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

七年、三階段，國泰金融集團將雲端內化為營運流程與創新引擎

為什麼國泰可以領先市場完成雲端轉型、數據與 AI 賦能業務？

顏勝豪認為，雲端轉型的起點不是直接遷移系統，而是從四個面向打底：應用系統盤點評估、雲端架構設計、雲端遷移藍圖規劃，以及組織治理框架建立，而這也是 Cloud Ready 階段最重要的事情。
「不同子公司有不同商業模式與節奏，若沒有共同語言與平台底座，上雲很容易各自為政。」顏勝豪表示，為讓所有員工可以齊步前行，國泰以雲端遷移方法論 Cathay 6R（註1）作為共同語言、用平台作為共同底座，讓轉型不只是技術選擇，而是集團行動。
完成單一系統的雲端遷移後，便進入 Cloud Adoption 階段。在這個階段中，要透過大規模遷移建立更成熟的上雲標準作業流程（SOP），透過 FinOps 機制控管與優化雲端營運成本，以及透過自動化與治理模型確認多雲環境與安全與維運穩定性，目標是將雲端內化為組織日常運營的一部分，進而邁向 Cloud First 階段：在合規前提下，新專案與系統升級預設在雲端環境開發，並善用雲原生優勢加速新產品功能開發速度。
「集團雲端策略只有一個核心原則：讓雲成為 AI 時代的成長引擎，而不是單純的基礎設施。」關於國泰的未來雲端布局，顏勝豪如是總結。

以雲端為 AI 資源引擎、發揮數據燃料價值，實現 AI 賦能業務應用

國泰不僅在2025年完成集團百套系統上雲，也啟動數據上雲計畫並為 GenAI 奠定基礎建設。
例如國泰金控實現數據上雲，打造資料湖倉與 GAIA 生態系統架構為 AI 賦能業務做準備：成立國泰風險聯防中心（CRC）攜手集團洗防人員強化風險控管與金融犯罪因應能力；釋出國泰員工 AI 助手–Agia–Beta
版，提供差勤、福利與權益、技術支援、職務職能與集團其他資訊等五大類別管理辦法等查詢服務；此外，亦推出集團數據共享平台、集團法規知識庫、 AI 評測中心等服務，更好發揮 Cloud First 與 AI 賦能業務應用的價值。
雲端是 AI 時代的關鍵底座、數據則是 AI 的燃料。顏勝豪指出，發展AI需要龐大的 GPU 算力，若自建 GPU 機房，不僅硬體設備昂貴、折舊速度快，光是散熱系統一年就高達兩、三千萬元的成本，若採取雲端資源，可以隨啟隨用，同時，大幅降低試錯成本。「當雲端打好基礎、AI成為能力模組，銀行、人壽、產險與證券的創新不再是單點突破，而是放大集團級綜效。」

國泰以 Cloud First + AI 持續領先市場、形塑未來樣貌

「雲端可以優化算力成本，資料則決定 AI 應用上限。」顏勝豪解釋，在 AI 新世代，AI 模型定調能力「下限」，集團子公司掌握的「獨特資料」則決定應用的「上限」，考量雲端有許多好用 AI 服務，唯有資料上雲才能發揮數據價值、用 AI 賦能集團各子公司業務。
例如國泰世華銀行將採取多公有雲策略，打造雲端智慧生態圈，並以現代化雲原生技術拓展應用場景；同時，運用 AI 與資料分析優化客戶服務體驗，並藉由跨雲整合機制支援多元業務模式，以充分發揮上雲效益。至於國泰產險，不僅在兩年半內完成13套核心系統上雲、優化營運流程，如以 Serverless 架構打造百萬級效果、萬元成本的短網址系統等，讓雲端成為產險驅動長期成長的核心引擎與標準配備。

國泰人壽則是透過雲端與 AI 滿足不同客戶需求，如以 AI Search 精準呈現關鍵字搜尋結果，讓客戶可以精準且快速的查找所需資料、大幅優化官網體驗與滿意度。至於國泰證券則是於2026年初推出「庫存管家」服務，以客戶持股為核心，應用 AI 技術打造個人化推播服務，協助投資人更有效率地掌握庫存狀況，提供更即時、系統化的投資管理體驗。
總的來說，國泰金控在集團的雲端轉型不僅是技術升級，更是思維革新，從百套系統上雲進展到 Cloud First 階段，可以預期在雲地基礎下，國泰將進一步引領 AI 時代變革，持續提升營運韌性與放大創新價值。

註1：Cathay 6R 國泰設計 Cathay 6R 雲端遷移方法論，將系統遷移方式依據上雲模式、系統開發成本分為 Rehost 、Replatform、Refactor、Rewrite、Replace 和 Retain 共6種遷移架構，並能對應到 IaaS、PaaS、SaaS 三種不同上雲模式。