超微（AMD-US）执行长苏姿丰（Lisa Su）今（22）日表示，AI发展正从早期以训练大型语言模型为主，逐步转向推论与更高阶的代理式AI（agentic AI）应用，也是真正能获得报酬的地方，将带动CPU、GPU、ASIC与边缘运算等各类运算需求同步成长，并强调正积极与合作伙伴快速扩大CPU的产能供给， 以满足市场需求。
苏姿丰表示，两、三年前AI浪潮刚开始时，主要是少数大型企业投入大量资金与资源进行AI训练，包括训练ChatGPT、Claude、Gemini及中国大型语言模型等，这些模型都需要庞大运算能力。 不过她指出，训练虽然必要，但真正产生投资报酬的地方在于推论与代理式 AI。
她进一步指出，AI推论并不只是回答天气等简单问题，真正的力量在于 AI 开始能解决复杂问题，并协助企业改变产品开发、公司营运与科学探索的方式，并看好这一轮技术周期与过去不同，过去技术变化通常需要数年，但现在每隔几个月技术、能力与模型表现就会明显不同，这也是推动 AI 需求快速成长的原因。
针对GPU与CPU需求比例，苏姿丰表示，市场过去几年高度关注GPU成长，但若要实现AI无所不在，就需要各种不同运算能力，现在已开始看到CPU成长，也看到部分ASIC成长。 她指出，变化发生速度相当快，尤其代理式 AI 应用正在增加。
她也指出，AMD最期待的应用之一，是利用AI加速芯片设计。 目前一颗先进芯片从开始到完成可能需要两至三年，若能将时间缩短一半，就能推出更多产品，满足市场更多需求。
对于 AI 供应链瓶颈，苏姿丰表示，目前几乎各环节都可见瓶颈，但也正在被快速解决。 她指出，半导体供应链具备高度积极与解决问题的能力，一旦发现瓶颈，就会找出方法处理。 以内存为例，目前确实有短缺情况，但也有方式解决; CPU方面，AMD也正在大幅提升产能，并要求所有合作伙伴共同协助。
苏姿丰也提到，除了内存与CPU之外，电力同样是重要瓶颈，因为各地建置数据中心与相关运算能力都需要电力支撑。 她认为，当前问题并非单一瓶颈，而是产业未完全预期需求会上升得如此快速，因此整个生态系都在努力追赶需求。
谈到 AI PC 发展，苏姿丰表示，她对 AI PC 非常乐观。 新技术一开始通常需要时间，早期 AI PC 较难看见真正应用，多数仍偏向专家使用。 不过她指出，AI PC的重要性在于，用户既需要AI，也重视隐私，不希望个人信息被送到云端，同时也希望 AI 能在本地端运作，降低对云端连线与成本的依赖。
除AIPC外，苏姿丰认为，下一个重要浪潮将是Physical AI，包括机器人，以及在边缘端运用AI能力的各类应用，涵盖工业、制造与其他本地环境。
针对企业与社会如何因应 AI 普及，苏姿丰表示，企业不应只从低层次角度看 AI，例如担心 AI 取代工作，或单纯把 AI 视为节省成本工具。 她认为，AI更重要的意义在于让企业以截然不同的方式做事，因此企业必须重新训练员工。
她指出，AMD已在内部教育每一位员工如何使用AI工具，并改变产品开发、销售与营销方式。 AMD过去18个月持续推动相关工作，尤其过去12个月更加积极，建立正式训练与教育计划。 课程依不同职能设计，包括基础课程、工程师课程，以及销售与营销所需的工具训练。
不过苏姿丰也提醒，AI并非总是正确，很多时候仍可能出错，因此企业必须建立适当检查机制，因为最终公司仍须对自己发布的信息负责。
谈到 AI 硬件产业发展，苏姿丰表示，她非常相信开放生态系，因为没有任何一家公司拥有所有最好的想法，也没有单一产品能适用所有情境。 开放生态系代表硬件可以依不同应用采用不同方案，同时也需要正确的软件能力与标准支撑。
