發明大王伍必翔~對於電動車研究投入，我不會停止我的腳步|數位時代 BusinessNext

2012台灣國際電動車展正在世貿一館熱鬧舉行(4/12~4/15)，其中的台灣電動車國際高峰論壇邀請了必翔實業董事長伍必翔出席分享他對未來電動車商機的個人看法，同時他也在會後接受了本刊記者的訪問。

市場存在，但規模還可再更大

事實上，他認為世界許多製造電動車的大公司已經建構出這塊市場，甚至像西門子這樣的公司本身也做了很多裡頭的相關零組件，換句話說，這塊市場其實是存在的，只不過未來規模大小究竟如何還需要各家業者和各國政府繼續推動。

提到台灣在發展電動車的現況和國外做比較，他認為，「我覺得台灣和丹麥相比，他們的做法比較適合台灣。」原因是，丹麥的土地面積約4.3萬平方公里，比台灣大一點點，但他們對電動車發展卻相對積極，而且很有成效。

例如，丹麥政府除擴大購置電動車抵稅獎勵，也與民間公司合作增設各類電動車專用服務站，且丹麥最大電力公司也與美國矽谷的一間電動車服務供應商將在丹麥境內廣設充電服務站，使電動車車主不用煩惱車子的電力不足。

「在都會區裡，開車的距離其實不遠，從A地到B地簡單就能完成一項任務」，重點在於，充電時間和行駛距離是否足夠符合都會人的基本需求。

那麼要如何使電動車更快速發展？伍必翔說，倘若充電時間和現在加油時間相差太多的話，勢必會讓大家卻步，若一次充電時間能控制在5~10分鐘，而且充一次可跑5、60公里，在任何一個城鎮、社區都有充電站設施的話，這樣就可以推廣得很快。

零組件和整車製造雙線布局

至於必翔目前到底掌握了哪些電動車的商機，能不能吃到這塊大餅？

伍必翔表示，他從以前最早發明農耕機、搬運機等農業機械時，對動力零組件就有很深的研究和認識，到後來市佔率全球前三大的「SHOPRIDER」品牌電動代步車，超過三十年的研發經驗讓他在機械發明領域裡打下深厚底子。

然而，05年之際他卻毅然決然快速投入電動車研發，他笑說，他的朋友都說他瘋了，「你知道嗎？我身邊的人都問說，啊你做這個是要賣給誰？」當大家一面倒不看好他時，他內心的發明狂熱早已燃燒得一發不可收拾了。

原來在05年當時，電動代步車最大的歐洲市場竟宣布，基於環保，以後電動代步車或醫療輪椅等裡頭使用的傳統鉛酸電池不能夠再使用了，聽到原本搭載的電池要被淘汰了，「我很緊張，想說該怎麼辦？不會一堆躺在倉庫裡的產品都出貨不了吧？」他看著公司裡頭一堆還在組裝的產品，內心開始忐忑不安。

於是，他開始注意到下世代電池的發展，加上環保節能逐漸蔚為風潮，開啟了他研發內部零組件的濫觴。

例如大家最關心的電池安全問題，從cell(電池芯)到pack(電池包)，裡頭就有好多know-how，甚至他自己也花了七個多月的時間埋首在工廠裡做安全測試。「有一次battery pack要出貨給客戶前遇到假日，我想說再把它打開來看一下，沒想到裡頭竟然默默地在冒煙起火了。」

伍必翔二話不說，馬上把自己再關進工廠實驗室裡，重新再做測試，找出問題所在，等到真的沒問題了，他才放心把這批貨再交給客戶。

現在必翔已經獨家掌握了在電池方面的安全專利「DOSBAS安全裝置」，「每顆電池串連一個保險絲，若其中一顆電池出了問題，不會連帶影響整個pack的運作，更沒有冒煙、起火等危險狀況。」

對於未來二十年電動車願景，伍必翔相當看好，「我是公司上上下下研發的頭，對於研究發明我不會停止我的腳步，就像腦中隨時畫的3D圖一樣，有明確的結構尺吋計算，一出手設計準確度就很高」，電動代步車已經讓台灣站上世界的舞台，而接下來伍必翔的電動車發明夢也正要駛向另一條康莊大道。

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。