虎視眈眈的雅虎買家，究竟想要買什麼？|數位時代 BusinessNext

阿里巴巴馬雲日前出席史丹佛大學演講時，提到了「非常有興趣」收購雅虎。除了馬雲之外，等著買下雅虎的人還有許多，包括私募基金銀湖資本（Silver Lake Partners）、微軟、和新聞集團（News Corporation）等。但是，我們想問的第一個問題是：究竟想要買什麼？

第一個想到的，就是雅虎最知名的網路資產，不過許多分析師和投資者認為，雅虎現在最有價值的資產是：手上持有的阿里巴巴40%股份，以及雅虎日本35%股份。

馬雲，是雅虎所有潛在買家當中，唯一在公開場合表態的人，馬雲上周五的一席談話甚至讓雅虎股價在本周一大漲2.7%，打破低迷的大盤走勢，也讓雅虎市值接近171億美元。

上個月雅虎解雇了執行長巴茲（Carol Bartz）之後，一直沒有找到合適的接任人選，根據熟悉雅虎董事會的人士透露，目前正透過第三方機構找尋合適人選，業界普遍認為新任CEO要等到第三季財報發表後才有可能上任，雅虎市值更可能會在10月18日第三季財報中再度縮水。

雖然雅虎市值正在縮水，不過，拆解後的雅虎可能會更值錢，讓我們來看看何以這樣說？先前，銀湖資本和俄羅斯投資集團DST向阿里巴巴提出320億美元收購計畫，其中雅虎的阿里巴巴股份就價值130億美元，計算下來，雅虎可從出售阿里巴巴股份中獲得淨收入90億美元。至於雅虎另一邊握有的日本雅虎股份，周一收盤市價約為65億美元，計算下來出售雅虎日本股份可獲得將近40億美元。另外，截至第二季，雅虎還有約30億美元的現金和短期投資。剩下就是雅虎核心網路業務，不過這部分實際價值難以估算。

根據研究機構Capital IQ資料顯示，雅虎2011年獲利約為15億美元，考慮雅虎目前狀況，分析師並不會給予太高的估計市值，因此雅虎核心網路業務價值大概會落在50億美元。同時加上雅虎的1千項專利，搜尋和展示廣告業務，這部分資產也能賣不少錢。

許多業者都在接觸雅虎，也和其它競爭對手討論是否可能聯合收購雅虎，還有不少人都來拜會馬雲，希望能得到馬雲的支持，原因就在於雅虎和阿里巴巴、日本軟銀在2005年簽訂協議，雅虎如要出售，必須給予這兩位合作夥伴15天的專屬期限回購股份，之後雅虎才能向其他公司出售。

對雅虎有興趣的業者當中，微軟在2008年就曾出價希望收購雅虎；新聞集團雖然經營社群網站MySpace顯得吃力，不過近日在雅虎競購行動卻非常積極，甚至傳出新聞集團已秘密接觸雅虎；一直以來，希望可以買回雅虎所持股份的阿里巴巴，是最有可能握有最後主導權的業者，阿里巴巴可能先買回雅虎所持股份，然後再切割剩下資產出售給私募公司或其它買家，預計這樣的收購計畫至少需要250億美元。

不過對雅虎來說，董事會希望的是可以出售整家公司，並非分拆出售，整體出售至少還可以降低繳稅額度。市場研究機構Stifel Nicolaus分析師Jordan Rohan表示，雅虎目前是在最危險的階段，高層內耗，共同營運價值消耗殆盡，對雅虎董事會來說，下一步最好立刻做出決定。

出自紐約時報

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。