近年來，隨著生成式人工智慧（AI）技術的快速發展，晶片業掀起一股熱潮。不過，AMD執行長蘇姿丰卻建議業界，應該放慢腳步，專注於提升晶片的效能和能源效率，而非一味追求AI模型的規模與複雜度，GPU也不見得會一直霸佔AI晶片的主秀場。
《華爾街日報》指出，目前主導AI運算的是以輝達（Nvidia）為首的GPU晶片，這些晶片最初是為了處理遊戲圖形而設計，但後來因其並行運算能力強大，成為訓練和運行大型AI模型的首選。Nvidia的市值甚至突破1兆美元大關。
不過，AMD董事長兼執行長蘇姿丰認為，隨著AI模型設計趨於標準化，未來將有機會開發出更加專門化、節能且體積更小的訂製晶片。這些晶片雖然在可程式化和靈活性上可能略遜於GPU，但在效能和效率方面卻有顯著優勢。蘇姿丰說：「目前GPU是大型語言模型的首選架構，因為它們在並行處理上非常出色，但在可程式化上卻有所不足」、「但5年後，情況就可能發生變化。」
蘇姿丰預估，未來5到7年GPU仍將是主導地位，但也會出現新的晶片架構崛起。至於未來的AI模型可能會使用不同類型晶片的組合，包括GPU和更專門化的晶片，以滿足各種功能需求。蘇姿丰說：「還會有其他架構出現，這將取決於模型的發展方向。」
AI晶片仍是兵家必爭
事實上，科技大廠如亞馬遜和Google早已開發出自家的訂製AI晶片，如亞馬遜的AWS Trainium和AWS Inferentia，以及Google的張量處理單元（TPU）。這些晶片專門用於特定功能，如訓練模型或進行推理，在能源效率和成本方面都有優勢。
博通公司的執行長陳福陽也透露，該公司的訂製晶片部門季度營業利潤已超過10億美元，主要是協助Google生產AI晶片。
國際數據公司（IDC）的半導體研究副總裁Shane Rau表示，訂製晶片在節能和成本方面確實有很大優勢，體積也更小，因為它們可以針對特定功能或模型進行硬連接設計。
不過，Rau也指出，目前商業化銷售這類超級訂製晶片的市場仍不成熟，這反映出AI模型創新的步伐實在太快，晶片業難以跟上。
Gartner公司的副總裁分析師Chirag Dekate則提到，高度訂製的晶片也存在靈活性和互操作性不足的問題，很難與其他晶片協同工作。《華爾街日報》指出，許多晶片產品都呈現出某種中間狀態，一些GPU可以進行更多訂製：既有一定的可程式化，又能針對特定需求進行優化。這或許是晶片廠商在生成式AI進一步標準化之前的一個機會。
