<專利申請系列－什麼東西能申請專利>

關於<GIPR Channel>的系列文章，正在展開的系列主題，每雙週會依序分享「AI伺服器」、「智慧載具」、「智慧醫療」的市場與技術消息。如果你也有想要了解的議題，請留言告訴我，我會優先為你製作特刊。

隨著AI技術日益成熟，企業與研究單位對於運算效能和資料處理能力的要求也越來越高，GPU AI伺服器正好以其強大的平行運算能力和彈性的硬體配置，滿足這些需求。無論是深度學習模型的訓練還是推論服務，這類伺服器都能有效加速運算流程，為AI應用提供穩定且高效率的基礎。GPU AI伺服器在虛擬化環境及高效能運算領域的應用，也讓資源利用率大幅提升。透過先進的虛擬化技術，不同用戶和部門能共享頂尖GPU資源，不僅降低成本，也加速了多樣化AI工作負載的部署。本期”什麼東西能申請專利”我們就來看看關於GPU AI伺服器。

《孫子．謀攻》知彼知己者，百戰不殆。擬定智財競爭策略，贏得市場競爭優勢。

目次

• GPU AI伺服器能申請專利嗎？
• 發明專利案例
• 新型專利案例
• 設計專利案例
• 下期預告－智慧載具系列

一、GPU AI伺服器能申請專利嗎？

<<強哥提醒！若您不想看細節，只需知道「GPU AI 伺服器是一種專門為人工智慧模型訓練、深度學習與大規模平行運算所設計的高效能伺服器，核心特色在於搭載多顆高效能 GPU，能以極高的並行運算能力處理龐大的矩陣與向量計算。>>

（一）從基礎定義到應用場景

GPU AI伺服器已經成為推動人工智慧（AI）與高效能運算（HPC）不可或缺的重要裝置。這類伺服器專為AI訓練與推論設計，具備多樣化的功能，協助企業和研究機構有效處理龐大資料與複雜模型。以下為GPU AI伺服器的主要功能與特色，讓您快速掌握其核心價值：

• 強大並行運算能力：GPU AI伺服器搭載多張GPU，利用高速互聯技術，提供超高的運算效率，特別適合深度學習訓練與推論。相比傳統伺服器僅靠CPU，GPU能同時處理數千個平行運算任務，大幅縮短模型訓練時間。
• 高容量記憶體與儲存：為支援大規模AI模型，GPU AI伺服器配備最多可達12TB DRAM+PMem的大容量記憶體，並支援熱插拔的多顆NVMe、SATA及SAS固態硬碟，確保資料讀取速度與系統穩定性，讓資料科學家能更靈活處理資料集。
• 多樣化的硬體配置選擇：依據應用需求，GPU AI伺服器有4U大型機架式、2U雙節點多GPU，以及專為AI開發者設計的GPU工作站等多種型態。
• 支援AI訓練與推論：這類伺服器不僅能快速訓練深度神經網路，也能在推論階段提供低延遲、高吞吐量的預測服務，適用於影像辨識、語音識別、自然語言處理等多種AI應用場景。
• 節能與散熱設計：先進的水冷與氣冷散熱方案確保GPU與CPU在高負載下持續穩定運作，避免因過熱導致系統降速或當機，提升整體系統可靠度。

（二）GPU AI伺服器專用主機板與機架式解決方案

在挑選GPU AI伺服器主機板時，必須考慮多項關鍵因素，從GPU數量、PCIe通道配置，到記憶體容量和擴充性，甚至是機架整合服務的需求，才能打造符合AI高效能運算的理想平台。

• 桌上型電腦工作站主機板選擇

對於AI研發者或圖形專業人士，桌上型GPU工作站依然是不可或缺的選擇。這類主機板支援多達4張雙寬PCIe GPU，搭配最高6TB記憶體，適合進行AI模型訓練與視覺渲染。

• 邊緣AI系統與機架式邊緣伺服器

1U機架式GPU伺服器因其高密度及節省空間的特性，非常適合部署於邊緣AI系統，支援即時資料處理與分析。例如智慧製造、智慧零售場景，利用1U GPU伺服器快速推理，提供即時決策能力。此類主機板通常配備多個2.5Gb以太網路埠與WiFi/藍牙功能，方便邊緣部署與連網。

• 機架整合與散熱設計

針對機架式部署，主機板與機殼需支援標準化規格（如4U、2U、1U），以便於企業機房或資料中心整合。散熱方面，頂級機種多採用CPU水冷與GPU氣冷雙管齊下，如上述高階6卡水冷GPU工作站，既維持高效能，又兼顧穩定性。

• 記憶體與儲存支援

高階伺服器主機板通常支援多達32個DIMM插槽，記憶體容量可達8TB以上，甚至支援Intel Optane PMem混合加速。SSD支援方面，多數主機板支援熱插拔NVMe與SATA接口，容量從1TB到8TB不等，確保高速資料存取需求。

（三）探索GPU AI伺服器於高效能運算及虛擬化環境的應用

GPU AI伺服器在高效能運算（HPC）與虛擬化環境的應用上，扮演關鍵角色，以下從硬體配置、架構優勢及虛擬化技術三方面解析其如何支援高效能運算：

• 多樣化GPU伺服器架構滿足不同運算需求

1U 4 GPU伺服器：提供最高密度的GPU部署，最多支援4個雙寬PCIe GPU，適合邊緣計算與空間受限的資料中心。2U與4U GPU伺服器：像是4U NVIDIA HGX A100 8-GPU系統，適合深度學習訓練與大規模科學計算，支援NVLink高速連接，強化多GPU並行效率。2U則提供加速計算的高效能平衡解決方案，適合多元計算負載。GPU工作站：最多4卡GPU，針對AI開發者及高端圖形需求設計，靈活且易於擴充。

• 虛擬化技術增加資源彈性與利用率

GPU加速的虛擬桌面基礎架構（VDI）支援多使用者共享頂尖GPU資源，尤其搭配NVIDIA虛擬化技術（如NVIDIA vGPU），可將單一A100 GPU切分成多個虛擬GPU，分配給不同的虛擬機器。例如在關鍵任務伺服器環境中，虛擬化技術讓不同部門得以即時使用GPU加速的AI應用，無需為每個用戶配備獨立硬體，節省成本與管理負擔。

• 硬體與軟體結合打造先進架構AI部署

超微（Supermicro）GPU AI伺服器結合Intel Xeon或AMD EPYC處理器，搭配高達16個DIMM插槽和高速SSD存儲，確保資料吞吐量與系統穩定性。配合先進的系統散熱設計，如水冷CPU與氣冷GPU，保證長時間高負載運算仍維持穩定性能。

（四）接著，判斷「GPU AI伺服器」能否申請專利？具不具備技術或設計？若要提升「技術性或設計性」，相較於一般 AI 伺服器，GPU AI伺服器的核心競爭力，在於利用 GPU 的高度平行運算架構，處理龐大的矩陣與向量運算，並透過多 GPU 協同運算，支援大型 AI 模型的訓練、推論與科學模擬。強哥的創新建議是：

• 一、GPU 高度平行運算架構
  • AI 運算核心配置最佳化、執行緒動態排程、運算資源分配
  • 依據 AI 模型特性，提高運算單元的實際使用效率、GPU 運算與記憶體存取協同最佳化
• 二、GPU Tensor Core 與低精度 AI 運算
  • 透過不同精度的運算架構，提高 AI 訓練與推論效率
  • 依模型特性配置數值格式，在符合精度要求的前提下降低運算與記憶體成本
• 三、GPU × HBM 高頻寬記憶體
  • 需要頻繁讀取模型權重、注意力資料與 KV Cache
  • 從「GPU 算力」擴展到「GPU 與記憶體的整體效率」
• 四、GPU × 先進封裝與 Chiplet
  • GPU 晶片規模與 HBM 整合
  • 高速互連、訊號完整、散熱結構、電源傳輸
• 五、多 GPU 高速互連與 Scale-Up
  • 讓多顆 GPU 在軟體與高速互連支援下，協同執行大型 AI 工作負載
• 六、GPU AI 叢集與 Scale-Out 網路
  • 訓練網路流量最佳化、網路擁塞預測
  • 分散式模型同步、通訊與運算重疊執行
• 七、GPU AI 伺服器的智慧電源管理
  • 依不同 GPU 的工作負載，動態配置功率預算
  • 避免部分 GPU 閒置、部分 GPU 卻受到功率限制
• 八、GPU AI 伺服器液冷與熱管理
  • AI 預測熱點
  • 調整冷卻液流量
• 九、GPU AI 伺服器智慧儲存與資料處理
  • 讓資料能夠持續、高效率地供應 GPU 運算
• 十、GPU AI 伺服器軟體與運算資源調度
  • 依據 AI 模型需求動態配置運算、記憶體與通訊資源
• 十一、GPU × 大型語言模型訓練
  • 降低 GPU 之間的等待、通訊與資料搬移成本
• 十二、GPU × AI 推論加速
  • 回應延遲、服務品質、每 Token 成本與能源效率
• 十三、GPU × AI Agent 與多代理運算
  • 協調不同 Agent 的推論需求，避免資源競爭造成延遲與成本增加

<實際上還有許多例子，如果有興趣歡迎私下與強哥延伸交流>

最後，有沒有存在法定不予專利的事由？例如：

• 沒有涉及生物學方法、人類或動物之診斷、治療或外科手術方法；
• 不可以有妨害公共秩序或善良風俗的內容；
• 不能只是純功能、藝術或電路布局；
• 不能是單純的自然發現、科學原理、中文輸入/語言/數學/遊戲方法或規則本身、人為方法(如以手指夾球)、商業方法、傳統技藝等。
• 特別需要留意的是：單純的設計概念、單純程式碼本身，應屬於著作權。

二、專利案例

（一）發明專利，其重點在於必須具有「技術性」；發明專利保護利用自然法則之技術思想的創作，包括構造、方法、功能、技術、製造、材料等方面之技術改良或突破。以下舉出發明專利案例讓大家瞧瞧：

• 一種基於虛擬機與升級伺服器更新容器運算叢集之管控系統、方法及電腦可讀媒介(專利號I938979)，申請日期2025/04/30，本發明主要目的在解決雲端環境中升級容器節點與作業系統時常面臨的相容性與系統中斷難題。其核心機制是利用供裝伺服器先對原始虛擬機製作快照，並根據預期的最新版本部署出全新的虛擬機與容器節點，同時由升級伺服器負責將原有的微服務無縫轉移至新節點上。若升級過程發生異常或搬移失敗，系統便能藉由備用還原機制迅速回復至初始狀態，從而大幅降低維護風險並確保服務的連續性。

（二）新型專利，其保護的是有形物品，而非技術概念或製造方法。因此，如果專利有涉及到物體之構造組合(如硬體的系統框架、架構、裝置、模組等)，仍有可能得到保護，但強哥必須強調，新型專利不能單純申請「方法」，可考慮申請「裝置、系統」及其架構。以下舉出個新型專利案例跟大家分享：

• 一種雲端伺服器擴充記憶體裝置(專利號M687484)，申請日期2026/06/04，本新型主要目的在突破傳統伺服器在記憶體容量上的實體限制並降低存取延遲。該系統透過記憶體代理模組持續監測伺服器內部的隨機存取記憶體使用狀況，當達到預設門檻時，便會依據特定的演算法將冷資料轉移至遠端記憶體資源池。這種設計不僅能有效減少對固態硬碟交換空間的依賴以保護硬體壽命，還能透過獨立的記憶體控制模組來分擔處理器負擔，進而大幅提升系統的運算效能與資源利用率。

（三）設計專利，其必須「應用於物品」、「透過視覺訴求」，表示設計必須透過視覺方式呈現，因此，若技術涉及到物品的外觀、電腦圖像之設計，則可以申請設計專利。

三、結語：下期預告－智慧載具系列

GPU AI伺服器正成為人工智慧產業的核心基礎設施，已從單純GPU算力，延伸至記憶體頻寬、高速互連、能源效率與整體系統效能。企業應整合GPU、HBM、先進封裝、智慧儲存、液冷散熱與軟體調度，建立跨領域協同研發能力。應透過多GPU協作、Scale-Up／Scale-Out架構、虛擬化與AI推論最佳化，發展差異化產品及運算服務平台。智慧財產權方面，可針對平行運算、資源調度、記憶體管理、電源控制及散熱結構進行專利布局，並以營業秘密保護核心演算法與技術參數。最終，誰能將「GPU算力＋系統整合＋能源效率＋智財布局」轉化為完整技術生態系，誰就更有機會建立AI運算市場的長期競爭優勢。

當然，研發創新、技術實踐、經營管理的實務工作者應把時間、精神智力都灌注在本職上，因此挖掘智財、申請專利、智財策略的工作就交給專家吧！如果有興趣找強哥談談，讓強哥協助您取得所需重要資訊、追蹤技術、專利挖掘、迴避風險，歡迎與強哥聯繫。

在下一期的<GIPR Channel>文章裡，強哥會繼續延伸，希望透過淺顯易懂的介紹，就能吸收這些熱門產業的創新點子。若你也想知道還有什麼東西可以申請專利。敬請期待！