AMD 5年內營收翻倍？蘇姿丰指成長關鍵在合作夥伴，打算怎麼超車Intel？|數位時代 BusinessNext

AMD 5年內營收翻倍？蘇姿丰指成長關鍵在合作夥伴，打算怎麼超車Intel？

在外界預估AMD營收將在2025年達到現今兩倍營收時，這間處理器巨頭指出，擴大通路合作夥伴將是公司未來重要的成長機遇。

2021年加倍投資合作夥伴，AMD要掌握銷售通路

在Intel坐困愁城的此刻，外界是如此看好AMD的前景，對此，這間晶片大廠會如何布局實現？根據《CRN》報導，AMD執行長蘇姿丰曾透露，擴張合作夥伴是公司未來成長的重要關鍵，也是AMD計畫在2021年將市場開發資金，以及相關職缺大舉增加的緣故。

「我認為通路合作夥伴是個非常大的機會。」AMD執行長蘇姿丰透露，「這是公司成長時很重要的一件事，我們會投放資源給通路合作夥伴，協助他們進行各種活動，我對這帶來的可能性感到非常興奮。」

AMD合作夥伴之一的IT解決方案提供商Insight Enterprises透露，AMD今年在數位行銷及其餘銷售協助上的投入大增，AMD也積極與Insight的業務團隊合作，告知如何回應客戶疑問，特別是跟競品比較方面。這些幫助令AMD的伺服器銷售有著兩位數的成長。

蘇姿丰指出，AMD對Insight的投資，代表著他們的通路策略已經超越零售業者、系統廠等傳統通路，也著重於經銷個人電腦、伺服器，提供企業級解決方案的廠商，並認為這些合作夥伴能令AMD的產品與服務觸及更廣闊的客戶。

AMD美洲業務副總裁傑森．穆尼漢（Jason Mooneyham）提到，「我們與通路有關的職位、資金支出都會在2021年成長一倍，過去兩年裡我們的投入已經成長了5倍之多，因此這是非常巨大的。」

AMD已運用市場開發資金，為個人電腦、伺服器產品銷售提供獎勵計畫，穆尼漢表示，「我們與Dell、聯想、HP等合作夥伴有著非常多元的伺服器產品陣容，我們可以運用這筆錢加強這些投入。」

且為了協助合作夥伴，AMD還出資為一些合作夥伴提供技術人員，強化雙方的合作。Ingram Micro、Synnex、D&H Distributing及Tech Data等北美分銷商，都有AMD出資的技術職位。

AMD對通路合作夥伴提供積極協助，也只是這幾年的事，一位系統廠主管表示，「幾年前他們還在掙扎求生時，我們沒有獲得任何AMD的通路夥伴支持，因為他們根本沒有預算。」

且比起頭號競爭對手Intel，AMD在人力物力上仍力有未逮，Intel不僅擁有長期經營合作夥伴計畫，還握有龐大的資金，同時由有著十數年經驗的老將職掌。法國IT服務管理公司Atosu便指出，AMD給予通路的支持與Intel有相當差距，「我們雙方都知道還有努力空間。」

而對於10月宣佈收購的賽靈思，蘇姿丰也認為是獲得通路合作夥伴的重大契機，其技術與產品能夠協助通路發展。「我認為這可能將成為我們最大的成長機會。」她表示，「我們希望能夠贏得所有通路客戶的信賴。」

資料來源：Wccftech、CRN
責任編輯：錢玉紘

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。」

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。