從物流到繳帳單都求「快」!AMD抓準商機推新處理器,效能猛烈上看128核
從物流到繳帳單都求「快」!AMD抓準商機推新處理器,效能猛烈上看128核

「我們正處於一個高性能運算的超大循環(Megacycle)當中,有越來越多高效能與大規模運算的部署需求,以滿足現代生活的服務,並為相關設備提供所需的動力。」AMD執行長蘇姿丰用這段話揭開9日加速資料中心線上新品發表會主題演說的序幕。

AMD伺服器處理器規劃藍圖,揭露最新一代雲原生處理器。
圖/ AMD

AMD在這次的活動上揭曉代號「Milan-X」的第三代EPYC伺服器外,更發表第四代採用Zen4架構的「Genoa」的伺服器處理器,以及對雲原生(Cloud Native)運算需求而推出採用Zen4c架構的「Bergamo」處理器等。

開出雲原生新產品線,Bergamo核心上看128核

消費者對於「快」的需求千變萬化,例如使用手機訂購可在數小時內送貨到府的產品、線上支付帳單,以及用串流媒體觀看節目,這些使用習慣的改變讓「雲原生」的概念孕育而生,透過該技術,能讓產品從開發到後續維運的流程都更加快速、有效率且容易更新調整。

為了因應這樣的市場需求,AMD規劃出新的產品線,其首款處理器是搭載Zen4c架構代號為「Bergamo」處理器,希望能藉此滿足雲原生所需的運算需求。相比於既有產品線,Bergamo更重視功耗與效能上的優化,更透過提高快取記憶體密度來提升運算效率,其運算核心數最高可達128核,實際發表與量產時間點預估為2023年。

Bergamo為雲原生技術帶來嶄新的運算效能。
圖/ AMD

事實上,Bergamo採用的架構可說是與第四代「Genoa」的伺服器處理器Zen4的延伸架構,目前尚未發布相關的技術細節,但兩者支援相同的指令集且腳位相容,可相容於DDR5、PCIe 5.0、CXL 1.1和RAS等介面,以及 AMD 的安全套件。

另一方面,第四代「Genoa」搭載Zen 4 架構,最大可以提供 96 核心處理器,目前已經開始提供客戶樣品,預期2022年開始量產。

無論是Bergamo或Genoa,皆是採用台積電5奈米製程,蘇姿丰強調,該製程能有效提升2倍的電晶體密度、電源效率,以及1.25倍以上的運算效能,非常適用於高效能運算需求,為其提供多款處理器設計。

大廠相繼導入,EPYC處理器需求倍數成長

實際上,微軟(Microsoft)Azure和Google已經宣布多項採用第三代EPYC做為建置資料中心的處理器;除此之外,Cloudflare、Vimeo和Netflix等影音串流平台也相繼發表與AMD雲端合作規劃。

微軟分享其Azure平台導入AMD Milan-X的計畫。
圖/ AMD

不僅如此,在今日活動中蘇姿丰更強調,目前全球絕大多數的前500強業者均選擇使用EPYC伺服器處理器作為運算基礎,就連Meta(前身為Facebook)、SAP旗下HANA Cloud也都加入EPYC伺服器處理器之列。

綜觀日前AMD第三季財報的成績,整體營收為43億美元,年增54%,營業利益也較去年同期倍增,能有此好成績蘇姿丰將歸功於資料中心的成長。她提到,第3代EPYC處理器本季出貨量大幅成長,其資料中心產品銷售量較去年同期成長了1倍以上。

Milan-X採3D Chiplet架構伺服器

延續第3季的好成績讓AMD趁勝追擊,在本次活動中宣布將台積電3D Chiplet封裝技術,引入代號為「Milan-X」的第三代EPYC伺服器,採用AMD 3D V-Cache垂直快取記憶體設計。

其實早在今年Computex 2021期間,AMD就已經分享以台積電3D Chiplet封裝技術的特別設計Ryzen 5900X處理器。透過3D堆疊的封裝技術,不僅能縮減快取與晶片的傳輸距離,縮短延遲時間,還能提供更高的運算能力。

相比於2D、Micro Bump 3D技術,3D Chiplet封裝能大幅提升連接密度,並節省耗能。
圖/ AMD

而今天AMD就將這項3D堆疊進數帶入資料中心市場。相比於2D的封裝技術,其連接密度可提升200倍以上,而對比微凸塊(Micro Bump)3D技術則連接密度提升15倍以上,並能節省3倍以上的能耗。

此外,Milan-X相比上一代產品,在L3快取記憶體容量足足提升3倍,總快取記憶體容量擴增到804MB,核心數量高達64核,且採取SP3腳位設計,其目標技術運算的工作負載能力提升超過5成。

AMD表示,Milan-X將於2022年第一季正式推出,目前思科、戴爾科技、聯想、HPE 和 Supermicro 等業者已確定將該技術引用進旗下伺服器解決方案當中。

往下滑看下一篇文章
AI 成為企業新基礎設施,勤英科技從雲端代理走向 AI Infra 整合
AI 成為企業新基礎設施,勤英科技從雲端代理走向 AI Infra 整合

因應生成式 AI、代理式 AI 與實體 AI 的崛起,模型成為企業資訊基礎設施的一環,企業不僅需要算力、還必須具備同時管理多個 AI 模型、優化營運成本,以及確保 AI 基礎設施的安全與穩定;有鑑於此,服務超過 2,000 家企業客戶上雲的勤英科技(ELITE CLOUD)將業務範疇從雲端代理延伸到 AI 基礎設施整合商,協助企業整合多元模型資源、因應不同應用場景彈性調度算力資源,在 AI 新世代建立可規模化的 AI Infra 能力。

「隨著 AI 從單一聊天機器人進化到多模型、多代理協作,企業的核心競爭力不再僅是擁有 AI,而是建立一套可管理、多模型共存、穩定、安全且可持續擴充的 AI Infra 環境。」勤英科技區域總經理黃士培表示,為協助更多企業推進 AI 創新實務,勤英科技從原本的 AWS、Google Cloud、Azure 雲端代理角色,進一步轉型為 AI 基礎設施整合服務商,透過多語言模型平台 MixRoute、代理式 AI 導入與企業資料治理服務,協助企業建立真正可落地、可管理、可擴展的 AI 應用架構。

從 IT Infra 到 AI Infra,企業最大挑戰不是模型、算力而是管理

過去幾年,許多企業透過生成式 AI 實現「問問題」、「摘要文件」、「生成簡報」,提升員工工作績效,而代理式 AI 的崛起與普及,則讓「內嵌 AI 的企業應用」快速成為新常態,從企業資源規劃(ERP)、顧客關係管理(CRM)、人力資源(HR),到客服、研發甚至製造系統,AI 開始深度嵌入各類企業應用,AI 扮演的角色也從單純的輔助工具,逐漸進化為企業營運與決策流程的重要核心。

也因此,企業保持未來競爭力的關鍵,不再是「有沒有導入 AI」,而是「是否具備管理 AI 的能力」,包括如何讓多模型共存、如何控管 Token 成本、如何確保資料品質與一致性、如何依不同部門需求配置 Agent,以及如何避免 AI 成為新的資訊孤島,都是企業導入 AI 後的新挑戰。

「Gemini、Claude、OpenAI、Mistral 等模型快速迭代,意味著企業若只押注單一模型,未來很可能在成本、效能與彈性上失去優勢。」勤英科技區域總經理黃士培表示,企業接下來更需要以「Models as Infrastructure(模型即基礎建設)」的思維,將大型語言模型視為與運算、儲存、網路同等重要的基礎資源來規劃、治理以及進行成本管理,將資訊系統架構重塑為 AI 基礎建設。

勤英科技_內文1.JPG
圖/ 數位時代

勤英科技服務的客戶數超過 2,000 家,不少客戶已導入 AI 應用服務,正積極建置 AI Infra 與管理環境,因此,勤英科技自 2025 年積極轉型,將 AI Infra 視為企業長期競爭力的基礎建設來經營,業務範疇從傳統雲端代理擴展至 AI Infra 整合服務商,例如與多模型平台 MixRoute 合作,並開發可支援單一登入(SSO)、彈性調度不同大型語言模型 Token 的管理平台,協助企業簡化模型管理與成本控管,將更多資源與心力聚焦於核心業務與創新應用。

從雲端代理走向 AI Infra 整合,勤英科技從三面向協助企業發揮 AI 綜效

有鑑於 AI 應用與雲端環境息息相關,勤英科技除因應企業客戶的多雲策略協助管理多雲環境、優化成本,以及落實資安治理,更因應不同使用情境推出三種 AI 方案助力企業:

第一:提供開箱即用的 AI 服務。

黃士培以 Google Cloud 的產品為例解釋,透過整合 Gemini 的 Google Workspace,企業可直接在 Gmail、Meet、Docs、Sheets、Slides 中使用 AI 功能,包括會議摘要、文件生成、簡報整理等,快速提升員工生產力,同時,增強企業對 AI 應用的信心,為之後的應用深化做準備。

第二:協助企業規劃、打造與導入代理式 AI 應用服務。

「對於擁有豐沛結構化數據資料、知識庫的企業來說,除以生成式 AI 打造企業大腦,還會透過代理式 AI 提升自動化執行能力,重塑工作效率。」黃士培表示,勤英科技可以基於 Google Gemini Enterprise,提供含括底層雲端架構、AI 模型調度、資料治理與 AI Agent 串接等服務,讓企業員工可以自然語言安全調用企業資料,讓 Agent 進一步執行任務與推動流程。

舉例來說,勤英科技協助在台灣成立超過 50 年的製造業品牌商將 Gemini Enterprise 介接 SAP 與 Salesforce 訓練模型、建立可供 AI 調用的企業知識中樞;另在影音內容生成領域,勤英科技亦協助客戶導入 AI 自動化技術,將內容產製成本縮減達 90%。

第三:提供多模型聚合管理平台,滿足企業以 API 串連各種模型的需求。

勤英科技與新加坡 MixRoute 合作,提供企業客戶多模型管理平台,讓企業可以視需求彈性敏捷的調度 Gemini、Claude、OpenAI 等不同模型,並透過單一帳號、單一帳單與 Budget Alert 機制,管理 token 使用量與 AI 成本。

勤英科技_內文2.JPG
圖/ 數位時代

「透過我們提供的多模型管理平台,企業客戶不會被單一模型綁定,可以在模型快速疊代的環境下,更靈活地管理成本與算力資源。」黃士培如是說道。

總的來說,隨著 AI 應用從單點工具走向大規模企業部署,下一波競爭核心將從模型能力延伸至 AI 基礎設施管理能力,而這也是勤英科技從雲端代理走向 AI Infra 整合服務商背後的核心原因:當 AI 開始成為企業營運的一部分,企業需要的,已不只是模型供應商,而是能協助串接雲端、資料、Agent 與應用場景的長期技術夥伴。

有關更多勤英科技相關資訊,請查詢網站:https://www.elite.cloud/zh/

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