Intel 端出新款Alder Lake處理器！性能提昇30%、會是追上蘋果M1的關鍵嗎？|數位時代 BusinessNext

Intel 端出新款Alder Lake處理器！性能提昇30%、會是追上蘋果M1的關鍵嗎？

Intel在架構日活動上，披露了最新的處理器架構Alder Lake，採用混合架構設計令性能、效能皆大幅強於過往產品，也被視為追逐蘋果M1腳步的關鍵。

挑戰Apple M1？Intel混合架構處理器登場，可用於三種電腦產品

去年蘋果推出M1處理器，結束與Intel 10多年來在Mac電腦處理器上的合作，也喚醒了Intel的危機意識，大動作替換執行長、進軍晶片代工領域、揭露製程發展路線圖，目標2025年擊敗台積電、三星。

這次公佈的Alder Lake處理器架構，被認為是Intel精簡產品組合的一個重要舉動。先前因為製程技術遇上瓶頸，以及生產過程中的延宕，導致處理市占率逐漸被AMD侵蝕，晶片製造方面也被台積電及三星超越。

另外，Alder Lake也被認為是證明Intel是否有機會追上蘋果M1晶片的重要戰役，這次採取了類似ARM big.LITTLE架構的設計，這也是蘋果在M1晶片中使用的方法。

Alder Lake使用的性能核心代號為「Golden Cove」，有著比第11代處理器Tiger Lake高出19%的性能。外媒《Cnet》估計，倘若再加上製造技術帶來10%至15%提昇，Alder Lake最多可較前一代產品性能提昇至多30%，遠高於過去每年不到10%的性能增幅。

而代號「Grace Mont」的效能核心則可以在與Skylake架構同樣功率的情況下，提昇40%的效率，或者在不到40%的耗能提供同樣效率，並透過Thread Director技術，將不同任務依據需求分派給性能或效能核心，進而提昇性能或節省用電量。

事實上，過往Intel也曾推出過混合架構的處理器，去年發表的Lakefield便具有一個性能核心及4個效能核心，但僅支援少數行動設備，而這次發表的Alder Lake則具有更大潛力，能夠貫串從桌機、主流筆電到輕薄筆電等三種需求截然不同的產品。

台積電拿下Intel訂單，兩項產品將委外生產

另外，雖然先前才叫陣台積電，宣稱2025年超越其技術，這次公佈的產品陣容中，也不乏由台積電代工生產的產品。例如，新推出的GPU Ponte Vecchio晶片將使用台積電5nm及7nm製程生產。

Ponte Vecchio瞄準的使用場景是資料中心，可提供高效的AI運算或者用於AI訓練上。高級副總裁科杜里強調，Ponte Vecchio在處理特定任務時，效率比Nvidia的產品更好，並向對手發出戰帖，「過去10年來我們放任他們不管，但到此為止了。」

而新推出的顯卡品牌「Arc」旗下Alchemist繪圖晶片，也會使用台積電6nm製程技術生產，這是Intel睽違多年重返顯卡戰局，與Nvidia、AMD直接競爭的一個信號。

另外，計畫在2023年登場、採用Intel 4製程技術的Meteor Lake架構，也預計會有部份晶片塊（tiles）由台積電生產。Intel目前約有20%的產品都是委由外部代工生產，也是台積電的大客戶之一，他們強調會為每項產品挑選最適合的製程技術。

根據《VentureBeat》報導，HotTech分析師阿爾特維拉（Dave Altavilla）指出，這種將部份產品委由代工廠生產，妥善運用產能的作法，是Intel力求發展IDM 2.0非常重要的一環。

責任編輯：錢玉紘

最新8月號雜誌《區塊鏈上的金融新世界》馬上購：傳送門
「電子雜誌」輕鬆讀：傳送門

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。