【Open Crunch精選】iPad不是平板電腦的唯一商業模式|數位時代 BusinessNext

自從蘋果推出iPad後，各家廠商似乎又重燃希望準備再次進入平板電腦市場，它並不是新產品，在十幾年前就已經出現過了，但最後是以失敗收場，如今十幾年過後的今天再度回到市場，而且這次是由蘋果鳴出第一槍，其他廠商也相繼進入，他們到底看到什麼？為何十幾年前失敗的產品又會重新成為他們的新寵？這次有可能成功嗎？iPad的商業模式就是這次的答案嗎？

在回答上面的問題以前，我先將平板電腦的歷史以iPad作區分，在還沒出現iPad以前，我稱為“前平板電腦時代”，在之後稱“後平板電腦時代”。

iPad出現後並不是所有廠商都積極要搶進，也有人是持較保守的看法，例如宏碁就屬保守派的一方，他們認為要製作一台iPad並不是什麼困難的事，真正困難的是在於後面所綁的服務內容，而這並不是他們所擅長的，所以還正在觀望中，而積極派如華碩早就已經準備好服務內容要和自家的平板電腦(暫稱Eee Pad)相結合，甚至中國的山寨商也看好這次的iPad商機，除了製造硬體外，連服務內容都會跟著山寨，這次山寨商反而比宏碁還要積極經營這個市場。但為何大家都有致一同的認為要將平板電腦與服務結合呢？難到他們找到“前平板電腦時代”失敗的原因就是沒有結合服務內容嗎？或者他們只是認為跟著蘋果做就對了？

在我看來蘋果只不過是拿他原本的東西複製在新產品身上如此而已，其他廠商真的沒必要跟進，而且我也不認為平板電腦就只有這麼一種商業模式才能存活。

當我們在iPhone上看到iPod、iTunes功能這是在自然不過的事情了，因為這本來就都是自家的產品，而且這還能延伸到不一樣的客群、延續iPod的壽命，所以到了iPad之後，我們可以看到iPod、iTunes、App store等功能被整合進iPad就如同iPhone整合iPod、iTunes功能在裡面是一樣的道理，但卻被其他廠商誤以為平板電腦加應用程式就是這項產品的商業模式，原因在“後平板電腦時代”蘋果變成是第一個推出此產品的業者，所以讓大家以為平板電腦就是要這樣經營才能成功。另一個原因是看到蘋果用iTunes和App store稱霸MP3播放器和手機兩個市場，在這次的“後平板電腦時代”自然就不能放過此一機會，跟著蘋果做就對了，這些或許都是他們的想法，但我認為平板電腦絕對不是只能搭配應用程式才能成功。

若平板電腦是由筆電延伸而來的話，那麼由作業系統業者提供軟體及在瀏覽器使用業者提供的軟體和服務同樣能帶來使用筆電的良好經驗不是嗎？為何就非得使用應用程式不可？在手機上應用程式可以如此成功那是因為打開瀏覽器所使用的每項服務都因為螢幕太小使得整體使用體驗就大打折扣，雖然操作介面(如觸控)的易用性已提升不少，但和筆電相比之下，整體的使用體驗依然不如，所以才會由應用程式補足這個缺口(設計符合手機的使用體驗) ，但這並不表示把應用程式拿到平板電腦就適合吧。瀏覽器可能會是更好的選擇呢。

■ 到作者部落格
 ■ 到【數位時代OpenCrunch】看更多文章

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。