超微 (AMD-US) 执行长苏姿丰 (Lisa Su) 今 (22) 日表示，AI 发展正从早期以训练大型语言模型为主，逐步转向推论与更高阶的代理式 AI (agentic AI) 应用，也是真正能获得报酬的地方，将带动 CPU、GPU、ASIC 与边缘运算等各类运算需求同步成长，并强调正积极与合作伙伴快速扩大 CPU 的产能供给，以满足市场需求。

苏姿丰表示，两、三年前 AI 浪潮刚开始时，主要是少数大型企业投入大量资金与资源进行 AI 训练，包括训练 ChatGPT、Claude、Gemini 及中国大型语言模型等，这些模型都需要庞大运算能力。不过她指出，训练虽然必要，但真正产生投资报酬的地方在于推论与代理式 AI。

她进一步指出，AI 推论并不只是回答天气等简单问题，真正的力量在于 AI 开始能解决复杂问题，并协助企业改变产品开发、公司营运与科学探索的方式，并看好这一轮技术周期与过去不同，过去技术变化通常需要数年，但现在每隔几个月技术、能力与模型表现就会明显不同，这也是推动 AI 需求快速成长的原因。

针对 GPU 与 CPU 需求比例，苏姿丰表示，市场过去几年高度关注 GPU 成长，但若要实现「AI 无所不在」，就需要各种不同运算能力，现在已开始看到 CPU 成长，也看到部分 ASIC 成长。她指出，变化发生速度相当快，尤其代理式 AI 应用正在增加。

她也指出，AMD 最期待的应用之一，是利用 AI 加速晶片设计。目前一颗先进晶片从开始到完成可能需要两至三年，若能将时间缩短一半，就能推出更多产品，满足市场更多需求。

对于 AI 供应链瓶颈，苏姿丰表示，目前几乎各环节都可见瓶颈，但也正在被快速解决。她指出，半导体供应链具备高度积极与解决问题的能力，一旦发现瓶颈，就会找出方法处理。以记忆体为例，目前确实有短缺情况，但也有方式解决；CPU 方面，AMD 也正在大幅提升产能，并要求所有合作伙伴共同协助。

苏姿丰也提到，除了记忆体与 CPU 之外，电力同样是重要瓶颈，因为各地建置资料中心与相关运算能力都需要电力支撑。她认为，当前问题并非单一瓶颈，而是产业未完全预期需求会上升得如此快速，因此整个生态系都在努力追赶需求。

谈到 AI PC 发展，苏姿丰表示，她对 AI PC 非常乐观。新技术一开始通常需要时间，早期 AI PC 较难看见真正应用，多数仍偏向专家使用。不过她指出，AI PC 的重要性在于，使用者既需要 AI，也重视隐私，不希望个人资讯被送到云端，同时也希望 AI 能在本地端运作，降低对云端连线与成本的依赖。

除 AI PC 外，苏姿丰认为，下一个重要浪潮将是 Physical AI，包括机器人，以及在边缘端运用 AI 能力的各类应用，涵盖工业、制造与其他本地环境。

针对企业与社会如何因应 AI 普及，苏姿丰表示，企业不应只从低层次角度看 AI，例如担心 AI 取代工作，或单纯把 AI 视为节省成本工具。她认为，AI 更重要的意义在于让企业以截然不同的方式做事，因此企业必须重新训练员工。

她指出，AMD 已在内部教育每一位员工如何使用 AI 工具，并改变产品开发、销售与行销方式。AMD 过去 18 个月持续推动相关工作，尤其过去 12 个月更加积极，建立正式训练与教育计划。课程依不同职能设计，包括基础课程、工程师课程，以及销售与行销所需的工具训练。

不过苏姿丰也提醒，AI 并非总是正确，很多时候仍可能出错，因此企业必须建立适当检查机制，因为最终公司仍须对自己发布的资讯负责。

谈到 AI 硬体产业发展，苏姿丰表示，她非常相信开放生态系，因为没有任何一家公司拥有所有最好的想法，也没有单一产品能适用所有情境。开放生态系代表硬体可以依不同应用采用不同方案，同时也需要正确的软体能力与标准支撑。

• 〈苏姿丰演讲〉反驳 AI 泡沫 苏姿丰：现在才第 3 局 后面还有大量创新与机会
• 〈苏姿丰演讲〉苏姿丰：不预期最先进晶片可销往中国 会聚焦 AI PC 与边缘 AI
• 〈苏姿丰演讲〉苏姿丰：AI 推论才真正赚到钱 携手供应链快速扩充 CPU 产能
• 〈苏姿丰演讲〉苏姿丰：半导体与 AI 进入高速成长期 台湾是技术落地的中心