英特爾重返GPU戰場！陳立武延攬高通大將操刀，「打包14A代工」瞄準AI資料中心大餅|數位時代 BusinessNext

重點一：英特爾 (Intel) 執行長陳立武 (Lip-Bu Tan) 宣布將重新投入 GPU 研發，瞄準資料中心市場，並延攬高通 (Qualcomm) 前 GPU 首席架構師 Eric Demmers 掌舵。

重點二：新 GPU 將與英特爾資料中心處理器與代工業務整合，客戶已針對 14A 製程積極洽談，陳立武預期今年內量產時程將開始升溫。

重點三：陳立武警告，儘管遭美國封鎖設計工具，華為 (Huawei Technologies) 仍網羅約百名頂尖晶片設計師，以「窮人版」方法自力研發，實力「只落後我們一點點。」

美國晶片大廠英特爾 (Intel) 執行長陳立武 (Lip-Bu Tan) 日前在美國舉行的 Cisco AI Summit 期間受訪表示，英特爾將投入圖形處理器 (GPU) 開發，鎖定資料中心應用市場，正面迎戰近年憑 AI 伺服器 GPU 獲取龐大商機的輝達 (NVIDIA)。

為加速布局，英特爾已延攬高通 (Qualcomm) 前 GPU 首席架構師 Eric Demmers 加入，負責主導新一代 GPU 設計。陳立武同時透露，英特爾先進製程與代工業務已獲「數家客戶深度接觸」，並嚴肅提醒，華為 (Huawei Technologies) 在美國制裁下仍大量招募頂尖設計人才、以「窮人版」方式自研晶片，實力不容小覷。

延攬高通 GPU 大將，英特爾瞄準資料中心再戰輝達

根據《路透》報導，曾在高通擔任 GPU 首席架構師的 Eric Demers 已於 1 月轉投英特爾，消息最早由產業媒體《CRN》披露，隨後由 Demers 在 LinkedIn 上證實。陳立武受訪時表示：「我才剛延攬到這位 GPU 首席架構師，他非常優秀，我對他加入感到非常高興。」

英特爾過去在消費級顯示卡與資料中心 GPU 市場布局有限，在 AI 訓練與推論算力幾乎由輝達一統江湖的當下，市場長期質疑英特爾缺乏強而有力的 GPU 敘事。陳立武此次直接將新團隊的任務鎖定資料中心，顯示英特爾不打算從邊緣或利基應用繞路，而是要把 GPU 視為旗下伺服器 CPU 之外的第二支柱，補上 AI 雲端基礎建設產品線的最大缺口。

他並指出，Demers 將直接向英特爾資料中心晶片負責人 Kevork Kechichian 報告，顯示 GPU 計畫被納入資料中心業務主戰場，而非孤立的實驗性項目。英特爾也將與雲端與企業客戶合作，依實際工作負載與需求共同定義 GPU 規格與產品走向。

英特爾曾跨足GPU，但競爭力差強人意

若將 GPU 定義寬泛化為「任何負責畫面輸出的處理器」，英特爾（Intel）早在 1990 年代末便曾涉足獨立顯卡晶片領域。當時雖推出 Intel i740 及其後繼產品 i752，但在 3D 繪圖市場中表現疲軟，始終難以抗衡輝達與 ATI（後被 AMD 收購）的強勢競爭，該產品線最終迅速退出市場。

英特爾在顯示技術領域真正的影響力源於隨後的「內顯」。自 2000 年代起，英特爾將整合式繪圖晶片納入其晶片組，隨後進一步整合至 CPU 內部。儘管效能與專業顯卡存有差距，但憑藉著隨主流處理器大規模出貨的優勢，若以裝機量統計，英特爾實為過去十多年間全球使用率最高的 GPU 品牌之一，僅是多數用戶未將其視為傳統意義上的「顯卡」。

若對標輝達或 AMD 標準的獨立遊戲顯卡或資料中心 GPU，英特爾則是直到近年才重返戰局。此前最知名的嘗試為 2000 年代末的 Larrabee 專案，該計畫試圖以多個精簡化 x86 核心堆疊成類 GPU 架構，目標兼顧 3D 繪圖與通用計算（GPGPU）。

然而，受限於效能瓶頸及軟體生態鏈未臻成熟，該專案最終轉向 Xeon Phi 計算卡發展，獨立顯卡版本則未曾正式上市。

結合 14A 先進製程與代工，代工客戶同步押注

除了產品線的補強，陳立武也試圖把 GPU 與英特爾近年積極發展的晶片代工業務「英特爾代工服務」(Intel Foundry) 打成一套整體解決方案。他在會場公開表示，目前已有「幾家客戶正與英特爾代工深入合作」，且合作焦點鎖定英特爾最新一代 14A 製程節點。

在接受訪問時，他進一步說明，這些客戶的興趣集中在 14A 技術的良率與量產時程，英特爾預期今年稍晚 14A 的量產節奏將逐步拉升。對有意採用英特爾製程的客戶來說，關鍵在於必須及早明確產能需求與產品計畫，以便英特爾能提前規畫產能與投資。

陳立武強調，若客戶願意在產品規模、出貨時間點與需求量方面提供清楚資訊，英特爾就能「提早為其保留與規畫產能」。

在 AI 資料中心伺服器需求持續高漲、先進製程供給仍吃緊的情況下，這類產能協調機制將成為英特爾與台積電等主要晶圓代工對手競爭的一部分。

華為「窮人版」晶片設計法，成為美國半導體警訊

值得注意的是，陳立武在談到人才招募時，特別點名中國科技巨頭華為技術的快速崛起。他表示，英特爾近期在全球招募晶片設計師的過程中發現，華為在美國嚴格出口管制之下，竟仍能聘用約 100 名「頂尖」晶片設計人才，令他「感到震驚」。

由於美國政府限制華為取得來自 Cadence、Synopsys 等美系供應商的電子設計自動化 (EDA) 工具，外界原以為華為在高階晶片設計上將遭遇重大瓶頸。然而陳立武轉述這些設計師的說法指出，即便拿不到最先進的 EDA 工具，華為仍以所謂「窮人版」方式，透過替代軟體、自研工具與額外人力投入來完成設計流程。

在他看來，華為在晶片設計能力上目前「只比我們落後一點點」，若美國與盟友掉以輕心，「他們很可能會一舉超前我們」。

延伸閱讀：英特爾代工變香了？分析師看好14A夥伴效應，股價漲幅度上看27%

英特爾股價暴跌11%！Q1財測因「產能不足」被潑冷水，AI 轉型卡在18A良率瓶頸

資料來源：路透社、CNBC

本文初稿為AI編撰，整理．編輯/ 李先泰

「代理式 AI 」（Agentic AI）的創新服務正在重新塑造企業對AI的想像：成為內部實際運行的數位員工，提升關鍵工作流程的效率。代理式AI的技術應用清楚指向一個核心趨勢：2025 年是 AI 邁向「代理式 AI」的起點，讓 AI 擁有決策自主權的技術轉型關鍵，2026 年這股浪潮將持續擴大並邁向規模化部署。

面對這股 AI Agent 浪潮，企業如何加速落地成為關鍵，博弘雲端以雲端與數據整合實力，結合零售、金融等產業經驗，提出 AI 系統整合商定位，協助企業從規劃、導入到維運，降低試錯風險，成為企業佈局 AI 的關鍵夥伴。

避開 AI 轉型冤枉路，企業該如何走對第一步？

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題、生成內容的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工，應用場景也從單一任務延伸至多代理協作（Multi-Agent）模式。

「儘管 AI 前景看好，但這條導入之路並非一帆風順。」博弘雲端技術維運中心副總經理暨技術長宋青雲綜合多份市場調查報告指出，到了 2028 年，高達 70% 的重複性工作將被 AI 取代，但同時也有約 40% 的生成式 AI 專案面臨失敗風險；關鍵原因在於，企業常常低估了導入 GenAI 的整體難度——挑戰不僅來自 AI 相關技術的快速更迭，更涉及流程變革與人員適應。

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工。面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時加速 AI 落地。

圖／數位時代

正因如此，企業在導入 AI 時，其實需要外部專業夥伴的協助，而博弘雲端不僅擁有導入 AI 應用所需的完整技術能力，涵蓋數據、雲端、應用開發、資安防禦與維運，可以一站式滿足企業需求，更能使企業在 AI 轉型過程中少走冤枉路。

宋青雲表示，許多企業在導入 AI 時，往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

轉換率提升 50% 的關鍵：HAPPY GO 的 AI 落地實戰路徑

博弘雲端這套導入方法論，並非紙上談兵，而是已在多個實際場域中驗證成效；鼎鼎聯合行銷的 HAPPY GO 會員平台的 AI 轉型歷程，正是其最具代表性的案例之一。陳亭竹說明，HAPPY GO 過去曾面臨AI 落地應用的考驗：會員資料散落在不同部門與系統中，無法整合成完整的會員輪廓，亦難以對會員進行精準貼標與分眾行銷。

為此，博弘雲端先協助 HAPPY GO 進行會員資料的邏輯化與規格化，完成建置數據中台後，再依業務情境評估適合的 AI 模型，並且減少人工貼標的時間，逐步發展精準行銷、零售 MLOps（Machine Learning Operations，模型開發與維運管理）平台等 AI 應用。在穩固的數據基礎下，AI 應用成效也開始一一浮現：首先是 AI 市場調查應用，讓資料彙整與分析效率提升約 80%；透過 AI 個性化推薦機制，廣告點擊轉換率提升 50%。

左、右為博弘雲端事業中心副總經理陳亭竹及技術維運中心副總經理暨技術長宋青雲。宋青雲分享企業導入案例，許多企業往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

圖／數位時代

整合 Databricks 與雲端服務，打造彈性高效的數據平台

在協助鼎鼎聯合行銷與其他客戶的實務經驗中，博弘雲端發現，底層數據架構是真正影響 AI 落地速度的關鍵之一，因與 Databricks 合作協助企業打造更具彈性與擴充性的數據平台，作為 AI 長期發展的基礎。

Databricks 以分散式資料處理框架（Apache Spark）為核心，能同時整合結構化與非結構化資料，並支援分散式資料處理、機器學習與進階分析等多元工作負載，讓企業免於在多個平台間反覆搬移資料，省下大量重複開發與系統整合的時間，從而加速 AI 應用從概念驗證、使用者驗收測試（UAT），一路推進到正式上線（Production）的過程，還能確保資料治理策略的一致性，有助於降低資料外洩與合規風險；此對於金融等高度重視資安與法規遵循的產業而言，更顯關鍵。

陳亭竹認為，Databricks 是企業在擴展 AI 應用時「進可攻、退可守」的重要選項。企業可將數據收納在雲端平台，當需要啟動新型 AI 或 Agent 專案時，再切換至 Databricks 進行開發與部署，待服務趨於穩定後，再轉回雲端平台，不僅兼顧開發效率與成本控管，也讓數據平台真正成為 AI 持續放大價值的關鍵基礎。

企業強化 AI 資安防禦的三個維度

隨著 AI 與 Agent 應用逐步深入企業核心流程，資訊安全與治理的重要性也隨之同步提升。對此，宋青雲提出建立完整 AI 資安防禦體系的 3 個維度。第一是資料治理層，企業在導入 AI 應用初期，就應做好資料分級與建立資料治理政策（Policy），明確定義高風險與隱私資料的使用邊界，並規範 AI Agent「能看什麼、說什麼、做什麼」，防止 AI 因執行錯誤而造成的資安風險。

第二是權限管理層，當 AI Agent 角色升級為數位員工時，企業也須比照人員管理方式為其設定明確的職務角色與權限範圍，包括可存取的資料類型與可執行的操作行為，防止因權限過大，讓 AI 成為新的資安破口。

第三為技術應用層，除了導入多重身份驗證、DLP 防制資料外洩、定期修補應用程式漏洞等既有資安防禦措施外，還需導入專為生成式 AI 設計的防禦機制，對 AI 的輸入指令與輸出內容進行雙向管控，降低指令注入攻擊（Prompt Injection）或惡意內容傳遞的風險。

博弘雲端技術維運中心副總經理暨技術長宋青雲進一步說明「AI 應用下的資安考驗」，透過完善治理政策與角色權限，並設立專為生成式 AI 設計的防禦機制，降低 AI 安全隱私外洩的風險。

圖／數位時代

此外，博弘雲端也透過 MSSP 資安維運託管服務，從底層的 WAF、防火牆與入侵偵測，到針對 AI 模型特有弱點的持續掃描，提供 7×24 不間斷且即時的監控與防護。不僅能在系統出現漏洞時主動識別並修補漏洞，更可以即時監控活動，快速辨識潛在威脅。不僅如此，也能因應法規對 AI 可解釋性與可稽核性的要求，保留完整操作與決策紀錄，協助企業因應法規審查。

「AI Agent 已成為企業未來發展的必然方向，」陳亭竹強調，面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時，加速 AI 落地。在這波變革浪潮中，博弘雲端不只是提供雲端服務技術的領航家，更是企業推動 AI 轉型的策略戰友。透過深厚的雲端與數據技術實力、跨產業的AI導入實務經驗，以及完善的資安維運託管服務，博弘雲端將持續協助企業把數據轉化為行動力，在 AI Agent 時代助企業實踐永續穩健的 AI 落地應用。

>>掌握AI 應用的新契機，立即聯繫博弘雲端專業顧問