晶片將會採用5nm製程，預計將於2024年量產，今年整系列在出貨量會增加7倍。然而，扣除Google等能獨力供應自身訓練晶片業者不論，整個AI模型訓練晶片市場，在輝達長年以CUDA所打造的成熟生態系統，已建立相當深厚的基礎，短時間內要翻盤並不容易。但換個角度看，該市場算被輝達所壟斷，客戶端在某程度上的確也需要有第二選擇，促使市場良性發展，並讓AMD與英特爾有機會可以進入戰場的因素之一。
三、伺服器GPU已有初步成果，但市占率提升仍需時間發酵
英特爾在GPU的發展也已有一段時間，其產品策略與輝達相近，大抵上是發展GPU架構後，再依據筆電、桌機與伺服器等應用發展出不同的GPU產品。英特爾的GPU架構為Xe-Core，其主要的特色為導入256位元的Vector引擎與1024位元的Matrix引擎，基於這個基礎，若有光影追蹤的需求，再另外導入光影追蹤架構，進一步滿足以圖像為主的應用情境。所以廣泛來看，英特爾的GPU產品大致皆能因應AI與機器學習的應用場景，只是運算能力等級不同，所能支援的AI運算效能也有所差異。換言之，英特爾的AI高算力GPU仍是偏重伺服器領域為主，情況與伺服器處理器大同小異。
四、借重UCIe聯盟，深度結合台灣供應鏈
UCIe聯盟於2022年成立，著眼於過去主要半導體業者在先進封裝領域各自發展自有技術，使得先進封裝與小晶片（Chiplet）等技術無法藉由產業界的統一標準而快速發展，於是由英特爾、台積電與日月光等，共同成立UCIe聯盟，以加速先進封裝等相關技術與產業鏈的發展。
以英特爾而言，過去發展EMIB與Foveros等先進封裝技術已有多年時間，同時也在墨西哥等地投資興建先進封裝廠，以因應未來龐大的AI高速運算需求，如今攜手台積電與日月光等台灣供應鏈業者，的確也是相中台灣供應鏈的技術量能產能力，能與英特爾的IDM 2.0策略相互搭配，進而拓展更多客源。
在AI算力需求暴漲的趨勢下，短期在英特爾自身晶圓廠與台廠供應鏈都有布局的情況，部分的GPU產品與AI加速晶片交由台積電量產等，甚至與聯電共同發展12奈米晶圓代工，如此能讓英特爾 持續保有競爭力；與此同時持續強化IDM 2.0戰略，等待市場再次出現產能感不上需求的情形，有機會藉由自身IDM的特性穩定產出較高性價比之產品，像是玻璃基板之PLP封測技術等來提高市場占有率，方有機會提升市占率。另外，英特爾去年在台灣所舉辦的創新日中，也特別展示出在UCIe的初步合作成果，透過Chiplet與UCIe等技術，將英特爾3與台積電3nm製程的晶粒加以整合在單一封裝上，預計最快2026年就能進入量產時程。同時，從Pat Gelsinger近期在台灣市場的發言中，也不難看出對碥灣釋出相當多的善意與合作意向，以此代表台灣供應鏈的奧援是英特爾發展所必需的。