英特爾Tiger Lake處理器亮相!「猛虎」一出閘就表演輾壓AMD產品
英特爾Tiger Lake處理器亮相!「猛虎」一出閘就表演輾壓AMD產品

台灣時間3日凌晨,英特爾資深副總裁兼客戶運算事業群(CCG)總經理Gregory Bryant揭曉第11代intel Core處理器「Tiger Lake」!它將採用英特爾10奈米SuperFin製程、全新Willow Cove核心架構以及Iris Xe繪圖核心,預計在AI(人工智慧)處理、繪圖以及運算上都能比前一代Ice Lake更提升。

資深副總裁兼客戶運算事業群(CCG)總經理Gregory Bryant
Gregory Bryant於台灣時間3號凌晨,正式發表intel第11代處理器Tiger Lake。
圖/ Intel提供

Bryant也透露,至少有超過50款搭載Tiger Lake處理器的筆記型電腦會在年底假期檔期前上市,搶攻後疫情時代「新常態(New Normal)」商機的意味濃厚。

採10奈米SuperFin製程,號稱「地表最佳的輕薄筆電處理器」

此次Tiger Lake所採用的10奈米 SuperFin製程,是英特爾在單一節點上的最大升級功能。從記者會上的影片可以發現,10奈米 SuperFin改善了閘極(通道),不僅能減小電阻、也將允許更多電流快速通過,這樣的結果將能在終端裝置的效能表現上有所提升。根據英特爾在架構日上所公布的資訊顯示,10奈米SuperFin所採用的新型薄阻障層將通孔電阻降低了30%,同時也增強了互連的效能。

intel 10奈米 SuperFin製程
10奈米 SuperFin改善了閘極(通道),不僅能減小電阻、也將允許更多電流可以快速通過。
圖/ 螢幕截圖

第11代Tiger Lake處理器被英特爾譽為「地表最佳的輕薄筆電處理器」,相比前一代Ice Lake所採用的Sunny Cove架構,Tiger Lake改以Willow Cove核心架構搭配10奈米SuperFin製程,可在效能、時脈表現以及提升筆電的電力效率上有大幅的改善。

延伸閱讀:藍色巨人封號掰掰!Intel三度推新企業識別標誌,預告「聲音Logo」將有2.0版

搭配Iris Xe繪圖晶片,讓Tiger Lake能滿足創作者跟遊戲玩家

產品經理Ksenia Chistyakova也表示,疫情改變了大家的生活和工作方式,就連她都依舊維持居家辦公。正因如此,使用者對於筆電的表現要求將會更高,Ksenia Chistyakova也現場跟遠端同事連線,即便同事身後有人在用吸塵器,但她這端顯示出來的只有對話的聲音,完全沒有雜音,這正是這次Tiger Lake裡GNA(高斯神經網絡)的功能。

由於Tiger Lake整合了Iris Xe繪圖晶片,可以最佳化CPU、GPU、人工智慧加速以及軟體最佳化等表現,上述消弭雜音的動作即是AI增強體驗的功能之一。

與其他競爭產品相比,搭載Tiger Lake的筆電在辦公室生產力將提高20%;若就內容創作的裝置來看,Tiger Lake的產品在實際相片編輯工作上最高能有2.7倍速度的提升、影片編輯則有2倍的提升,同時可支援8K HDR顯示器或同步顯示輸出4個4K HDR畫面。

同時,靠著Iris Xe繪圖晶片的加持,第11代處理器的遊戲效能可以比前一代處理器快上2倍,讓搭載Tiger Lake的筆電不僅可以是位創作者提供更好的工作效率,對於電競玩家來說也能玩到3A等級的遊戲作品。

intel Tiger Lake
用繪圖軟體Photoshop進行照片後製處理上,Tiger Lake有比對手快上200%以上的速度。
圖/ 螢幕截圖

劍指AMD 4800U,剪影片、修圖能力壓倒性勝利

口說無憑,記者會上Ksenia Chistyakova直接點名競爭對手AMD的4800U進行大比拼,這顆採用Zen2架構、台積電7奈米製程的處理器,在Tiger Lake面前似乎相形失色。

intel Tiger Lake
遊戲效能的影片流暢度表現上,Tiger Lake每秒幀數可達57,而AMD 4800U則只有33。
圖/ 螢幕截圖

在使用繪圖軟體Photoshop進行照片後製處理上,Tiger Lake有比對手快上200%以上的速度、同時處理時間更是壓在40秒以下;若是影音後製的部分,Tiger Lake能比對手快上近100%;至於在遊戲效能的影片流暢度表現上,Tiger Lake每秒幀數可達57,而AMD 4800U則只有33。

英特爾「猛虎」出閘,AMD束手無策?

不過在這次比拚中,英特爾選用的是自家最新的處理器,而AMD的4800U其實是今年年初亮相的產品。目前更受全球矚目的其實是AMD即將端出的新產品:AMD Ryzen 5000系列處理器。

AMD ryzen
AMD的Ryzen 5000系列還未亮相就倍受關注,將會採用Zen3架構、並搭載台積電5奈米製程。
圖/ Unsplash

AMD Ryzen 5000系列採用Zen3架構、預計將採用台積電7奈米強效版(N7+)先進製程,而Tiger Lake所採用的10奈米SuperFin來說相當於台積電7奈米製程。因此接下來這個Ryzen 5000系列處理器的效能跟價格,都可能讓Tiger Lake碰上另一個挑戰,特別是在Ryzen 4000系列時,AMD已拉攏不少筆電代工業者。

此外,英特爾在今年第二季法說會上,執行長史旺(Bob Swan)已證實7奈米的製程卡關,上市時程將可能延後半年左右,同時也不排除將一些產品委外製造。

intel Tiger Lake
英特爾預計在年底假期檔期時,上市搭載Tiger Lake處理器的筆電約50款。
圖/ 螢幕截圖

這顯然是凸顯了英特爾在製程技術上的一個挑戰,去年Ice Lake問世後,因為良率問題導致產能無法拉升,也是給了競爭對手AMD一個趁勝追擊的機會,今年Tiger Lake的性能表現看似完備,但製造上是否給力,就要看這個以IDM為主的半導體老大哥是否真的準備好要放「猛虎」出閘了。

責任編輯:錢玉紘

關鍵字: #英特爾 #AMD
往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂Vibe Coding
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓