【癮科技】攻獨人牲~智慧與電視？|數位時代 BusinessNext

最近參加了一些與智慧電視相關的活動，有些屬於硬體、也有些屬於軟體開發，筆者在跟一些廠商代表閒聊的時候，有些對於智慧電視的想法。到底怎樣的產品才是智慧電視？到底消費者怎看待智慧電視？智慧電視是否真的能改變電視產業？

smartTV

以筆者的認知，智慧電視相較傳統電視有幾項特質：一、能夠連網，觀看網路內容；二：就像電腦、智慧手持設備一樣能透過下載的方式擴充功能。至於支援體感、攝影鏡頭等創新的操作模式，則是非必要的條件。

目前智慧電視的硬體呈現分為兩種，一種是內嵌於電視內的，另一種則是透過機上盒、 HDMI 外接棒等等的方式達成。軟體包括沿用或是修改自智慧手持設備的系統，例如 Apple TV 、 Android TV ，或是基於 Linux 以網頁框架或是 Flash 的方式做成的系統。雖然電視廠商傾向內嵌於電室內的智慧系統，不過據說日本與歐洲消費者比較偏好外接擴充的模式。

smartTV

首先以傳統電視的淘汰模式以及智慧系統與硬體的市場模式看智慧電視硬體，筆者個人而言，若真要使用智慧電視，還是傾向使用外接形式的，畢竟外接式設備可以視個人需求逐年升級，雖然智慧電視也可以透過此方式升級，但先天卻把內嵌系統的硬體成本也轉嫁在電視上。

筆者認為智慧電視系統一定會在電視被家庭淘汰前硬體就不敷使用，原因則在於智慧系統與電視兩者在傳統市場的淘汰年限不同，一位從事智慧電視硬體相關的前輩給的資料是，傳統家庭至少七年才會淘汰一次電視，但是智慧設備的年限卻鮮少超過三年。

這是由於用於顯示的電視屬於黑色家電，也就是說電視並非消費性電子產品，而是生命週期較長的家電設備。然而智慧系統就如同現在消費者所看到的一樣，手機與平板硬體逐年更新，內容越來越強大、但硬體要求也越來越高，硬體推出一年半載幾乎就已經難執行新的應用。

smartTV

硬把兩個生命週期不同的設備整合在一起，也是現在嵌入式智慧電視的盲點。筆者甚至認為， Apple TV 整合顯示器設計談了這麼久，卻遲遲未能成型，恐怕也是吸取大量市場消費者經驗，而不願貿然投入電視產業這種淘汰速度慢的市場所致。

以硬體的角度看智慧電視架構，鮮少採用比主流智慧手機更好的方案，也導致在圖形與運算效能方面普遍落後智慧手持設備約一年左右，消費者只要用手上的智慧手機或是平板輸出到電視，娛樂功能往往更強，更不用說服役超過三年後的智慧電視系統相較剛推出的智慧手持裝置會怎樣。

另外在前幾天智慧電視 App 開發探討活動當中， Sony 、 Opera 、 QLL 的與會講師都有提過一些智慧電視操作行為模式的問題，首先是使用姿勢，一般都是坐在沙發上拿著遙控器，畢竟看電視應該是相當舒適且放鬆的，雖然某些智慧電視可以透過內嵌攝影鏡頭與麥克風搭配手勢、語音進行控制，不過筆者好奇的是，這種已經是遊戲機娛樂等級的操作方式能有多久熱度？

另外，智慧電視該提供哪些公司？筆者看了許多的內容後，左思右想，似乎就是把過去錄影帶、光碟播放機的影片重新包裝、以 App 的方式呈現吧？不知道是不是筆者的認知有錯，不過數位學習、運動健身教學、語言學習等智慧電視比較受歡迎的內容，不就是先前光碟影帶就有的嗎？

為何會變成這樣？做在沙發上拿著遙控器的根深蒂固的操作方式恐怕是相當重要的原因，因為智慧電視遙控器設計一直是個微妙問題：到底該有多少功能？說真的，當你已經躺在沙發上想要享受螢幕的內容時，如果看到遙控器為了輸入方便加了完整的鍵盤，會覺得這真的是你想使用的電視遙控器嗎？

smartTV

至於娛樂功能方面，筆者比較不期待基於智慧電視本身的遊戲功能，畢竟硬體就那樣了，即便今年可以玩 Angry Birds ，明年之後還有多少新玩意兒？若真的要發展遊戲，筆者還是期待基於類似 NVIDIA 的 GeForce Grid 的雲端遊戲，讓智慧電視本身當個影音解碼以及訊號回傳用的載具就好。

智慧電視有真正改變電視使用者的習慣嗎？至少筆者觀察到目前為止，使用者即便添購了智慧電視，使用到附加功能的機率還是不高，或是一開始覺得功能很新鮮，但最後又是回到沙發上的馬鈴薯模式，不過畢竟智慧電視是把家電與消費性電子揉合在一起的混合產物，目前的發展也還在起步階段，希望明年 CES 能有讓人更耳目一新的產品出現。

轉自癮科技

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。