VIP 專屬文章 劉峻誠觀點：當蘋果、Google開始擁抱NPU路線

過去三年，全球AI產業幾乎都圍繞著同一個問題：誰擁有最大的模型？誰建造了最多的GPU叢集？誰投入了最多的資本興建超大型資料中心？

從參數規模、訓練算力到基礎建設，AI似乎一直是一場「愈大愈好」的競賽。然而，如果仔細觀察近半年全球AI市場的變化，會發現真正改變產業方向的，不再只是模型能力，而是一個更務實的問題：

誰能用最低的成本，完成最多的AI推論（Inference）？

這個問題，看似只是成本控制，卻可能決定下一個十年的AI產業格局。

生成式AI剛問世時，人們驚豔於大型模型帶來的創造力與推理能力。市場追逐的是模型排行榜，是誰又突破了新的Benchmark，是誰又推出了更大的參數規模。但真正進入企業後，管理者看到的卻是另一張報表。那不是模型分數，而是每個月愈來愈高的AI帳單。

當數萬名員工每天利用AI撰寫Email、整理文件、查詢知識、製作簡報、客服回覆，甚至只是完成例行性的行政工作時，每一次Token的消耗，都直接反映在企業營運成本上。

AI第一次從技術議題，變成財務議題。企業開始發現，真正昂貴的，不是導入AI，而是每天持續發生的推論成本（Inference Cost）。於是，一個新的產業趨勢開始形成。企業不再問：「哪一個模型最厲害？」而是開始問：「哪一個模型最適合我的成本？」

近幾個月，各種AI平台公布的模型使用數據，都透露出相同的訊號。真正快速成長的，不一定是能力最強、價格最高的封閉式模型，而是大量成本更低、部署更容易、開源程度更高的模型。這代表AI產業開始從「Model Competition（模型競賽）」，逐漸走向「Token Economics（Token經濟學）」。

企業開始精算每一個Token的成本，就像過去管理雲端資源、網路頻寬或電力成本一樣。因為企業真正追求的，不是最昂貴的智慧，而是投資報酬率最高的智慧（ROI of Intelligence）。

我們可以把AI工作大致分成兩類：

• 第一類，是策略規劃、複雜推理、研發創新、多步驟分析等高價值任務，這些工作仍需要最先進的大型模型。
• 第二類，則是大量重複性的日常工作，例如文件整理、客服回覆、設備巡檢、影像辨識、流程自動化、行政作業與知識搜尋。
（相關報導： 生成式AI落地台灣！微星、資策會雙強聯手「軟硬共構」方案曝光，醫療、物流全都能用 ｜ 更多文章 ）

這些工作占了企業AI使用的大部分比例，卻未必需要最昂貴的模型。沒有企業會租用一整座超級電腦，只是為了製作Excel報表。同樣地，也沒有企業希望每封Email、每一次客服問答，都使用最高成本的AI推論。因此，愈來愈多企業開始建立分級AI（Tiered AI）架構。複雜任務交給大型模型；標準化工作交給更高效率、更低成本的模型。AI開始像企業ERP一樣，被精細地配置，而不是一把尺走天下。

AI競爭的重心正在改變。AI真正的競爭，從模型走向推論，這代表AI競爭的重心正在改變。

• 第一階段，比的是誰能訓練出最大的模型。
• 第二階段，比的是誰能讓每一次推論更便宜。

未來真正重要的指標，不只是模型能力，而是：每一個Token的成本（Cost per Token），例如：

• 每瓦電力可完成多少推論（Inference per Watt）
• 每美元算力能創造多少商業價值（Business Value per Dollar）

換句話說，AI開始進入真正的經濟學時代。Cloud AI 不會消失，但 Edge AI 將快速崛起．很多人因此誤以為，大型資料中心的重要性將下降。事實正好相反。大型資料中心仍將持續扮演不可取代的角色。它們負責訓練世界級模型、提供高階推理能力、管理全球知識，以及支撐整個AI生態系。

未來AI將採用「Cloud + Edge」的混合架構。雲端負責創造智慧（Create Intelligence），邊緣裝置負責使用智慧（Consume Intelligence）。

就像今天沒有人會把手機上的每一次運算都送回資料中心一樣，未來數十億台AI裝置，也不可能每一次辨識、每一次決策，都依賴雲端完成。因為即時性、能源效率、網路頻寬、資料隱私，以及系統韌性，都要求AI必須更接近資料產生的地方。因此，我們將看到AI從Cloud Native，逐漸演變為Cloud-to-Edge Native。

這也是為什麼，我認為未來十年最重要的AI晶片，不只是GPU。

GPU改變了AI模型的訓練方式。NPU（Neural Processing Unit）則將改變AI推論的方式。兩者並不是競爭關係，而是AI生態系中不同的角色。GPU負責高效能運算，推動模型突破。NPU則專注於低功耗、低延遲、高效率推論，讓AI真正能部署到汽車、機器人、工廠、自主無人機、智慧攝影機、醫療設備以及各種終端裝置。

未來世界，不會只有幾百座超大型資料中心。真正改變世界的，是數十億台具有AI能力的智慧裝置。如果AI只能存在於雲端，它永遠無法真正走進人們的生活。只有當AI能夠在裝置端即時運算、即時決策、即時學習，它才真正成為基礎設施，而不是一項雲端服務。

AI的第一個十年，比的是誰能打造最大的模型。AI的第二個十年，比的是誰能把智慧以最低成本、最高效率部署到全世界。真正決定產業勝負的，不再只是模型參數，而是整體運算架構；不只是GPU的數量，而是整個Cloud-to-Edge生態系的協同效率；不只是資料中心的規模，而是每一瓦能源、每一個Token、每一次推論所創造的價值。

從大型模型，到開源模型；從集中式運算，到邊緣智慧；從追求極限性能，到追求最佳成本效益，AI產業正從一場技術競賽，邁向一場關於效率、商業化與普及化的革命。

下一個十年的贏家，不一定是擁有最大模型的人，而是能夠讓全球數十億台裝置，以最低的成本、安全可靠地使用AI的人。而當AI真正像電力、網路一樣成為無所不在的基礎設施時，Edge AI與NPU，也將不再只是半導體的新名詞，而是推動下一波全球數位經濟成長的核心引擎。 （相關報導： 生成式AI落地台灣！微星、資策會雙強聯手「軟硬共構」方案曝光，醫療、物流全都能用 ｜ 更多文章 ）

＊作者為Kneron耐能智慧創辦人暨CEO、鑫友會前瞻政策顧問。本文由鑫友會提供，授權刋載。