AMD如何挑戰NVIDIA？蘇姿丰揭AI基礎設施下一戰：CPU、ASIC與推論成本效益成勝負關鍵 | 魏鑫陽

當全球AI基礎設施市場長期由NVIDIA掌握主導權，AMD要如何挑戰這座高牆？蘇姿丰今（22）日給出的答案，不是只靠GPU硬碰硬，而是押注AI運算架構正從訓練走向推論，下一場競爭將不只看GPU，也要看CPU、ASIC，以及每一美元能產出多少Token的成本效益。她預估，光是資料中心AI基礎設施市場，未來三、四年規模就將超過1兆美元。

AMD如何挑戰NVIDIA？對此，蘇姿丰表示，AI基礎設施市場成長速度極快，在這樣的市場中，產業需要不同類型解決方案，包括CPU、GPU、ASIC與其他技術。她強調，這正是AMD的優勢，因為AMD同時具備這些關鍵元件。

過去兩年，AI市場的焦點幾乎全放在GPU，因為大型語言模型訓練需要大量平行運算能力。但蘇姿丰指出，AI真正產生投資回報的地方不是訓練，而是使用者實際使用技術，也就是推論。她直言：「訓練是必要的，但那不是你看到投資回報的地方。」

隨著AI進入推論與代理式AI（Agentic AI）階段，CPU的重要性正在快速升高。蘇姿丰指出，6個月或12個月前，幾乎沒有人談CPU短缺，但隨著推論需求升高，CPU已重新站到AI基礎設施的核心位置，而這正是AMD非常強的領域。

她也透露，目前整體CPU市場需求已明顯高於一年前的預期，市場供給相當吃緊。AMD正快速拉升產能，今年每一季都會持續增加供應，並規畫在2027年與之後提供更多產能，因為這波CPU需求成長才剛開始。

蘇姿丰進一步表示，過去3、4年CPU市場成長幅度不大，年增率大約只有3%至4%，市場焦點幾乎都在GPU；但自去年底以來，推論與代理式AI開始升溫，CPU市場成長動能明顯加速。她預期，未來5年CPU市場年成長率可望超過35%。

在AI推論成本方面，蘇姿丰點出一個關鍵指標：「tokens per dollar」。也就是在同樣成本下，能產生多少Token。她表示，AMD的GPU路線圖本來就針對推論最佳化，尤其聚焦記憶體與記憶體頻寬等關鍵能力，這也是OpenAI、Meta等大型客戶採用AMD技術的重要原因。

至於ASIC崛起是否會成為AMD競爭壓力，蘇姿丰的態度相當務實。她認為，ASIC可以在特定場景中降低成本，因此是很好的技術選項；但從AMD角度來看，核心哲學是「對的應用使用對的晶片」。有時需要GPU，有時需要CPU，有時也需要ASIC，而AMD的技術組合能支援不同需求。

她也補充，ASIC對AMD整體而言是正向因素，因為AI需求非常龐大，市場有足夠空間讓不同技術路線成功。這也意味著，AMD與NVIDIA的競爭，不會只是GPU單點規格之爭，而是誰能在推論成本、系統架構與開放生態系中，提供更完整的解方。

除了資料中心，蘇姿丰也將下一波AI浪潮指向「實體AI」（Physical AI）。她表示，機器人與邊緣基礎設施需要的不只是運算能力，也需要即時運算能力，且對延遲非常敏感。AMD過去收購Xilinx後取得FPGA與自適應運算能力，嵌入式系統已應用在醫療、汽車、航太與國防等場域，如今正把CPU與AI引擎結合到即時運算能力中，以滿足實體AI應用需求。

從蘇姿丰的說法來看，AMD對AI基礎設施的攻勢，並非只是在NVIDIA既有GPU戰場追趕，而是押注AI應用型態正在改變。當市場從訓練走向推論，從單一模型走向多代理協作，CPU、ASIC、記憶體頻寬與整體系統效率，都將成為下一階段勝負關鍵。