當AI成為基礎建設，晶片設計如何重塑全局？
撰文 / 編輯部
在AI成為新一代生產力的引擎時，AI晶片也從支援角色走向舞台中心。英國晶片架構大廠Arm最新發布報告《晶片新思維：奠定AI時代新基礎》，預告了一場關於晶片設計與運算架構的深度重構。在這場變革浪潮中，AI工作負載從傳統推論邁向更複雜的進階代理系統，要求晶片效能、架構設計與能源效率的三者必須同步進化。
架構革命的開端：AI加速器無法單打獨鬥
Arm應用工程總監徐達勇指出，大型語言模型（LLMs）、進階推論代理（Agents）等應用正快速擴張，AI推論從單一裝置，走向異質系統合作。無論是Google的TPU、Microsoft的Maia、或AWS的Tranium與Inferentia，這些專屬加速器都仍需仰賴高效能且可客製的主處理器（host CPU）合作，才可能真正實現商業應用落地。
但挑戰隨之而來：各家AI硬體平台缺乏標準化接口，使開發者必須為不同平台重複優化AI模型，甚至可能因平台瓶頸而限制AI效能。
Arm觀察，AI晶片設計已從過去單點效能競賽，進化為整體運算架構的協同設計。
AI晶片設計五大新準則
Arm報告進一步點出未來晶片設計的五大趨勢，這些不僅是技術演進的方向，也將成為判斷AI晶片競爭力的新標尺：
- 生態系合作深化：IP供應商、晶圓代工、封裝廠、系統整合商必須共同設計架構，才能應對AI異質運算需求。
- 系統導向設計：晶片設計將不再只關注單一模組，而需從記憶體、供電到散熱的整體最佳化。
- 標準化推進：打造模組化小晶片（chiplet）生態，需要共通的供電與熱管理標準。
- 能源效率優先：AI時代，電力成為成本與永續競爭的關鍵變數，能源感知設計將滲透每一晶片節點。
- 工作負載專業化：面對日益複雜的AI應用，將驅動更多針對用途定制的架構出現。
從摩爾定律走向架構選擇的時代
隨著製程技術逐漸逼近物理極限，傳統摩爾定律正退居幕後。Arm指出，下一階段的創新將來自於「架構與能效的選擇」，包括異質計算架構、AI導向的資料流處理方式，以及以代理為主體的AI模型驅動思維，皆需要晶片架構邁向全新高度。
特別是企業部署的AI代理（Agents），將不再只是單次推論，而是需要持續監控、判斷與反應。這背後仰賴的是一個更加靈活且高效的主處理器設計。Arm強調其CPU架構的優勢在於可擴展性、能源效率與現代化資料處理能力，這使其在邊緣AI與雲端AI混合運算場景中，成為不可或缺的基礎。
Tx3觀點：AI晶片產業的下半場，由誰主導？
從Google自研TPU、到NVIDIA的Hopper與Blackwell架構，再到Arm重新定義CPU角色，晶片設計已全面轉向AI主導的新思維。Arm報告背後反映的是一個更深層的訊號：下一個科技世代的關鍵，不只是效能，而是整合、標準與永續的共演。
晶片設計，不再只是工程師的專利，而將成為產業競爭策略的一環。誰能在這場「AI晶片新秩序」中定義規則，誰就有可能成為下個十年的基礎建設主導者。
參考來源：https://www.arm.com/zh-TW/company/news/2025/03/silicon-reimagined-report
