阿里巴巴的新目標~挑戰Android|數位時代 BusinessNext

當科技產業聚焦在蘋果與Google旗下Android系統的專利戰，中國早已自行開發出以追趕Android系統為目標的作業軟體，並於該國高速成長的智慧型手機市場推出。

以交易量而論，阿里巴巴集團是中國最大的電子商務公司。其策略長曾鳴在接受華爾街日報（The Wall Street Journal）的訪問中指出，阿里巴巴集團看到手機製造商對其去年推出之「阿里雲」Linux手機作業系統的需求增加。該公司預期今年底使用阿里雲系統的智慧型手機製造商，將從目前的兩家（北京天宇朗通通信設備公司和海爾電子）增加至五家。不像蘋果的iOS系統或Google的Android系統將行動App安裝在裝置上，阿里雲由遠端伺服器提供用戶在網路上運作的App。阿里雲系統擁有自家的地圖與電子郵件應用程式。曾鳴說，阿里巴巴「希望在中國市場中能像Android一樣強大」。

阿里巴巴花費三年的時間，動用超過1,600名工程師開發阿里雲作業系統，並於2011年7月推出。中國於今年超越美國成為全球最大的智慧型手機市場，目前全中國擁有超過10億名行動電話用戶，提供多家手機製造商足夠的生存空間。市場中的智慧型手機有高端的蘋果iPhone，也有不到200美元的低價機型，而低價智慧型手機類別更在去年出現爆炸性成長。有鑒於市場的多樣性，阿里巴巴認為在Android系統與微軟（Mircrosoft）Windows Phone之外，尚有其他行動作業系統的生存空間。

2010年，Google將搜尋引擎伺服器由中國遷至香港。雖然在中國仍可使用Android系統，Google在搜尋及其他線上服務方面的市佔率已持續輸給來自中國的競爭對手。曾鳴表示，「Android在中國市場所不能提供的優良使用者經驗，我們可以辦到」。但根據市調公司IDC，在今年第二季的智慧型手機全球出貨量中，有68.1%的手機使用Android系統，16.9%為蘋果產品，Windows Phone則只佔3.5%。中興通訊手機事業部副總經理羅忠生也最近在一次訪談中指出，基於以其他軟體平台為核心開發的新的App生態系統須長時間才能建立，Android系統將維持強勢，「目前沒有人能挑戰Android」。

曾鳴說，若想打敗Android，阿里雲的優勢在於與「支付寶」線上支付服務的整合。電子商務部門不似中國其他產業部門，出現成長趨緩的現象。線上購物的需求持續快速成長，電子商務公司也專注於發掘新的成長機會。對阿里巴巴而言，開發自家行動作業系統的誘因便在於，阿里雲將可為其購物網站帶來更多行動交易量。

來源：WSJ

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。