【Inside】優秀的人才為何離開公司?
【Inside】優秀的人才為何離開公司?

持續 有些

台灣之光hTC做雲端與內容部門,這一年來,也從最大的網路公司雅虎奇摩帶走了不少熟悉網路技術與經營管理的高級人才。

這些好公司並不是已經衰敗,事實上都還在成長,也還有很多機會。他們有資源可用,但留不住所有的優秀人才。

優秀人才想加入什麼團隊?

筆者曾在Inside ASK中參與了這題問與答(歡迎大家繼續接力,表達您的意見。 ):

這些app公司招募你的話,你想去哪一間? Angry Bird, WhatsApp, Path

從答案看起來,選擇公司會考慮公司理念,文化,樂趣,未來可能性…等等。

雖然該題目比較的三家公司基準點並不相同,但有一點是確定的,人們選擇公司的原因不一定因為它大,或因為它賺錢。更多會有些看不到的因素。這對優秀人才來說,更是如此。

這是個 事求人 的年代。

各個公司也好,還是創業團隊也好,大家在有限的頂尖人才中競爭。同樣的產業,同樣的idea,有好團隊者勝。

因此,知道優秀人才想加入什麼團隊,以及為何會離開公司,是創業人或經理人重要任務與能力之一。

流失頂尖人才主因只有一個

這兩天,在hacker news上,筆者讀到這個 討論串 ,在談頂尖人才離開公司的主因。 該討論串引述文章 的最大重點是:

當被錯誤地管理,且組織充滿困惑,也不再能鼓舞激勵的時候,頂尖人才就會離開組織。

Top talent leave an organization when they’re badly managed and the organization is confusing and uninspiring .

這個針對這個重點,吸引了超過百則的評論:

dkarl 說:

…好的經理人應知道每個下屬的各種技能。

經理人,不論是一線經理,還是CEO,若不清楚他管理的優秀人才的各種可能性,當然就無法給予有效發揮空間。等到發現的那一天,就是那個人跟你提“生涯規劃”的離開日。

對於管理的重要性, spodek 更是引用了他教授告訴他的金玉良言:

人們會加入一個好專案,但會離開壞管理。

t.

對創業者來說,起創業的念,要革的命,通常不是難事,也召集得到勇士。需要注意的是,想走完旅程的話,經營整個創業氛圍,維持高程度的熱情環境,才是創業開始之後的大難題。

瞭解管理問題後,怎麼避免走相反的路, mmaunder 倒是提了個好心法,值得參考:

公司要成功,要賺錢,這是個基本的共識。但,公司由人組成,推動,讓人高興愉悅的付出可能才是最基本要注意的事情。如果後者達成了,前者可能就是伴隨而來的結果。

近期Google離職員工 高調發文 對Google+設定的成功目標表達不滿,他也因此離開Google,正是此例。

social media是個關於人們去做人們要的產品的有趣競賽,並不是一個可單純設定的目標。失敗的人才管理,自然就導致了失敗的產品執行。

好好處理人才,否則他們會跑去創業

對於怎麼好好吸引人才,留住人才,雖然還沒能有深刻最佳化經驗,但一直也是筆者努力的方向。因為筆者知道,若不能好好管理,做好文化,讓大家瞭解願景目標,留住頂尖人才,他們就會像Sega一樣離開Google 跑去創業 了。

這對像Yahoo,IBM,Google或臉書之類的大公司來說很重要。對更多的新創團隊來說,留住人才,留住團隊核心能力,更是重要。

出自Inside部落格

關鍵字: #Google #人才
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓