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。

從生成式AI訓練、推論，到代理式工作流程（Agentic Workflow）與未來的實體AI，資料流量正以指數級成長，讓記憶體從過去支援運算的配角躍升為決定AI效能與能源效率的關鍵角色。

全球知名的半導體與微電子技術分析機構TechInsights指出，AI競爭正逐漸從晶片算力擴展到記憶體架構設計能力，加速「Computational Memory」等新架構興起；在這波浪潮中，深耕記憶體與儲存技術數十年的美光科技，正與關鍵夥伴展開深度協同設計，包含攜手NVIDIA共同開發適用於新世代資料中心的低功耗記憶體技術，在AI基礎建設的新賽局中成為不可或缺的關鍵。

當GPU不再是唯一主角，記憶體為何躍上AI舞台中央？

過去，半導體的焦點多圍繞在晶片，例如CPU、GPU跟AI加速器等，市場普遍認為，晶片運算能力是左右科技產業發展速度的關鍵，但在進入生成式AI世代後，產業逐漸發現另一個事實：真正限制AI效能的瓶頸不是運算，而是資料能否快速被存取與傳輸。

從大型語言模型訓練，到AI推論、代理式工作流程（Agentic Workflow），甚至未來的機器人與自駕車，龐大的資料流量正持續推升對高頻寬、低延遲、高容量記憶體的需求，讓記憶體產業從過去相對標準化、以價格競爭為主的市場，逐漸轉變為AI基礎建設的重要核心。

「仔細觀察AI應用服務會發現，大多數工作負載都被頻寬限制。」美光科技全球業務執行副總裁Mike Cordano認為，記憶體是突破（頻寬）瓶頸的關鍵，也讓AI競賽從晶片算力升級到記憶體與儲存架構的系統級競爭。這樣的產業洞察，也正是Mike在歷經二十餘年的儲存產業資歷，加上四年半的創投生涯後，選擇加入美光的核心原因之一：在AI重塑產業結構的浪潮下，記憶體將成為這波成長最直接的動能所在。

從零組件供應商到策略夥伴，記憶體共創時代來臨

AI的崛起，正在改變記憶體廠商與客戶的關係。

過去，記憶體產品多是標準化元件，客戶關注的是價格、供貨與規格；合作模式也偏向短期採購與交易導向。然而隨著AI系統規模愈來愈大，從資料中心、雲端平台到終端裝置，記憶體已經成為決定系統效能的重要關鍵，也因如此，越來越多企業將記憶體視為「策略性資產」，而非單純零組件。

Mike表示：「現在，我們跟客戶合作的時間跨度改變了，在產品正式上市前三到四年便開始合作，從系統架構階段就共同規劃未來需求。」例如，美光科技與NVIDIA共同研發的資料中心所使用的低功耗記憶體，便是雙方提前多年展開深度合作（co-design）的成果。

值得特別注意的是，美光科技除從技術層面與晶片製造商等夥伴共創產品，也在需求層面與客戶進行密切合作，例如，將過去較無約束力、期限僅一年的長期協議（LTA）轉變成為期五年、條款更具約束力的策略性客戶協議（SCA），藉此掌握客戶的未來需求，進而在技術層面做更深度的合作。Mike坦言，深度協同設計是高成本的投入，美光的做法是先廣泛進行市場感知，理解不同場域的需求方向，再與生態系統中的夥伴們展開客製化合作。

從裝置導向轉為Token導向，AI浪潮重寫記憶體成長模式

除了合作模式改變，更大的典範轉移是需求的改變。

Mike解釋，過去記憶體需求跟PC、手機跟伺服器出貨量息息相關，但在AI新世代，推動記憶體需求成長的核心不再是設備數量，而是AI模型所產生的運算與資料消耗量。「AI產業逐漸走向以『Consumption』或『Token』為主的新經濟模式，每一次的模型運算都需要消耗大量的記憶體跟儲存資源，這意味著，即使設備銷量成長趨緩，記憶體需求仍可能持續上升。」

更重要的是，AI應用正從資料中心外擴至手機、PC、自駕車與機器人等場域，儘管不同場域對記憶體的需求不盡相同，但是，Mike認為：所有AI裝置都存在三項共同需求：更快的速度、更大的容量，以及更高的能源效率。

正如Mike在受訪時提到的：「我們最大的挑戰，是如何與客戶和整個生態系保持高度一致，一方面創造供給與產能，另一方面持續推動技術創新。」可以預期，在接下來的五年，記憶體產業面臨的挑戰不僅僅是擴展產能，而是如何與客戶共同規劃需求、同步投入技術創新，而這也是美光科技積極經營AI生態體系的原因。

總的來說，AI帶來的改變，不只是算力提升，而是重新定義整個運算架構：過去，記憶體被視為支援運算的基礎元件；現在，則是決定AI效能、能源效率與創新速度的關鍵資源；當產業競爭從晶片性能延伸到資料流動效率，從裝置數量轉向Token消耗量，記憶體的重要性也將隨之水漲船高，對美光科技來說，這將是其從供應商走向AI生態系核心夥伴的關鍵角色轉變。