500 Startups育成機構創辦人~未來20年，現有創投模式將消失|數位時代 BusinessNext

對許多關注矽谷動態的人來說，500 Startups應該是近年來相當耳熟能詳的育成投資機構，而昨天的Startup Mixer活動，便邀請了訪台的創辦人Dave McClure，面對面與許多台灣創業圈的朋友交流分享，而地點則理所當然的選在曾獲500 Startups投資，照片編輯應用PicCollage的辦公室。

市場意見

自己也曾是創業家的McClure，創立的500 Startups之所以著名，原因之一，便是他們常採取跟其他創投不一樣的策略，比如其遍佈全球、一些甚至在相當新興市場的投資足跡，便與許多定點駐紮的同業相當不同。

McClure表示，雖然一部分的私心跟他自己喜歡旅行有關，但整體來說，他們認為投資雖然會有主、次要市場的分別，但市場並不是只要大就好，比如中國雖然是個很大的市場，但特殊的政治國情跟深植的在地關係連結，外來者進入的門檻可說非常高，他們雖然還是會認真看待這個市場，但優先順序也許只排到前五名。

另一方面，在地的市場，不見得就屬於在地的團隊獨享。同樣擁有廣大人口的印度，其社會結構的組成，以作智慧手機的應用來看，大部分人仍使用功能手機的南亞大國，也許並非是最理想的進攻地點，但另一方面，因其知識階級多半具備良好英文能力的背景，如果是適用英語人口的服務，就算是國外團隊，顯然也有機會坐大。

投資看法

在談到目前最常投資的項目，McClure則表示，高毛利利基的電子商務，是他們近來關注的重點之一。原因在於，想做一般性消費、薄利多銷的電子商務，如果不是先行者，多半必須陷入削價競爭的市場爭奪戰，就算擁有大筆資金做後盾也很辛苦。

相反的，如果是瞄準高單價產品的特定領域族群，就算是較晚進入市場，站在投資者的立場，顯然還是比較有機會回收成本，對團隊來說，能直接創造營收的模式，長期而言也是比較健康的發展。

說到這裡，McClure也特別提到對免費/廣告模式的看法，在他的經驗中，許多會選擇這種網路界相當普遍作法的團隊，多半是因為沒花足夠的心思在顧客上，在想不出商業模式的情況下，不負責任的結果。這一點，對照前面把重點放在實際創造收入的高毛利電子商務服務，似乎相當呼應，之前回應另一家知名育成機構Y-Combinator創辦人Paul Graham時，提出對投資團隊不同看法的文章。

創投角度

不過，整場分享下來，McClure在表達對其他創投同業看法時的獨特跟直率，也許是最讓人大呼過癮之處。他覺得，以一般創投業相對偏低的投資報酬率，但卻總是表現出一副高高在上的姿態，是相當難以理解的事情，而雖然他認為500 Startups比較理解這門生意的本質，卻不相信目前他們採取的作法會一直存在，因為他們所做的事，在未來的10到20年，很可能將成為模組化的流程，就像銀行所提供的各種金融服務一樣。

已經46歲的McClure，因為身處人才濟濟的矽谷，又出身著名的「Paypal幫」，放眼所見盡是二、三十歲就身家上千萬，甚至上億美金的成功創業家，一度認為自己是個失敗者。在最後，他表示很喜歡自己現在世界趴趴走的生活，也很滿意500 Startup的願景，這樣的結果，應該多少符合所謂大器晚成的定義吧。

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。