超微（AMD）宣佈以82億美元收購由知名學者李飛飛創辦的 World Labs，將人工智慧（AI）技術布局從虛擬軟體互動進一步延伸至真實空間與實體運作。同時，超微亦發表針對代理式人工智慧（Agentic AI）與地端推論市場的新款硬體產品，包含採用台積電2奈米製程的伺服器晶片與氣冷擴充方案。
布局實體AI與代理式應用 算力需求轉向推論端
隨著技術轉型，企業運用生成式 AI 的方式正在從單純的聊天機器人（Chatbot）對話，過渡至具備自主決策與任務執行能力的代理式 AI 以及結合物理特性的實體 AI（Physical AI）。運算需求重心將從早期的大型模型訓練，大規模轉移至日常部署與應用的推論階段。
在代理式 AI 運作架構中，系統需要同時進行複雜的任務排程、資料快速搬移以及多重沙盒安全控管，這使得中央處理器（CPU）成為整體運作的核心控制節點。處理器需具備極高的多執行緒表現與記憶體頻寬，方能因應運算量。產業分析顯示，一般代理系統運作時產生的推論算力需求，是傳統對話式 AI 的5倍至30倍，若是專注於自動化撰寫程式的程式碼代理（Coding Agent），其算力需求更將成長達1000倍。
聯手台積電與氣冷架構 推出第六代 EPYC 與 MI350P 晶片
為滿足推論市場成長與極速回應的需求，超微發表第六代 EPYC 伺服器處理器（代號 Venice），採用台積電2奈米先進製程，最高可搭載256個核心，強化多核心運算與控制效能。此外，針對眾多企業資料中心無法迅速升級為液冷散熱的硬體限制，超微亦推出了適用於氣冷伺服器環境的 MI350P PCIe 擴充卡。
該擴充卡搭載 144GB 高頻寬記憶體（HBM），使企業無需變更現有設備即可彈性擴充地端推論能力，其生成文字代碼（Token）的效率達到同級產品的4.2倍。在電信網路與邊緣運算領域，超微則與愛立信（Ericsson）、諾基亞（Nokia）合作推動分散式網路架構，協助客戶降低伺服器部署數量、整體持有成本與電力消耗。後續產品線也規劃朝向光學封裝技術邁進。
這代表什麼
對於台灣企業與廣大中小企業主而言，這項技術發展顯示 AI 應用將從單純的「問答工具」走向「自動化工作夥伴」。然而，過去企業欲在內部部署高效能推論硬體時，往往面臨機房散熱設計與轉型液冷的鉅額成本障礙。氣冷規格擴充卡的推出，降低了企業地端導入 AI 代理工具的硬體門檻，企業能在不大規模修改基礎設施的情況下提升營運效率。
另一方面，推論需求的爆發帶動了從高階 CPU 到邊緣運算晶片的多元硬體需求。超微持續使用台積電2奈米製程，代表台灣半導體製造供應鏈在代理式 AI 與實體 AI 的硬體轉型浪潮中，仍居於關鍵支撐角色。隨著電信業與企業邁向邊緣運算，地端資料處理的需求將顯著成長。
背景補充
要理解本次技術演進，需釐清幾項關鍵概念與發展背景：
- 代理式人工智慧（Agentic AI）：相較於傳統對答式模型，代理系統能理解複雜目標，並自動拆解任務、選擇工具、執行步驟以達到成果，不再需要使用者逐步下達指令。
- 實體人工智慧（Physical AI）：指將 AI 演算法與物理世界連結的技術，包含機器人、自動駕駛或工業自動化。系統必須理解三維空間與物理法則，並做出即時反應。
- World Labs 與創辦人：World Labs 由史丹佛大學教授李飛飛創辦，專注於發展具備三維空間感知能力與物理模型的世界模型（World Models），讓系統具備空間理解與互動能力。
- 訓練與推論的差異：訓練（Training）是利用龐大資料塑造模型能力的過程，過去佔用大部分算力資源；推論（Inference）則是模型訓練完成後，實際接收輸入並輸出答案的過程。隨著企業落地應用普及，推論市場的規模成長已超越訓練需求。
常見問題
什麼是 Agentic AI？與一般聊天機器人有何不同？
Agentic AI（代理式人工智慧）具備自主決策與任務拆解能力，能主動調用工具完成目標，不像傳統聊天機器人僅能被動回答單一提問。
超微為何針對氣冷機房推出 MI350P 擴充卡？
多數企業既有機房無液冷設備且改建成本極高，氣冷規格的擴充卡可讓企業直接插在現有伺服器上，降低地端導入 AI 的門檻。
為什麼 Agentic AI 運作更依賴 CPU 的效能？
Agentic AI 運算過程包含複雜的任務排程、資料搬移與安全控管，這些操作極度依賴 CPU 的多執行緒處理效能與記憶體頻寬。