三星聯手AMD合作開發行動處理器，要和蘋果遊戲功能拚高下|數位時代 BusinessNext

場景更逼真！三星聯手AMD合作開發行動處理器，要和蘋果遊戲功能拚高下

據外媒報導，韓國三星電子公司推出了其首款搭載AMD顯卡的移動處理器，該公司試圖與主要競爭對手蘋果在智慧型手機iPhone的遊戲功能方面展開競爭。

1月18日消息，據外媒報導，韓國三星電子公司推出了其首款搭載AMD顯卡的行動處理器，該公司試圖與主要競爭對手蘋果在智慧手機iPhone的遊戲功能方面展開競爭。

這款新型高端行動處理器名為Exynos 2200，它以三星Xcliope圖形處理器（GPU）為基礎，採用了AMD的rDNA2架構。它也是首批使用最新Armv9中央處理內核的晶片之一，並包括專注於人工智慧（AI）任務的板載神經處理單元（NPU）。

據三星稱，這款NPU的性能增強了一倍，允許更多的並行計算，並增強了AI性能。此外，該晶片還內置了5G無線連接，今年將成為安卓智慧手機的核心。為了安全起見，Exynos 2200配備了集成安全元件（ISE）來存儲私鑰以及充當ROT（信任根）的角色。

有了這些技術支持，Exynos 2200將實現終極手機遊戲體驗，並增強社交媒體應用和攝影的整體體驗。

Exynos 2200的八核CPU採用三核結構設計，由一個功能強大的ARM Cortex®-X2旗艦核、三個性能和效率均衡的Cortex-A710大核和四個高能效Cortex-A510小核組成。

Exynos 2200採用三星最先進的4奈米製造工藝生產，是業界首款支持光線跟蹤的行動晶片。光線跟蹤是一種先進的高保真圖形處理方法，非常接近模擬光線在真實世界中的物理行為，以前僅在個人電腦、筆記型電腦和控制台上可用。

通過計算光線從曲面反彈時的行動和顏色特性，光線跟蹤可為圖形渲染的場景生成逼真的照明效果。為了在行動裝置上提供身臨其境的圖形和用戶體驗，三星與AMD合作，在行動GPU上實現了業界首個硬體加速光線跟蹤。

這款基於AMD rDNA2架構的圖形晶片名為Xclibody，在三星的聲明中被描述為彌合了遊戲機和行動裝置性能之間的差距。 AMD高級副總裁王啟尚表示：「三星的Xclieph GPU是Exynos多代AMD rDNA顯卡計劃中的第一代產品。我們迫不及待地想讓手機客戶體驗基於我們技術合作的出色遊戲體驗。」

Arm IP Products Group（IPG）總裁雷內·哈斯（Rene Haas）說：「未來的數位體驗需要更高水平的性能、安全性和效率。作為首批採用新款Armv9 CPU內核的處理器之一，Exynos 2200利用Arm的Total Compute戰略和RAM標記擴展（MTE）等關鍵安全功能，提供為未來的行動體驗提供所需的專門計算和專門處理能力。」

Exynos 2200支持8K解析度，先進的多格式編解碼器（MFC）使影片栩栩如生。它可以解碼4K（240fps）或8K（60fps）的影片，並對4K（120fps）或8K（30fps）的影片進行編碼。 Exynos 2200目前正在批量生產。

在某些市場，三星通常在自家旗艦Galaxy裝置中使用其自主研發的Exynos處理器，該公司的客戶包括vivo，後者的手機中使用了同款處理器。蘋果自主設計的A系列處理器和高通的驍龍產品傳統上始終主導著行動晶片領域，儘管三星有能力製造自己的晶片。

本文授權轉載自：網易科技

責任編輯：傅珮晴、侯品如

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」。

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。

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。

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。