# 策展 · X (Twitter) 🔥🔥🔥

> 作者：Amazon News (@amazonnews) · 平台：X (Twitter) · 日期：2026-04-24

> 原始來源：https://x.com/amazonnews/article/2047654130953375788

## 中文摘要

Agentic AI 需持續運算，CPU 如 AWS Graviton 成為關鍵基礎設施。

Agentic AI 系統持續推理並即時決策，與傳統 AI 訓練模式大異其趣，需要持續運算力和核心間高速通訊。相較於 GPU 主導的訓練與推論，CPU 正重獲矚目，尤其 AWS Graviton 處理器專為此設計，Meta 等公司已部署數千萬個 Graviton 核心，支援全球規模的 Agentic AI。

**Agentic AI 的獨特運作模式**

傳統 AI 基礎設施聚焦訓練大型語言模型（LLM），如 AWS Trainium 和 GPU 擅長平行處理海量資料。但 Agentic AI 不同於標準語言模型（SLM）或 LLM，前者像計算機僅依提示預測 token 序列，GPU 因此閃耀，能同時執行數千計算。

- Agent 則像經理人，能自主執行多步驟任務，持續處理資訊並採取行動，例如數字助理不僅回應指令，還管理行程、跨系統協調、決策。
- 以「研究公司並草擬簡報」為例，Agent 須分解目標為順序步驟：開啟瀏覽器導航連結、解析文件與資料、過濾雜訊、執行程式碼完成草稿。

推論雖為 GPU 領域（CPU 也分擔部分），但邏輯、文件管理、網路呼叫、程式碼執行等皆為 CPU 原生任務，需要持續運算力和核心間極速通訊。此即 AWS Graviton 等專用 CPU 關鍵之處，Meta 正以此支援最新 Agentic AI 工作負載，部署數千萬核心服務數十億使用者。

**Graviton 如何因應挑戰**

Agentic 系統執行快速循環，不僅推理，還主動擷取資料、呼叫工具、採取行動，再循環評估下一步，每循環需處理器各部分高速共享資料。

- Graviton 晶片設計最小化部件間通訊時間，對持續交換推理資訊的 AI 系統至關重要。
- 全球規模 Agentic AI 組織選擇 Graviton，因其架構匹配工作負載：模型訓練為爆發式短暫，Agentic 系統需持續效能與即時適應。

**持續智慧的關鍵意義**

當 AI 系統持續服務數百萬使用者，效能與能源效率雙重必要。Graviton 提供更優效能，且為 AWS 最節能處理器，對全球規模全天候系統而言，此效率兼顧環保與經濟，支撐大型使用者群的複雜 Agentic 系統持續運行。

**永不停歇思考系統的基礎設施建構**

Agentic AI 興起代表 AI 基礎設施根本轉變，AI 系統越自主、越融入日常數位體驗，需求隨之演進。Graviton 等專為持續低延遲運算設計的處理器，而非週期性訓練爆發，正成為新时代基礎。問題不在 Agentic AI 是否重塑工作與生活，而在基礎設施能否大規模支援。日益增多，此基礎設施建基於專為「永不停歇思考」系統設計的技術。

## 標籤

Agent, 產業趨勢, AWS, Meta