Gartner~2014年「個人雲」將取代PC|數位時代 BusinessNext

毫無疑問的，你和我都已經步入「雲端」，研究機構Gartner深信個人雲（Personal Cloud）終將取代PC電腦，成為數位生活的核心，來臨的時間點甚至比你想的還要早：就在2014年。

Gartner研究副總Steve Kleynhans表示，「終端運算的主要趨勢已經從PC移轉到智慧型手機、平板電腦、以及其它裝置」，新興雲端服務成為最新的黏著劑，讓大眾選擇從各處透過各種裝置連結上網。

Google計畫藉由最新改頭換面的「Google Play」，和Android盟友共同打造雲端大未來，個人電腦當然也不會錯過登上雲端的契機，微軟和蘋果也預備好了下一代的作業系統，Windows 8和OS X Mountain Lion。只不過，想創造幸福的雲端未來並不是那麼容易的一件事，企業需要徹頭徹尾地再重新思考該如何傳遞應用程式和服務給用。

Gartner闡述2014年創造完美個人雲端風暴的關鍵因素：

趨勢1. 消費化（Consumerization）

有關IT消費化的議題，Gartner已經討論了將近十年，目前在企業界也看到各方面的影響，就像是啟動浪潮的引爆點，舉例來說：人們對技術越來越專精，並且有更不一樣的期待；網路和社群媒體讓我們越來越有力量和膽量；大量並且買得起的行動裝置，改變了你我之間的方程式；越來越創新；透過技術大眾化（democratization of technology），各式各樣的使用者可以找到類似的技術。

趨勢2. 虛擬化

提升靈活度，並增加IT組織實現客戶端環境的選擇性…

趨勢3. App化（App-ification）

當應用程式的設計、傳遞、與消費被用戶改變時，從Application走向App的市場影響力開始被看見…

趨勢4. 持續的自助服務雲端

個人用戶的雲端服務終於開啟了新機會，每一位使用者都能在此得到無限延展的資源，只要是你需要的…

趨勢5. 行動轉移

只要是你何時何地想要的，行動裝置結合雲端即可全面滿足，行動裝置的便利性和靈活性就是王道。

Steve Kleynhans說，這些趨勢並不是最近常聽到的「後PC時代」，而是個人電腦的新風格：從傳統個人電腦中解放了消費者，從根本改善消費者在工作或生活中使用電腦的方式。也呼應了微軟前架構長Ray Ozzie日前所提到的「我們在後PC時代嗎？」，Ray Ozzie表示對此沒有什麼好爭辯的，「PC並未死亡，在不同情境下所使用的，不再稱之為電腦，而是用別的名詞代替」。

雲端平台已經真正成為企業的管理選擇，像是使用付費的IT容量（pay-as-you-use IT capacity），或許現在還很難看見新興的個人雲，但是就像科幻作家William Gibson所說，「未來就在眼前，只是分配不均」（That future is already here, but it’s unevenly distributed）。個人雲已有跡可循，例如Dropbox、Evernote、和Flickr，你可以免費使用這些服務，也可以多付些錢擁有更多的雲端空間或是更多的客製化服務。你準備好迎接個人雲了嗎？

出自Wired

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。