Supermicro 2026 年 6 月 Intel 陣營 Edge AI 系統全面曝光：規格、TOPS 效能與目標產業一覽

Supermicro 2026 年 6 月 Intel 系 Edge AI 系統全面拆解：規格、TOPS 效能與市場定位

Supermicro 喺 2026 年 6 月 23 日正式宣布，擴充旗下邊緣 AI 系統產品組合，新系統全部採用 Intel 技術，包括 Intel Core Ultra Series 3、Intel Core Series 2 處理器，以及 Intel Arc Pro B 系列 GPU 。產品線由細到無風扇迷你機箱、短身 1U 機架式伺服器，到適合辦公室用嘅迷你塔式機箱都有 。

系統規格與效能一覽

型號	處理器	機箱類型	主要規格	AI 效能
SYS-E103-14P	Intel Core Ultra Series 3（Panther Lake-H，最高 25W）	無風扇、可掛 DIN 軌、深度 5.5 吋（140mm）	最高 128GB DDR5、2 個 2.5GbE LAN、2 個 HDMI 2.1、0°C 至 45°C 運作溫度	最高 180 TOPS 總效能（CPU/GPU/NPU 混合運算）；內置 NPU 5 提供 50 TOPS 專用推理效能
SYS-521AD-LN2	Intel Core Series 2（最多 12 個 P 核心）	纖薄 AI 迷你塔式機箱	最高 64GB DDR5；支援 Intel Arc Pro B50 GPU 及 NVIDIA RTX Pro Blackwell 2000 GPU	本地 AI 推理、模型開發及微調
SYS-111AD-WN2R（更新版）	Intel Core Series 2	短身 1U 機架式	DDR5 記憶體，沿用原有安裝位置	比上一代提升 AI 及運算效能
SYS-E300-13AD5（更新版）	Intel Core Series 2	內置風扇嘅嵌入式系統	DDR5 記憶體，保持原有緊湊尺寸	同一尺寸下提升 AI 吞吐量

跨產品嘅 Intel Arc Pro B 系列 GPU 支援：Superemicro 嘅邊緣 AI 伺服器全面支援最新 Intel Arc Pro B 系列 GPU。其中 Arc Pro B70 提供高達 367 TOPS 同 32GB VRAM；B50 同 B60 型號則為 AI 同影像運算提供專業級圖像加速 。

另外，Supermicro 嘅 Intel Edge AI 平台網頁仲提到，佢哋亦有採用 Intel Xeon 6 SoC（最多 72 個 P 核心）嘅系統，用於 CPU 推理（支援 AVX2），以及採用 Intel Core Ultra 處理器（最多 16 個 P/E/LPE 核心、內置 12 Xe 核心 GPU 及 50 TOPS NPU）嘅系統 。

目標行業

呢批新系統主要針對 零售、製造、安防、運輸同物流 等行業，呢啲行業需要喺數據產生嘅地方，部署可擴展、節能嘅 AI 。其中無風扇嘅 SYS-E103-14P 特別為 電腦視覺、工業自動化同惡劣環境邊緣部署 而設計 。

喺分散式 AI 同 Agentic AI 浪潮中嘅角色

呢批系統嘅定位，係要支撐 邊緣運算上分散式 AI 同 Agentic AI（自主式 AI） 嘅發展。SYS-E103-14P 無需獨立 GPU 就能夠有效處理 Agentic AI 工作負載，將推理任務留喺本地，而唔使傳返雲端 。

Supermicro 喺 2026 年 6 月仲有其他動作，例如喺 COMPUTEX 上公布採用 Arm AGI CPU 嘅伺服器，專攻企業級 Agentic AI 工作負載 。換句話講，今次呢批 Intel 系邊緣產品，係作為 低功耗、高密度嘅邊緣層，補足 Arm 路線，專注喺數據收集點做即時決策。

高管點評合作關係

Mory Lin（Supermicro IoT/Embedded 及 Edge Computing 副總裁）：

「隨住 Agentic AI 嘅採用越嚟越快，企業需要嘅邊緣基建，係要喺數據產生嘅地方做到即時推理、低延遲同節能。我哋最新嘅 Intel 系邊緣系統，加上 DCBBS 產品組合，畀客戶喺苛刻嘅邊緣環境下，有更大嘅成本控制同靈活性去部署同擴展 AI 工作負載。」

Dan Rodriguez（Intel Edge Computing 集團副總裁兼總經理）：

「邊緣嘅 AI 工作負載，要求高效能運算、節能、可擴展嘅加速器，仲有適當嘅總擁有成本（TCO）。將 Intel Core Ultra 處理器同 Arc Pro GPU 整合落 Supermicro 嘅邊緣系統，客戶就快好多、效率高好多咁喺各種實際場景部署 AI 方案。」

兩位高層都將呢次合作定義為 策略性嘅硬體軟體共同優化，目的係解決邊緣運算嘅核心矛盾：喺空間、電源同散熱都受限嘅環境下，提供數據中心級嘅 AI 推理能力，同時保持成本控制同部署靈活性。