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。

當海外投資、跨境消費與留學成為日常，跨國匯款流程卻不夠便捷。國泰世華銀行以 CUBE App 小額跨境匯款服務，讓海外投資、跨境消費與留學匯款像日常轉帳一樣簡單。

疫情後，全球人流與金流快速恢復，海外留遊學、海外投資、跨境購物與海外旅遊等需求持續攀升，跨國匯款逐漸成為許多人的日常，然而，國際匯款流程卻幾乎數十年未曾改變：大多必須配合銀行營業時間辦理，款項通常需要等待兩、三個工作天才能到帳，還可能因中間銀行扣費，導致實際收款金額與預期不符。

看見上述市場缺口後，國泰世華銀行深入研究不同族群的跨境匯款情境，重新規劃服務流程、產品功能與系統架構，並透過內部年度創新提案大賽驗證產品概念，獲得高階主管支持，加速產品研發，成功於 2026 年在 CUBE App 推出小額跨境匯款服務。

如何讓跨國匯款像轉帳一樣簡便且安全？從用戶需求出發的改變

過去，講到跨境匯款，多數人的第一直覺是「麻煩」。除了可能需要有外幣帳戶、或事先約定帳號，或需要先完成換匯之外，還必須配合銀行營業時間，匯款完成後通常需要等待兩、三個工作天才能到帳，若碰上週末或假日，更可能因此錯過付款時機；另一方面，傳統 SWIFT 國際匯款還存在中間銀行扣費不透明的問題，匯出金額與收款金額經常出現落差，使用者不僅得反覆估算、多匯甚至補匯，有時還得多花時間跟收款方逐筆對帳，若遇上語言溝通障礙，將直接拉升處理難度，甚至因帳款不足或金額爭議，衍生交易取消、退匯等問題，不僅增加成本，也影響原本的留學繳費、交易或投資安排。

為了解決這些痛點，國泰世華銀行重新拆解整個跨境匯款流程，將產品設計回歸用戶需求，使用狀況獲得熱烈迴響：CUBE App 小額跨境匯款服務上線五個月，交易量即成長近五倍。用戶最直接感受到的改變是，整個跨境匯款流程變得更接近日常轉帳。第一，不需要預先開立外幣帳戶，也不用事先完成約定帳號，可直接透過台幣帳戶、以非約定轉帳方式完成跨境匯款；第二，服務支援 24 小時、全年無休，即使深夜或假日，也能快速完成交易。第三，用戶可透過 App 隨時掌握匯款進度，並在匯款過程中清楚看到收款方實際可收到的金額、確保全額到帳，不需要反覆確認款項流向，也降低了中間銀行扣費不透明造成的收款金額不足等困擾，讓繳交海外學費、支付旅遊費用、跨境購物或海外投資，都能更安心、更有效率。CUBE App 小額跨境匯款服務不僅是一項全新的金融服務，而是降低等待成本、操作成本與認知成本的跨境金流體驗，讓跨境金融服務真正融入日常生活。

跨境金流創新不僅滿足便利性，24 小時全天候服務仍兼顧安全性，把關風險

要將複雜的跨境金流流程轉化成 App 上的幾次點擊，背後是一場龐大的金融工程。

從市場研究、系統架構設計、產品規畫、開發測試到正式上線，國泰世華不僅攜手國際金融夥伴 VISA，更集結前、中、後台 IT、營運、作業、法遵、法務、風控、稽核、財會等十多個部門共同投入，重新設計外匯作業流程與營運模式，打造兼顧使用體驗、營運效率與風險控管的跨境金融服務。

舉例來說，傳統的銀行外匯服務並非為不間斷運作，為了提供 24 小時全天候服務，團隊努力突破既有作業限制、重新設計相關流程與系統機制，讓交易即使在非人工審核的時段，也能符合風險控管、洗錢防制（AML）及各項合規要求。同時，透過交易限額、多層 AML 機制、交易監控，以及與合作夥伴共同把關等設計，在便利性與安全性之間取得平衡。

除了營運流程，跨境金流還必須因應不同國家的法規與收款規則做調整，為此，國泰世華銀行重新調整系統架構與作業流程，降低使用者填寫匯款資料的門檻，服務上線後，亦持續優化操作介面與使用體驗。

例如，香港收款帳戶需分別填寫分行代碼與帳號，若格式錯誤便可能遭退匯；日本則因法規要求，首次跨境匯款前必須完成 eKYC 驗證，因此，團隊在系統介面加入對應提醒、欄位檢核與流程引導，有效降低因資料填寫錯誤造成的退匯情形，以及減少使用者的操作困擾。

服務推出後，國泰世華銀行觀察到：跨境金流逐漸從低頻金融交易轉變為數位生活的重要環節，應用情境也從支付海外留學費用、海外投資，延伸至跨境旅遊、跨境購物、國際活動報名等更多元的生活場景，因此，除了持續優化系統介面與服務功能，國泰世華也將目光延伸至整體跨境生活體驗，透過內外部資源協作，串聯更多元的跨境生活場景，讓金融服務從「完成一筆匯款」，進一步走向「滿足地球村生活圈需求」，以更便利、安全且貼近使用情境的服務，陪伴用戶自在連結全球，真正融入用戶的每日生活。