驗與更高品質的決策。