人人搶GPU，為何CPU需求突然爆了？一篇看懂AI代理時代真正的算力瓶頸|數位時代 BusinessNext

關鍵一：AI運作模式出現根本改變

過去的AI主要以聊天機器人為代表，其運作邏輯相對單純：使用者輸入問題，由CPU進行基本處理後交由GPU完成推理，再將結果回傳。這種一個口令一個動作的互動模式，計算重心集中在GPU。

但到了代理AI時代，任務往往更為複雜，會被拆解為多個子任務，由多個代理同時執行，過程中可能會不斷呼叫工具、查詢資料庫撰寫與執行程式，甚至進行多輪自我反思與修正。這些涉及任務安排、資源調度與系統互動的工作，幾乎全落在CPU身上。

喬治亞理工學院和英特爾發表的一份研究指出，在這類AI代理工作負載中，CPU甚至可能占據整體延遲的過半比例，成為真正影響效率的關鍵環節。

關鍵二：算力需求從講求爆發力轉為耐久賽

另外，聊天機器人的運算需求雖然龐大，但多集中於短時間內完成的推理或訓練任務。相較之下，AI代理需要長時間作業，甚至同時啟動多個任務流程。以前可能是一個偶爾呼叫AI，要求解答幾個問題，現在可能同時運行超過10個AI代理長時間作業。

例如OpenAI創始成員卡帕西（Andrej Karpathy）今年3月上旬發表的自動研究代理AutoResearch，便需要持續運行一整晚或更長時間；Anthropic Claude Code產品負責人切爾尼（Boris Cherny）曾分享，他日常工作中會同時開著複數Claude Code AI代理寫程式。

這種長時間的AI需求，直接推升了CPU的需求規模。哈斯指出，隨著AI代理能以遠高於人類的速度產生與處理請求，資料中心對CPU核心的需求可能在短時間內成長數倍，甚至供不應求也不奇怪。英特爾、AMD等CPU廠商也在財報與公開談話中承認，先前低估了這波需求的速度與規模。

AMD執行長蘇姿丰表示，CPU業務的成長超乎預期，看好2026年伺服器CPU市場有兩位數成長；英特爾財務長大衛．津斯納（David Zinsner）則認為，今年CPU又變得非常火熱。

AMD、英特爾都喊CPU需求正旺

當AI能力的關鍵從生成答案的準確度，轉變為衡量能否實際完成任務，整體效能便不再取決於單一晶片，而是取決於整個系統如何協同運作。在這樣的架構下，GPU仍負責高強度的推理計算，但CPU則成為串聯各個環節的中樞，負責決定何時呼叫模型、如何分配任務、以及如何與外部世界互動。

這或許也是為何輝達近年都開始強化自家CPU產品，甚至推出不搭載GPU的純CPU伺服器配置。Vera CPU便是輝達專為AI代理工作負載所打造的次世代處理器。在AI從訓練轉向推理、再進一步邁向代理化的過程中，CPU不再只是輔助角色，而是支撐整個系統運作的基礎設施。

當AI從被動回應問題的工具，演變為能主動執行任務的代理，運算需求比拼爆發力的短跑，轉變為重視長時間運轉效能的馬拉松。儘管GPU仍然是這股AI浪潮中最耀眼的明星，真正影響AI能否落地的，則是一度遭到忽視，如今再次變得不可或缺的CPU。

本文初稿為AI編撰，整理．編輯/ 陳建鈞

若將生成式人工智慧（GenAI）技術視為改變人與資訊互動的重要分水嶺，Physical AI（實體AI）則讓 AI 真正理解並介入真實世界：從機器人、自駕車到智慧製造，AI 正從「理解內容」走向「理解物理世界」，其中，自駕車被公認是 Physical AI 最具代表性的落地場域，也是目前最能驗證 AI 感知、推理與決策能力的應用，因為，不僅要控制車輛，還必須即時與人流、車流、道路設施及各類載具互動，需要極高的 AI 感知、推理與執行能力。

對深耕智慧移動多年的勤崴國際而言，Physical AI不只是 AI 技術演進，而是自駕車產業邁向下一個世代的重要轉折：從依賴規則控制（Rule-based）的自駕系統，逐步升級為具備感知、推理、學習與持續優化能力的智慧移動平台，讓全球自駕車產業競爭從單一技術比拚，走向資料、場域、生態系與 AI 能力的全面競賽。

Physical AI讓自駕車從「照規則開車」走向「理解世界」

過去，自駕車依靠高精地圖、光達（LiDAR）、攝影機等感測器，以及大量預先設定好的規則進行判斷，這種作法能處理相對固定的情境，但一旦遇到複雜且快速變化的交通環境，例如大量機車穿梭、行人突然穿越、不同國家的交通規則，系統很容易受到限制。

勤崴國際認為，Physical AI 的出現正改寫自駕車的發展模式：透過更強大的 GPU 算力，結合世界模型（World Model）、數位孿生（Digital Twin）與模擬器（Simulator），AI 能先在虛擬世界完成大量交通情境模擬，再將學習成果快速部署到真實道路，不僅大幅縮短訓練與驗證時間，也讓自駕系統持續學習與進化。

「在 Physical AI 賦能下，自駕車將從依照規則開車轉變成能理解環境、預測意圖，再做出最佳決策。」勤崴國際副總經理林映帆表示，例如當系統看到路邊有人揮手，不只是辨識動作，而是能推論對方有搭車需求；當機車快速切入車道，也能提前預測可能路徑，而非等事件發生後才反應。

這也意味著，自駕車的競爭已從「規則設計」走向「AI學習能力」的競爭：自駕車不僅是智慧移動的新載具，更是觀察 Physical AI 是否真正成熟的重要指標；換言之，Physical AI比拚的不是演算法，而是誰能持續累積真實場域、建立與完善資料庫，讓 AI 在每一次行駛中不斷學習、持續進化，形成下一波智慧移動競爭的關鍵。

七年累積三十個場域，勤崴國際打造台灣智慧移動新能量

相較於 Waymo、Tesla 的優勢來自數百萬輛車持續累積道路資料，勤崴國際的策略是透過不同場域的長期營運，建立屬於台灣的智慧移動資料庫。

自2019年投入自駕車商業化應用以來，勤崴國際不僅持續深耕高精地圖、自駕系統、車聯網及自駕運輸技術、於全台完成超過30個自駕場域部署，累積自駕行駛里程突破38萬公里、服務超過80萬人次，更逐步建立台灣少數具規模的智慧移動資料庫；為進一步加速自駕車產業價值鏈發展，勤崴國際也攜手車廠、路側設備，感測器、AI 平台、車聯網、客運與場域業者打造完整的自動駕駛生態系。

以台積電南科園區的自駕巴士服務為例，由於路線涵蓋園區內外道路，自駕車不僅要與物流車、叉車及一般車流共存，離開園區後更須面對台灣特有的高密度機車交通環境，對 AI 的感知與決策能力形成高度挑戰；截至今日，該服務已累積超過92,435人次搭乘、自駕行駛里程超過83,542公里，接駁率高達96.7%；此外，勤崴國際也於廠區內導入自駕接駁車與自駕載貨車，累積服務超過216,794人次，驗證自駕技術在智慧工廠場域的落地能力。

除了工業場域，勤崴也將自駕技術延伸至觀光應用，例如今（2026）年6月在南投埔里福興溫泉區推出「啡嚐咖心」觀光自駕車服務；林映帆指出，相較於工業場域重視效率，觀光應用更重視人車互動與乘車體驗，遊客只需一鍵即可啟動自駕接駁，系統除了安全辨識行人與周遭環境，也能透過語音互動提升搭乘安心感，證明自駕車不僅適用於產業應用，更可成為偏鄉觀光與高齡化社會的新一代公共運輸解決方案。

接下來，勤崴國際將憑藉著在南部科學園區、南投與新北市的落地運行經驗，攜手產業夥伴、針對未來對自駕公車有需求的城市，協助客運業者解決公車缺工等議題。

林映帆說：「我們的目標是提供自駕全方位解決方案。」在累積物流、廠區接駁、觀光、無塵室搬運等多元場域經驗後，勤崴逐步發展出「一個平台、多種載具、多種場域」策略：將共通技術平台模組化，再依不同客戶需求進行客製化調整，讓每新增一個場域，都成為下一個場域快速且安全部署的重要養分。

勤崴國際副總經理林映帆表示，將以「一個平台、多種載具、多種場域」策略，攜手自駕車產業鏈夥伴，協助AI自駕車等智慧移動落地應用，以及打造「國家隊」前進海外市場。

圖／數位時代

隨著Physical AI的成熟與落地，未來智慧移動的競爭，不再只是比誰擁有更大的模型，而是比誰能持續累積場域、建立完整資料庫，以及串聯完整生態系；在這個關鍵時刻，勤崴國際除因應不同場域客戶需求提供自駕車解方，也希望攜手更多產業夥伴，共同打造具有國際競爭力的智慧移動國家隊，讓台灣在全球自駕與 Physical AI 的新賽局中，占有一席關鍵位置。