i卡會員

隨著生成式AI模型(如大型語言模型，LLM)與深度學習應用日益普及，AI資料中心已成為支撐智慧運算發展的核心基礎設施。AI資料中心需處理大模型的訓練與推理運算，對算力與運算效率的需求持續攀升；目前AI資料中心依賴各種類型的晶片例如GPU(圖形處理器)、CPU(中央處理器)、FPGA(現場可程式化邏輯閘陣列)、ASIC(特定應用積體電路)或其他專用AI加速器等來支持高效能運算需求；儘管使用於資料中心的晶片方案陸續出現，GPU憑藉其高度通用性、卓越的平行運算效能與成熟的生態系統支援，仍為AI資料中心首選架構。

本文將探討AI資料中心GPU在支援AI模型訓練與推論方面的技術優勢，並分析NVIDIA、AMD、Intel、Cisco等業者的解決方案與市場策略，藉此掌握產業發展趨勢與競爭態勢。

【內容大綱】

• 一、AI資料中心GPU市場概況
• 二、GPU採用Chiplet技術整合，提升性能
• 三、GPU市場主要廠商現況
  • (一)NVIDIA輝達：壟斷性市占與技術領先的雙重優勢
  • (二)AMD超微：策略聚焦高記憶體頻寬與模組化設計
  • (三)Intel英特爾：採取分段市場策略，強化GPU產品布局
  • (四)Cisco思科：以整合式GPU伺服器平台，支援大規模AI部署
• 四、未來發展方向
• IEKView

【圖表大綱】

• 圖一、NVIDIA以Blackwell Ultra GPU加速AI運算平台效能
• 圖二、Cisco具高度彈性的UCS C885A M8 Rack Server架構
• 表一、各廠商GPU產品年度進程藍圖