AI 工作實務 · TDR 新聞・AI 基礎設施
蘇姿丰將 AI 競爭帶向整座機櫃：AMD Helion 的布局，為何不只是一場 GPU 大戰？
AMD 於 10 月 12 日公布 Helion 代理式 AI 機櫃架構，並於 10 月 20 日與 Intel 宣布 PyTorch／oneDNN 合作。本文拆解 CPU、GPU 與軟體分工，區分已公布規格、供應計畫及尚待驗證的商業成效。
本文目錄
為什麼 AI Agent 會讓 CPU 重新受到重視？Helios 與 Helion，只差一個字母嗎？開放式架構能否改變 AI 基礎設施的選擇？台灣為什麼需要注意？看合作位置，而不是概念股名單從產品發表到企業採用，中間還有五道關卡原創整理：三個不同層次，不該混成一件事這則新聞真正值得追蹤的，是下一次能拿出什麼數據主要來源與原始出處事件日期：2026 年 10 月 12 日（美國），10 月 20 日有後續產業合作進展。
資料查核：2026 年 10 月 21 日，台灣時間。
編製：天地人文創｜TDR 新聞（AI 輔助整理）。
圖片註記：主視覺為原創 AI 輔助製作之概念插畫，非蘇姿丰本人照片、產品實拍或新聞現場影像。
如果把 AI 的競爭想成一場比誰擁有更快 GPU 的比賽，可能已經看不完整個市場。隨著 AI 從「回答問題」走向「執行任務」，一次看似簡單的要求，背後可能包含查詢資料、開啟工具、執行程式、呼叫不同模型，再把結果交還給使用者。真正需要管理的，不只有模型推論速度，還有整套系統的運算分工、網路傳輸、電力與維運成本。
這正是 AMD 董事長暨執行長蘇姿丰在 2026 年 10 月 12 日美國 Open Compute Project（OCP）全球高峰會所傳達的方向。AMD 當天公布名為 Helion 的代理式 AI 機櫃參考架構，讓合作夥伴可依需求配置大量 CPU，或將 CPU、GPU 與一般運算整合在同一座機櫃。根據 AMD 官方文件，純 CPU 的參考配置最高可支援 32,768 個 CPU 核心，合作夥伴開發中的配置預計自 11 月開始提供。這些數字與時間點，仍屬 AMD 公布的規格及規畫，不能等同已交付客戶的實際運轉成果。[S01][S02]
一週後，AMD 又在 10 月 20 日與競爭對手 Intel 宣布，將兩家公司針對 PyTorch 的 x86 CPU 最佳化工作逐步整合至開源 oneDNN 函式庫。這是另一項獨立的軟體合作，不是 Helion 機櫃的共同開發案；但把兩則消息放在一起觀察，可以看見一條一致的產業訊號：AI 時代的關鍵問題，開始從「哪顆晶片最強」，擴大到「不同運算資源如何協同完成工作」。[S05][S06][S07]
為什麼 AI Agent 會讓 CPU 重新受到重視？
傳統聊天式 AI 的主要可見工作，是把文字送進模型並得到回應。GPU 很擅長執行需要大量平行運算的模型推論，因此長期處於 AI 硬體報導的中心。但能執行工作流程的 AI Agent，並不是一個從頭到尾都在 GPU 上運作的單一程式。
以企業要讓 Agent 完成「整理客戶詢價、檢查報價條件、產出草稿並交由業務確認」為例：系統要讀取資料庫、檢查權限、操作文件、執行部分程式，最後才由模型協助判斷或生成文字。這些周邊工作可能需要 CPU、儲存設備、網路與各種服務協作。模型推論本身依部署方式不同，可能由 GPU 或其他加速器執行。上述流程只是解釋運算分工的假設性企業情境，不是 AMD 已公開的 Helion 客戶案例。
這種運算分工也讓「每秒可產生多少個 token」不再足以回答所有採購問題。對一個必須連續執行數十個步驟的 Agent 而言，模型回應很快，卻在資料存取、工具執行或權限審查上卡住，整體任務仍然可能耗時。反過來說，CPU 數量增加也不代表任務速度一定等比例提升。是否受益，取決於排程、記憶體、I/O、模型呼叫、程式設計與實際工作負載。
AMD 公布 Helion 時，特別將 Agent 執行與模型推論區別開來。官方所描述的純 CPU 架構，可以集中提供大量 Agent 執行所需的運算資源，再連接外部模型推論設施；另一種整合式配置，則把 CPU、GPU 與一般運算放在同一機櫃內。這與一般人想像「買一台最強 AI 伺服器就能處理所有工作」有相當大的不同。[S01]
Helios 與 Helion，只差一個字母嗎？
容易混淆的是，AMD 之前已有名為 Helios 的機櫃級 AI 平台。名字近似，定位卻不能畫上等號。按照 AMD 在 OCP 2026 的說明，Helios 著重大型 AI 模型訓練與推論，把 AMD Instinct GPU、EPYC CPU、網路與 ROCm 軟體整合成機櫃級系統。AMD 並表示，部分 Helios 初始系統已在 OpenAI、Meta、Microsoft 與 Oracle 安裝運行；這是AMD 自身揭露，並不代表本文獨立查驗了各客戶部署規模、效能與商業回報。[S02]
Helion 則將設計重心延伸到 Agent 的執行環境。它不是 Helios 改個名稱重新推出，而是 AMD 依照代理式工作負載新增的開放式參考設計。專業科技媒體《The Register》在 10 月 12 日的採訪報導中，也將兩者區分為大型訓練／推論平台，以及以 CPU 運算分工和混合配置為主的 Agent 基礎設施。[S03]
這個差異有商業上的意義。若一家雲端服務商已有專門負責模型推論的加速器叢集，它可能希望把執行 Agent 程式的 CPU 設施另外擴充；若是一家企業希望用相對集中的環境處理流程、資料與模型推論，則會考慮混合配置。但這兩種情況何者比較划算，還不能只看架構說明書決定。
已公布的兩種配置，代表什麼？
第一類是面向超大規模資料中心的純 CPU 機櫃。AMD 表示，採用第 6 代 EPYC 處理器後，單櫃參考設計的上限是 32,768 個 CPU 核心。《Tom’s Hardware》進一步整理，此配置對應最多 128 顆具 256 核心的 EPYC 處理器。但「最高核心數」不等於單櫃在所有工作負載下的有效效能，也不代表一般企業應以此規格為採購目標。[S01][S04]
第二類則是整合 CPU 與 GPU 的機櫃。AMD 以 EPYC CPU、Instinct MI350P GPU 與通用運算節點組合為例；《The Register》整理的設計上限包含最多 16 顆 MI350P GPU，以及最高 102 Tbps 的網路規格。這些是不同配置條件下的設計值，不能直接把所有最大值相加，當作同一座機櫃已實現的規格。[S01][S03]
AMD 指出，Helion 將採用 OCP 的開放式設計方式，合作夥伴可規畫氣冷或液冷方案，並計畫向 OCP 提交規格供社群進一步採用。截至本稿查核時，AMD 的公開說法是合作夥伴正開發相關配置，預計 2026 年 11 月提供。10 月 12 日《Tom’s Hardware》曾記載較晚的時程，之後更新註明 AMD 已將時間調整為 2026 年 11 月。因此本文採用較新的 AMD 官方說法，但仍將其視為規畫時程，而非已完成出貨。[S01][S04]
開放式架構能否改變 AI 基礎設施的選擇？
蘇姿丰在 OCP 的演講內容中，強調不同問題需要不同的運算能力，也提及將合適模型與算力分派給合適應用。這個方向與 Helion 公布的「模型路由器」相呼應。AMD 宣稱，系統設計可把 Agent 對模型的呼叫路由至不同先進模型與開源模型。它描述的是平台希望提供的能力，不等於所有模型、供應商和軟體目前都已具有可直接互換的相容性。[S01][S02]
真正的「開放」至少有三個層次。第一是硬體規格及機櫃設計，允許更多系統整合商製造和調整；第二是 CPU、GPU、網路與管理工具之間的軟體相容；第三才是客戶實務上能否把原有的資料、工作流程和模型搬到新環境，而不付出過高的轉換成本。
因此，開放標準本身不是使用者的成本保證書。企業在採購前仍須要求供應商說明：哪些元件依公開規格實作、哪些功能受特定軟體版本限制、替換供應商會增加多少測試與遷移成本，以及如何處理資安、模型資料使用與系統故障。
這也是 10 月 20 日 AMD 與 Intel 的 PyTorch 合作值得放進同一篇報導的原因。官方表示，雙方將整合 CPU 最佳化至 oneDNN，AMD 會把 ZenDNN 最佳化納入相關工作，並加入 UXL 基金會的治理行列。此舉希望減少 x86 CPU 執行 PyTorch AI 工作負載時的軟體碎片化。然而，公布合作並不代表整合版本已經上線，更沒有公布統一可比較的加速幅度或所有 CPU 型號的支援日期。[S05][S06][S07]
台灣為什麼需要注意？看合作位置，而不是概念股名單
對台灣讀者而言，蘇姿丰的戰略與本地最直接的連結，是製造與系統整合能力。AMD 10 月 12 日 Helion 新聞稿引述多家合作夥伴支持，其中包括鴻海、廣達旗下雲達科技（QCT）及緯穎。這些公司的公開說明分別涉及機櫃整合、架構客製化與散熱等能力。它們可以證明相關企業曾公開表達合作與支援，但不能直接推導出各廠已取得多少訂單、何時認列營收或擁有何種獨家供應地位。[S01]
將時間拉回 5 月 21 日，AMD 曾宣布對台灣產業生態系的投資規畫總額超過 100 億美元，合作領域涵蓋先進封裝、系統製造等。官方公告具體提及日月光、矽品及力成等合作方向，以及支援 Helios 製造的 ODM 夥伴。這是投資及合作規畫的公開資訊，不是本文核實的已支出總額。更不能把 100 億美元全部算成 10 月新公布的 Helion 訂單。[S08]
10 月 6 日，《TrendForce》依據多家台灣媒體消息整理蘇姿丰訪台與供應鏈擴產討論，提及 AMD 將產能規畫拉長至 3 至 5 年。由於該篇為整合其他媒體資訊，本文只把它當成近期供應鏈脈絡，不當作對 AMD 投資金額或個別合約的獨立二次證實。[S09]
要判斷台廠是否真能從 Agent 基礎設施增加實質收入，至少需要分開看四件事：第一，客戶是否形成具體部署需求；第二，機櫃、冷卻與網通系統是否完成客戶驗證；第三，訂單由哪一家公司取得、是試產還是量產；第四，相關營收何時認列。少了其中任何一段，把「參與開放架構」直接等同「獲利成長」都過於武斷。
從產品發表到企業採用，中間還有五道關卡
首先是工作負載。企業要先知道自己的 AI Agent 到底在做什麼：是持續執行大量獨立任務，還是少量但很長的模型推論？同一套模型，在不同使用模式下的 CPU、GPU 與記憶體需求可能差異極大。沒有可重現的實際任務測試，很難建立可靠的規格比較。
其次是整體成本。高密度機櫃除了晶片，也包含電力、散熱、交換器、儲存、機房面積、維運與停機風險。供應商介紹的核心數和網路峰值，可以用來理解架構上限，卻不足以替代以每件完成任務成本、每瓦有效吞吐量、任務失敗率為基礎的採購評估。
第三是軟體成熟度。模型路由看起來像容易加入的功能，但不同模型提供不同工具呼叫機制、上下文長度、資料政策與費用模式，實際選擇模型仍要評估品質與風險。一旦把模型分工與權限控管設計得不完整，硬體彈性反而可能變成新的系統複雜度。
第四是安全與治理。企業 Agent 若能讀檔、寫入資料、呼叫外部服務，最大的風險之一就是執行了不應執行的操作。身分驗證、最小權限、操作紀錄、人工核准與失敗回復，都是完整方案的一部分。這些能力並不會因為使用了某一款機櫃就自動具備。
最後是商業交付證據。目前已知的是 Helion 的架構規畫與供應商表態；真正能回答市場需求的，會是後續開放規格文件、實際產品配置、具名客戶部署、第三方測試與完整成本數據。缺少這些證據時，使用者應把 Helion 視為值得追蹤的產業方向，而不是已經驗證能降低成本的現成答案。
原創整理：三個不同層次，不該混成一件事
| 觀察對象 | 這次已有什麼證據 | 尚不能據此下什麼結論 | 核對來源 |
|---|---|---|---|
| Helios 大型 AI 訓練與推論 | AMD 表示系統逐步投產，部分初始系統已安裝於合作客戶 | 不代表本文驗證了全部客戶的部署規模與成效 | [S02] |
| Helion 代理式 AI 機櫃 | 10 月 12 日發表架構，可採純 CPU 或整合式配置，合作夥伴計畫 11 月提供 | 不代表已經大規模出貨、具備標準化價格或有獨立效能測試 | [S01][S03][S04] |
| oneDNN／PyTorch 合作 | 10 月 20 日 AMD、Intel 宣布將整合 x86 CPU 最佳化工作 | 不代表 Helion 專屬功能，也不代表 GPU 軟體統一或效能提升已完成 | [S05][S06][S07] |
製表方法：由 TDR 依 AMD、Intel 官方公告與獨立科技媒體資料重新分類，將「已揭露事實」「供應商計畫」「尚無法推論的成果」放在同一張表。比較的是證據成熟度，不是三項產品的效能排名。
這則新聞真正值得追蹤的，是下一次能拿出什麼數據
從蘇姿丰 10 月 12 日的演講，到 AMD 10 月 20 日與 Intel 的軟體合作，AI 基礎設施的競爭確實正在變得更複雜：GPU 不會因此不重要，CPU 也不會突然取代 GPU；相反地，兩者與網路、記憶體、軟體及系統整合的分工，可能更直接決定 Agent 工作負載能否穩定且負擔得起地執行。
對台灣產業而言，最需要觀察的並不是誰又被列進概念股名單，而是供應商何時取得可驗證的訂單、何時完成整櫃驗證，以及誰能把散熱、連結、製造與軟體整合成真正可交付的系統。對企業採購者而言，則應要求用自己的業務流程測量完成任務的總成本，不要只比較晶片規格。
後續觀察重點有三個：2026 年 11 月 Helion 相關配置是否按規畫提供，公開規格是否如預期提交 OCP，以及 AMD 與 Intel 的 oneDNN 整合何時出現在可驗證的軟體版本與測試結果中。答案將決定這場從晶片走向整座系統的競爭，究竟如何從產品藍圖變成市場成果。
主要來源與原始出處
[S01] AMD 投資人關係，2026／10／12，〈Introducing AMD Helion, Agentic AI Compute at Rack Scale〉
[S03] The Register，Dan Robinson，2026／10／12，〈AMD unveils Helion racks for AI agents at OCP summit〉
[S08] AMD Newsroom，2026／05／21，〈AMD Announces More Than $10 Billion in Taiwan Ecosystem Investments〉
編輯聲明：本文以當次可讀取之來源編製。所有關於未來供應、效能、投資與合作的預測，均不視為已實現事實。TDR 並未採訪蘇姿丰或獨立測試 Helion，亦未取得 AMD 圖庫素材的新聞轉載權。
本文由 TARAISG（TIANDIREN AI SOLUTION GROUP）使用 AI 模型產生正文、整理來源並設計實務工具。方法依據與限制列於文末；案例為明確標示的教學假設。未有具名紀錄時，不宣稱經人工或專家審核。
查看內容製作與更正說明
