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。

隨著全球淨零轉型浪潮持續推進，企業不僅要許下減碳承諾，更得拿出可以被量測、驗證的實際成果，這也驅使企業加速導入智慧能源管理系統。早在 2017 年便投入此領域的思納捷，從桃園出發，透過工業園區與公共建築等在地場域的部署經驗，持續打磨技術與解決方案，隨後更在桃園市政府青年事務局「桃園天際線加速器」協助下，逐步將市場版圖延伸至海外。如今，思納捷全球累積超過 1,000 個應用實績，不僅成功將台灣智慧能源解方推向海外，更成為全球企業推動綠色轉型不可或缺的關鍵夥伴。

從桃園場域開始淬鍊：思納捷把「失敗經驗」變成難以複製的競爭力

思納捷總經理莊棨椉原先在資策會從事能源與物聯網相關研究，當時，他從歐美市場發展看見智慧能源管理的趨勢，於是，團隊從資策會獨立出來、成立思納捷，將過去累積的研發能量帶向市場。而技術落地第一站，就是從工業聚落密集的桃園開始，思納捷運用 IoT 技術管理工業園區的路燈、空氣品質、排水與交通等公共設施與環境，也進一步走進園區工廠，協助企業掌握與管理用電。

然而，從研究機構走向市場後，莊棨椉很快發現，「做得出來」與「真的能用」之間，還隔著一段不小的距離。許多從技術角度來看完全可行的做法，在進入真實場域後，反而出現各種從未想過的問題。

舉例來說，在幼獅工業園區部署智慧路燈時，思納捷原本採用 Mesh Wi-Fi 網狀網路，讓路燈彼此串聯、逐站傳遞訊號，沒想到實際上線後，路樹上的枝葉竟然擋住了訊號，造成通訊不穩定。為此，團隊重新調整架構，採用 NB-IoT 方式，讓每支路燈直接透過電信網路傳輸資料，降低環境遮蔽物對通訊的影響。

類似的「踩坑」經驗也發生在澎湖馬公港。思納捷與合作夥伴共同佈建智慧路燈，採用 PLC 電力線通訊技術，明明在實驗室與一般道路測試都沒有問題，到了港區卻完全無法傳輸訊號。團隊一路追查才發現，原來地下線路早已受到鹽害侵蝕，為此重新抽換線材，才讓系統得以正常運作。

串設備、整數據、AI 自主管理：思納捷打造 24 小時能源總管

「每一次踩坑，都讓團隊更清楚不同技術的適用邊界，也讓下一次部署少走一段彎路，」莊棨椉說，思納捷運用近十年來走進不同場域、解決各種意外狀況所累積的實戰經驗，形塑出 3 大產品特色。

第一，是物聯網裝置串接能力。
目前思納捷已能串接超過 1,000 種設備，涵蓋電表、水表、空調、冰水主機等不同類型，支援數量為全台最多。無論企業使用何種廠牌的設備，都能快速介接至思納捷的平台，降低設備整合門檻。

第二，是將數據與場域 Know-how 轉化為管理模組，讓企業可以「隨選即用」。
思納捷將多年累積的數據與經驗，轉化為超過 20 種應用模組，企業可以依需求持續擴充功能，一改過去可能要導入多套解決方案，才能管理不同設備的系統孤島問題。

舉例來說，某電子元件代理商在導入思納捷解決方案後，管理人員只要透過一支手機，就能掌握辦公大樓各樓層的設備運轉狀況，包括用電、用水、會議室、電動車充電樁到空調系統。不僅大幅提升管理效率，也能進一步掌握實際用電需求、降低能源耗用，並據此調降契約容量，每月節省約百萬元的電費成本。

第三，是讓能源與設備管理從人工管理走向 AI 自主管理。
思納捷以自家大數據為基礎，結合 AI 提升系統自主判斷與調控能力，持續優化能源管理的成效。「我們的目標，就是打造 24 小時雲端 AI 總管，讓系統可以自己判斷和調整，讓設備隨時維持在最佳運轉狀態，避免造成不必要的能源浪費，」莊棨椉強調。

出海前先看懂市場：桃園天際線加速器降低新創試錯成本

隨著產品逐漸成熟，思納捷也開始把目光投向海外，而進駐桃園天際線加速器，則為團隊提供一個以更低成本探索海外市場、驗證發展方向的機會。

莊棨椉表示，透過加速器安排的韓國、新加坡等國際交流，思納捷得以接觸不同市場的潛在客戶、創投與投資者，了解當地產業環境與實際需求，也能與在地新創交流創業與市場拓展經驗；國際經驗的獲取與海外拓點，都是成本極高的決策，藉由這些機會，思納捷得以用較低成本，去了解國際市場的可能性與風險。

此外，加速器也會安排專業業師分享國際市場經驗，從不同角度刺激團隊思考，重新檢視既有商業模式與海外布局策略。例如，曾經有業師與莊棨椉逐項分析海外上市必須具備的條件，讓他重新盤點公司現階段的優勢與不足，也進一步思考什麼才是最適合思納捷的成長路徑。

「加速器讓我們有機會多看、多聽、多接觸。」莊棨椉說。這些交流的價值，不只是認識多少潛在客戶，而是讓團隊在真正投入大量人力與資金以前，先釐清當地究竟有沒有市場、客戶需求是否成熟，以及既有產品與商業模式能不能直接複製。過去許多只能透過資料或想像判斷的問題，如今都能透過實際走進市場、接觸第一線業者取得更多資訊，降低走錯路的風險與試錯成本。

對思納捷而言，加速器帶來最關鍵的幫助是，透過市場探索、業師輔導與資源媒合，讓團隊在真正投入之前，有更多機會看懂市場、驗證方向，再決定下一步怎麼走。對資源有限的新創而言，這種「先驗證、再投入」的過程，反而能降低海外布局的機會成本，讓每一步走得更精準。

展望下一階段，思納捷團隊將持續聚焦校園、園區、建築與工廠四大場域，持續深化應用，讓「24 小時能源與機電設備雲端 AI 總管」的概念在更多場景落地，同時，當既有台商客戶前往海外設廠、有智慧能源管理需求時，思納捷也會跟隨客戶腳步提供服務。莊棨椉認為，唯有先把技術與服務做深，建立可複製的成熟模式，未來才有機會將台灣累積的智慧能源管理經驗帶向更大的國際市場。