|
過去十年，GPU 幾乎是算力的代名詞。但隨著大型語言模型（LLM） 開始進入企業應用，大家發現： GPU 雖強，卻不是唯一決定因素。
CPU：負責任務排程與資料轉換，如果速度不足，GPU 容易閒置。
RAM：CPU 使用的主記憶體，容量與頻寬會影響資料能否快速送進 GPU。例如 Grace Hopper 搭配了 480GB 系統記憶體，就是為了支撐大模型的需求。
VRAM：GPU 專屬的高速記憶體。若容量不足，就必須切割模型反覆搬運，效能明顯下降。H100 GPU 提供 80GB HBM3，新一代 Blackwell GPU 則提升到 192GB HBM3e。 因此，LLM 部署的挑戰已經從「顯卡有多強」轉為 CPU × RAM × VRAM 是否能協同。
NVLink：CPU 與 GPU 的潛在橋樑 外界推測，這次 Intel × NVIDIA 的合作，關鍵可能落在互連技術。 傳統的 NVLink，主要用於 GPU 與 GPU（或其他加速器）之間的高速互聯。而針對 CPU 與 GPU 的連結，NVIDIA 在 Computex 推出了 NVLink C2C（Chip-to-Chip），目的就是加速 CPU 與 GPU 之間的資料傳輸，並可能讓 CPU 主記憶體（如 DDR5）與 GPU 的 VRAM（HBM）在邏輯上形成更大的共享記憶體池。 若 Intel 的 CPU 能導入 NVLink C2C，將有機會讓 NVIDIA 的 x86 平台效能更接近 Grace Hopper（Arm CPU）那樣的緊密整合。不過，目前 NVLink 與另一個重要協定 CXL 屬於不同技術路線，尚未統一。因此，合作雖具可能性，但實際落地還需要時間觀察。 GB10 與 Arm 路線仍是現階段主力 可以確定的是，NVIDIA 目前的主力產品線仍然以 Arm 架構 CPU 為核心。近期準備上市的 GB10（Grace Blackwell 超級系統，GH200 的後繼），就是專門針對大規模 LLM 訓練與推理。 這也意味著，Intel 的角色較可能是「補上 x86 市場需求」，而不是在短期內取代 NVIDIA 既有的 Arm 方案。 專家觀點 過去就這兩大陣營合作的生態圈中，未來巢科技 Futurenest 董事長許旭安 提醒：「很多公司以為導入 LLM 就是多買幾張 GPU，但真正的挑戰常常來自 CPU 的調度速度、RAM 的頻寬，以及 VRAM 的大小。如果三者沒有搭配好，算力紅利就會被稀釋。」 他指出，當三者能協同設計並對齊時，不僅速度會提升，也能降低能耗、提升穩定性，並讓企業在總成本上得到回報。 產業格局的可能變化 業界觀察認為，Intel 若能與 NVIDIA 在 NVLink C2C 上展開合作，可能幫助 NVIDIA 在 x86 平台上減少對 AMD 的依賴。這或許會對 AMD 的 MI300（整合 CPU+GPU 架構）造成一定壓力。不過，目前仍是推測，真正的市場效果要看產品能否量產並被大規模採用。 對 Intel 來說，付出授權費與權利金的同時，有望藉此保住自己在 AI 伺服器市場的地位，避免在未來算力生態中被邊緣化。 對企業的提醒 對正在考慮導入 LLM 的企業而言，這件事的啟示在於：不要只看 GPU 規格，而要評估整體架構是否協同。CPU、RAM、VRAM 的搭配，將直接決定投資是否能換來實際效能與成本效益。 NVIDIA 入股 Intel 並不代表產品立即改變，而更像是市場的一個趨勢訊號：未來的競爭重點，不是單點效能，而是全局優化。 - 新聞稿有效日期，至2025/10/26為止
聯絡人 ：林慧明
聯絡電話：0277137827
電子郵件：vincentlin.futurenest@gmail.com
 上一篇：戴爾科技首款入耳式耳機產品登場：先進音訊技術 協作輕鬆無阻
 下一篇：大洋集團未來或通過供股集資 用於發展AI數字人
|
