蘇姿丰：AI現在才打到第三局！這波需求將一路旺到2029年！

第二，AMD將和台灣供應鏈共同投資超過 100 億美元，擴充先進封裝、載板、測試與機櫃級整合產能。蘇姿丰說，「目的是確保產能從 2026 年開始大幅提升，並一路延續到 2027、2028、2029 年。這類投資的前置時間非常長，需要提前取得土地、廠房以及製造能力。」（看更多：蘇姿丰來台送兩大禮！一張圖表看懂，AMD台灣供應鏈大投資）

由於建廠投資要考慮新廠落成後，還有沒有足夠的生意填滿產能。她這一段話另一層意思是，不只現在產能嚴重不足，需求會一路旺到2029年之後，而且台灣會是AMD擴張產能時，要緊緊抓住的夥伴。

驅動力：AI開始解決複雜問題

大投資背後，她認為AI的大需求「現在」才開始出現。

「兩三年前，AI 熱潮剛開始時，主要是少數大公司在投入大量資金訓練大型語言模型。但事實上，沒有人真正靠『訓練AI模型』賺錢。」她解釋，「真正產生投資回報的，是『推論』（inference）——也就是人們實際使用 AI。」

廣告

她看到AI在過去幾年，大公司競相訓練模型的競賽後，現在才開始進入推論階段，意思是，把過去幾年花大錢訓練出來的AI模型，實際用來解決生活中的問題，創造商業價值；「現在大家可能只是用AI問天氣、問簡單問題。」她解釋，「AI 正進入一個新時代：它開始能處理真正複雜的問題。AI 將能幫助企業重新打造產品、改變公司運作方式，甚至推動科學發現。」

就連AMD營運方式也因AI改變，她說，「最令人興奮的是利用 AI 加速晶片設計，過去開發一顆高階晶片可能需要兩到三年，如果 AI 能將時間縮短一半，就代表我們能回應市場需求。」

「我認為 AI 是過去 50 年最重要的技術革命。和手機、雲端不同，AI 是第一個幾乎所有人、所有產業都能受益的技術。」她說，「當我說『AI Everywhere』，意思是未來三到十年，AI 會進入每個人、每家公司與每個產業的日常工作，讓所有事情變得更有效率。」

廣告

她認為，對企業來說，真正重要的問題，不是 AI 會不會取代人們的工作，而是AI能不能讓人們用全新的方式工作，因此，企業必須重新訓練員工。AMD 已開始教育所有員工如何使用 AI 工具，並將 AI 導入產品開發、行銷與銷售流程，不同部門的有不同的工具訓練課程。「我們都還在學習，如何真正利用 AI 提升生產力。而這一切變化的速度非常快。過去技術演進以『年』計算，現在幾乎每幾個月就會出現巨大變化。」

CPU復興：CPU將以每年35%速度成長

從半導體的角度看，過去，在AI模型訓練階段，GPU因為長於平行運算，被大量應用在AI模型訓練上。但當AI進入推論階段，最重要的指標就是「每美元能產生多少 token」，CPU的需求因此大增。

廣告

以今年大紅的OpenClaw為例，這個系統使用的代理人AI，能調用不同的模型完成任務，就需要大量CPU算力來分配GPU等系統資源完成任務，CPU的工作就像是AI時代的交通警察，重要性因此大幅增加。在模型訓練時，由於著重平行運算，八個GPU搭配一顆CPU即可完成訓練工作，但在AI推論時代，要執行複雜的代理式AI（Agentic AI），就需要一顆GPU搭配一顆CPU來完成任務，CPU需求因此爆增。

「如果回顧過去三、四年，CPU 市場其實成長不大，大概只有 3% 到 4%，所有焦點都放在 GPU上。」蘇姿丰說，但情況現在已經改變，「未來五年，我們預估 CPU 市場每年會成長超過 35%。」

AMD還為了AI的需求，開發出雲端用、代理式AI用，超高回應速度用等不同需求用的CPU產品。「我認為這才是取勝之道：不是只有一種設計，而是一整個產品組合。」

異質整合：將整個系統放進一顆晶片

蘇姿丰初掌AMD時，這家公司當時風雨飄搖。她回顧，當年做了兩個重要賭注。第一，是押注台積電；第二，則是押注Chiplet 架構。

廣告

Chiplet是「小晶片」的意思，相較於過去一次製造一整顆晶片的設計，Chiplet的設計概念就像預鑄式建築，可以把廚房、客廳各自在工廠製造，再運到工地現場，組合成一棟完整的房子，這種技術被稱為異質整合，能把各種屬性不同的晶粒放進同一顆IC裡運作。對半導體產業來說，這是非常困難的技術，要在極為微小的空間裡，確保每一條線路都能正確無誤的接上並運作，「老實說，當年我念博士時，根本不相信這種技術能成功，」她說，「但最後不只是 AMD，而是整個產業生態系一起讓它成真。」

但Chiplet技術成功，讓AMD開啟了全新的機會，AMD因此可以在同一顆處理器中，靠連接多顆運算核心單元來增加算力，效能大增後，市佔率快速成長。現在，蘇姿丰看到的未來，是透過Chiplet技術進行更複雜的整合，「未來產業競爭的重點將不再只是『晶片』，而是『系統』，關鍵在於如何整合運算、網路與光學等能力，讓單一系統承載更多功能。」，換句話說，以前設計晶片時，晶片只負責整個系統任務的一小塊，但現在，一顆晶片就可以完成整個系統的工作，晶片設計的複雜度將大幅提高。

下一波浪潮：物理AI與邊緣AI

面對未來，蘇姿丰看好物理AI和邊緣AI的發展。

物理AI指的是，在真實世界裡，讓AI指揮機器人等不同裝置，在真實世界裡執行工業製造等任務的場景應用，這種AI應用對反應速度的要求極高，因此需要將運算單元放在執行任務的場景附近，AMD 正進一步整合FPGA、 CPU、AI 引擎與即時運算能力，以滿足物理 AI 需求。

另一方面，蘇姿丰也看好 AI PC 前景。她表示，早期 AI PC 的應用仍侷限於技術專家，但隨著使用者對 AI 與隱私需求同步提升，AI PC 的重要性正快速增加。她認為，未來不論是開發者、個人用戶，或企業本地部署需求，AI PC 都將成為重要成長動能，並預期市場將迎來顯著雙位數成長。

瓶頸：電力和記憶體短缺

但是，AI晶片的需求也並非毫無阻礙，論壇中，她也坦言，記憶體短缺，會影響CPU產能提昇的速度，供電瓶頸，也會限制新資料中心和AI基礎建設的投資。

「瓶頸很多，到處都是」蘇姿丰說，有這麼多瓶頸，是因為「我們當初沒有預期需求會成長得這麼快。」半導體供應鏈最大的優勢是，「一旦看到瓶頸，就會非常快速地解決」她說。以記憶體為例，在目前供應緊缺的高頻寬記憶體（HBM），AMD和三大記憶體廠合作，規劃 2026、2027、2028 年以及未來各種 HBM 版本的需求。

過去以為只要想買就有的DRAM記憶體，蘇姿丰也坦言，「以前大家覺得它理所當然會有，但現在情況不同」，AMD因此規劃HBM跟DRAM的配對組合數量（match sets），盤點狀況，確保未來所有 HBM 都有足夠的 DDR5 可供搭配。

蘇姿丰的看法，正代表當前產業領袖的心聲，他們真正耽心的問題，AI推論讓半導體需求再次爆發，手上卻沒有足夠的產能。

現在，我們正站在AI算力需求的新拐點，拐點之後，AI運算對算力的需求會以更快的速度增加，這也是為什麼，蘇姿丰此時宣布對台投資百億美元。她，不會是唯一看好這趨勢的產業領袖，十天後，台北國際電腦展即將展開，AI推論和代理式AI掀起的新浪潮，將是這次的重要議題。