Gartner~2016年時將有超過三分之一的數位內容儲存在雲端|數位時代 BusinessNext

國際研究暨顧問機構Gartner指出，基於對分享內容以及在多個裝置上讀取內容的期待，消費者開始使用雲端服務儲存數位內容，估計至2016年，儲存到雲端的數位內容將超過三分之一。Gartner表示，2011年儲存到雲端的消費者內容僅7%，但至2016年，此比例將成長到36%。

Gartner首席研究分析師Shalini Verma表示：「過去，消費者通常將內容儲存到個人電腦中，但隨著進入後PC時代，消費者使用不同的連網裝置，且多數搭配相機功能，導致使用者製造且需要儲存的新內容大幅增加。隨著個人雲的出現，快速成長的消費者數位內容將迅速地從連網裝置中被分離出來。」

搭配相機功能的智慧型手機和平板電腦日益普及，讓使用者可以拍攝大量的照片和影片。Gartner預估，全球消費者數位儲存需求將從2011年的329EB（exabyte）增加到2016年的4.1ZB（zettabytes）。這包括儲存在個人電腦、智慧型手機、平板電腦、硬碟、網路附加儲存（NAS）和雲端儲存庫的數位內容。

Facebook等社群網站提供上傳照片與影片作為社群分享之用的免費儲存空間，可在短期內滿足消費者龐大的雲端儲存需求。Verma表示，線上備份服務供應商是最為眾人所知的雲端儲存供應商，其分配給普通消費者和「專業消費者」（prosumer）的儲存空間，其實低於社群網站所維持的儲存空間。

每戶平均儲存空間預估將從2011年的464 GB增加到2016年的3.3TB。Gartner認為，搭配相機的平板電腦和智慧型手機的日益普及，會在今年逐漸帶動消費者的儲存需求。2012年上半年，先前的泰國水患造成硬碟供應短缺，消費者於是紛紛採用雲端儲存服務，2011年至2012年的整體市場也因此出現罕見的增長。

Gartner認為，消費者會先試用線上備份服務供應商所提供的免費基本方案。基於OEM廠商與線上儲存和同步服務供應商的合作關係，上述的免費服務主要是經由平板電腦、智慧型手機和寬頻電視的應用程式所提供。雲端服務供應商（CSP）也會逐漸提供雲端儲存服務。雲端線上儲存和同步服務將提供消費者開始採用個人雲雲端儲存的基本體驗。

直接將數位內容儲存到雲端的模式（direct-to-cloud model）逐漸蔚為主流，因此Gartner預估就地部署儲存（On-premises storage）的比重將從2011年的93%大幅下降到2016年的64%。然而，就地部署儲存仍會是消費者主要採用的數位內容儲存方式。自2011年至2016年，雲端儲存量則呈迅速攀升。其中，成長最快的是北美和西歐。在亞太地區，日本和韓國會是雲端儲存成長率最高的國家，因為這兩個國家的雲端服務供應商提供線上儲存和同步服務已有多年。

Verma表示：「本機儲存（local storage）將進一步與家庭網路整合，亦即本機儲存供應商將有機會和家庭網路及自動化服務供應商合作。雲端儲存市場會隨著新興的個人雲服務而成長，並相對簡化直接將數位內容儲存到雲端的模式，將使用者製造的內容存放在雲端上。由於儲存服務已成為個人雲的一部分，它將進一步商品化。因此，線上儲存和同步服務供應商需重新思考其未來對策。」

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。