60%美國大學生說~沒有免費WiFi網路的學校我不讀|數位時代 BusinessNext

現在這一代的大學生，可以說是「超級連結」（super-connected）的新世代，「學習」這件事也變得和以往大不相同。Online Colleges最近發起一項調查，結果顯示比起傳統的課堂式教學，現在的美國大學生更偏好網路和實體混合式教學。一般而言，網路教育似乎會讓學生和學校的關係更加疏離，也讓同學之間失去交流機會，但是傳統型式的教學又排除了新科技，讓學生無法在課堂後繼續學習，若是能將兩者的優勢結合，發展出混合式的教學環境，將更有利於學習。

根據Educause研究顯示，78%的大學生認為WiFi可以幫助學習，能夠提高學習成績，甚至有60%的大學生表示，校園若未提供免費的WiFi網路，就不會考慮就讀該校；47%的大學生認為善用科技可以提昇教授們的教學品質，超過30%的大學生表示，若是沒有學生的協助，教授們恐怕無法好好利用新科技授課。

科技發展影響的不只是產業，「教育」正朝新方向邁進；傳統式教學已經無法滿足新一代學生的需求，得面對如何將新科技融入教學、產生學習新體驗。

一起來看這項研究還指出了哪些學習新方向：

大學生說：這樣的學習環境比較好

■ 36%認為小型教學課堂或研討課程要有部分的網路環境
■ 22%認為課堂上應該允許學生在必要時使用網路
■ 16%認為大型演講課程要有網路環境

大學生說：這樣做可以提升學習成效

■ 43%認為校園要有更多的科技
■ 只有59%的學生認為他們所處的校園擁有足夠的科技
■ 47%認為科技可以讓教授的教學品質更好
■ 31%學生得在課堂上幫忙教授搞定技術問題

幫助教學的軟體或應用程式

Word文書處理(76%)、Email電子郵件(66%)、PowerPoint報告軟體(47%)、CMS內容管理系統(46%)、圖書網站(45%)、Excel表格軟體(38%)、PDF(25%)、網頁引用工具(23%)、維基百科(22%)、線上論壇(16%)
重要的學習硬體設備

筆記型電腦(81%)、印表機(73%)、USB隨身碟(64%)、桌上型電腦(57%)、智慧型手機(33%)、電子書閱讀器(33%)、非iPad平板電腦(26%)、iPad(24%)、非iPod的多媒體播放器(23%)、iPod(18%)
網路接收度

■ 75%認為校園提供WiFi，可以提升學業成績
■ 90%相信WiFi對教育來說是必要存在的
■ 60%不就讀沒有免費WiFi網路的學校
■ 2013年，99%大學校園都有WiFi網路

教育社群環境

■ 85%學生使用社群網站
■ 15%學生希望教授也可以多上Facebook
■ 58%學生經常使用Facebook或其他社群網站和同學討論課業；不過，他們並不認為透過社群網站和教授討論課業是個好方法，用Email和教授溝通會更好。
■ 是否會和教授在Facebook網站成為好友？31%會、39%不會、30%保持中立態度。

詳細調查圖表請看此連結

出自TheNextWeb

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。