GPU（繪圖處理器）是AI時代下最被看好的應用，然而並非所有的場景都需要用到GPU。在價格、成本和性能的考量下，各行各業中較簡易的AI運用，CPU（中央處理器）仍扮演一定角色。英特爾（Intel）業務暨營銷業務群商用業務總監鄭智成認為：「這會是CPU很好瞄準的市場。」
GPU和CPU最大的不同之處在於，兩者處理計算的方式不同。可以想像，GPU內的資料處理，是同時並進運行；CPU的處理方式則是按照順序進行，兩者之間沒有優劣之分，而是當初開發的目的不同，所產生的最終結果。
今年一月，英特爾推出針對高速運算（HPC）、AI等應用的第四代伺服器CPU「Xeon」。當時Moor Insights & Strategy分析師Matt Kimball就在《Forbes》上評論表示，英特爾已經找到未來的布局方向。依當前情況來看，有兩大重點。
首先，以近期當紅的Chat GPT來說，知名半導體博客Semi Analysis分析師Dylan Patel估算，OpenAI需要約28,936個GPU來為Chat GPT提供服務，估計每次查詢的成本為0.36美元，價格高昂。「但真實的企業，不會用到像Chat GPT那麼多顆的CPU，」鄭智成表示，Xeon瞄準的是為企業所用、但不需用到強大算力的數據中心。
他進一步解釋，對不少企業來說，接下來的AI應用會以特定領域的垂直應用為主，而非大量的算法。舉例來說，以聊天機器人而言，部分企業需求僅停留在能夠回答顧客問題，併兼具資訊安全功能即可，在這樣的情況下，Xeon無論是在省電、成本和表現上，將會是較適合的選擇。
Kimball也分析，處理器是否能有效率的負載龐大的工作量，同時兼具安全性，是IT工程師最在乎的，「主打高端產品會讓人覺得印象深刻，但實際性能就不一定。」換句話說，企業往後要使用的，不見得要是最頂尖的處理器，但必須是符合當下情況最好用的。
這也能看出，英特爾在未來AI處理器的布局上，選擇了不同的戰場，加強對中、小企業的布局，與英偉達這樣的GPU大廠，做出差異選擇。
其次，則是Xeon這顆CPU，開始具備了訓練AI模型的功能。
實際上，過去前三代的Xeon僅僅具備推論（inference）的功能，也就是運用已經訓練好的AI模型進行運算，並產生最終答案的過程，其中並不涉及到初期餵入大量資料，進行模型建制的過程。
然而到了第四代的Xeon，開始具備模型訓練的功能。鄭智成表示，不是所有的AI模型生成都如此龐大，諸如CRM（客戶關係管理）、資料庫運行等基本運用，或許只需要一天、甚至半天的訓練時間，「更適合用CPU來處理就好。」
這意味著，諸如基因測序模型、氣象模擬等大型應用之外，CPU能在其中處理中、小型的模型訓練運算，預期可拓展英特爾在AI應用方面的市場，「不是說所有工作都要轉移到CPU，若資料量很大，企業也會採用ASIC（定製化晶片）、GPU等，目的不同。」
目前，採用Xeon做AI的案例不少，如西門子（Siemens）便採用該產品做圖片識別。另外，諸如AWS、Cisco（思科）、Dell（戴爾）、Google等，都是英特爾的Xeon客戶；而包含英業達、華碩、緯創、仁寶、和碩、宏碁和廣達等台灣企業，也都已經採用。
除此之外，英特爾也已推出單一平台，讓更多的AI開發者能夠有足夠工具來開發，實現AI民主化。並會持續融合AI功能於CPU其中，「我們是全世界唯一可以做到這點的製造商。」鄭智成說。
而對於將來Xeon的代工策略，鄭智成則表示，第五代的Xeon將持續採用Intel7，預計在2024年，新一代的Xeon處理器Granite Rapids和Sierra Forest，才會採用Intel3製程。
本文轉載：數字時代
