降低AI設計門檻!工研院攜手新思打造AI晶片設計實驗室,開發時程縮短三成
降低AI設計門檻!工研院攜手新思打造AI晶片設計實驗室,開發時程縮短三成

根據IEK Consulting的調查,到了2030年,AI(人工智慧)將會在全球創造約15.7兆美元(約台幣471兆元)的市場,GDP也將會成長14%,可見AI將會是下個十年重要的技術。

以半導體為重要經濟發展的台灣,該如何抓住這樣的機會,鈺創董事長、台灣人工智慧晶片聯盟會長盧超群直言,「肯定是要AI on Chip。」

鈺創董事長 盧超群
盧超群表示,這次與新思科技攜手成立實驗室,不論是對於台灣半導體發展或是新思科技本身,任一方的成功都會帶動另一方的成長。
圖/ 簡永昌攝影

只是設計人工晶片說來簡單,要真正完成其實仍障礙重重。工研院看到市場上需要有一個更便利的平台跟工具,輔助有心投入人工智慧晶片設計的業者,因此攜手新思科技(Synopsys)成立「人工智慧晶片設計實驗室(AI Chip Design Lab)」,希望透過實驗室的成立,集結更多業者投入裝置端AI晶片技術的開發,協助台灣半導體產業以及加速台灣AI晶片的發展。

攜手EDA市場龍頭新思科技,加速AI晶片的發展

此次合作的對象「新思科技」,是一間電子設計自動化(Electronic Design Automation,EDA)的公司,專注於晶片設計、驗證、晶片智慧財產權和軟體安全性。根據ESD Alliance協會的統計,全球EDA市場由新思科技、益華電腦(Cadence)及明導國際(Mentor Graphics)三家美商壟斷,市占率高達60%,其中新思科技更位居市場龍頭。

新思科技全球資深副總裁暨亞太區總裁 林榮堅
林榮堅表示,新思科技會持續深耕台灣,也計畫加碼投資8億新台幣、延攬110位研發人才,積極協助台灣在全球AI晶片應用市場搶得先機。
圖/ 簡永昌攝影

新思科技全球資深副總裁暨亞太區總裁林榮堅就表示,為響應AI on Chip的示範計畫,將加碼8億新台幣在台投資,也預計再招募110名研發人員,將原有的團隊擴大到200人,協助推動AI成為台灣新世代的科技產業。

他進一步解釋,這次與工研院的合作由新思科技提供EDA工具、矽智財(IP)以及快速開發與驗證平台,工研院則是提供AI系統晶片參考設計以及軟硬體客製化技術服務,共同打造這個設計平台。

AI晶片設計大不同,如何滿足不同應用需求成關鍵

工研院資通所所長闕志克就點出,在全球前十名的IC設計企業中、台灣就搶下3個席次,可見除了晶圓代工之外,台灣在IC設計也有一定的實力。但是過去台灣在IC設計上主要聚焦在標準通用晶片,包括無線通訊、影音運算或是有線高速傳輸介面等,不僅是已具有基礎架構,軟體開發也相對單純。

工研院 闕志克
闕志克表示,AI晶片的生產過程涉及多種技術,而AI晶片的研發速度更是攸關產品上市的關鍵。實驗室的成立將有助於減少30-50%的開發時程,降低業者進入AI設計的門檻。
圖/ 簡永昌攝影

步入AI的時代後,在各種不同情境中,都必須了解效能表現跟運算力需求,已不再像過去透過標準通用晶片可以滿足,因此除了目前市場上比較具規模的IC設計公司有能力跨足AI晶片設計外,其餘的IC設計將面臨到架構配置、設計時間、成本等多重考量,阻礙產品上市的時間。

成立實驗室,小型IC設計公司與系統業者成潛在受惠商

實驗室的成立,正是對於規模較小的IC設計公司,甚至是不具有IC設計能力的系統整合(SI)業者,提供一個絕佳的解決方案。闕志克表示,透過實驗室軟硬體的資源協助,將可縮短30-50%的開發時程,不僅是加速了AI上市的速度,同時降低了業者進入AI晶片設計的門檻。

IC design.png
AI晶片設計之所以跟過往晶片設計有所不同,主要在於終端應用多元,架構的需求需要滿足終端應用的效能表現跟運算力,因此難度更高。
圖/ Midas Labs

舉例來說,不管是小型規模的IC設計公司,或是系統整合業者,當他們擁有一個AI使用情境卻不知如何下手時,實驗室就可以提供一個公版的架構配置作為初步的參考,並利用軟體協助,來測試這樣的配置是否能滿足終端情境在AI效能表現跟運算力的需求,如果有需要調整的地方,工研院也能提供建議,協助做出更客製化的AI晶片。

因為AI時代下資訊量的產生將越來越龐大,能夠在終端裝置上先進行運算、即所謂的邊緣運算(Edge Computing),對於資料中心的負擔將能大幅降低。但終端裝置大如自駕車、小到穿戴裝置都算是,不同應用的運算力需求各有不同,不再是過去能靠一招打天下,這是研發AI晶片的難處、同時是人工智慧晶片設計實驗室誕生的主要原因。

實驗室成立減少開發週期,提升25%效能表現

新思科技全球副總裁暨台灣區總經理李明哲就解釋,實驗室整合了建構AI架構設計、AI編譯器研發以及AI軟硬體整合等關鍵技術,不僅可以改善當前業界缺乏關鍵技術的窘境,也能加速晶片開發週,從過去的1.8-2.5年減少約6個月,同時也能提升AI晶片效能達25%,強化AI的技術能量。

新思科技全球副總裁暨台灣區總經理 李明哲
李明哲指出,攜手工研院打造這個實驗室將能加速AI晶片提早6個月上市。
圖/ 簡永昌攝影

實驗室已於今(21)日正式揭牌並開始試營運,目前先提供AI SoC(系統單晶片)參考設計平台等服務,預計2021年10月正式營運後,將可提供業者AI晶片系統設計及軟體開發、AI晶片系統驗證等服務。

責任編輯:錢玉紘

關鍵字: #工研院
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

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
代理式商務連動百兆商機
© 2026 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