建立志同道合的團隊，躍居大陸一線品牌(二)|數位時代 BusinessNext

雙贏思維創造團隊合作，提升集體戰力
許祐嘉會接觸到柯維的7個習慣【註1】，來自於華碩電腦董事長施崇棠的親自教導。《與成功有約》不僅是施崇棠欽點的主管必讀物，他更會在每周一上午花3小時，帶領所有主管開讀書會，分享與討論這7個習慣的內涵與應用。

接著，再指派這些主管回到各部門與部屬分享，透過一層一層傳授，讓這7個習慣成為組織文化的內功。除了對內傳授，華碩員工與廠商聊天、交流時，也會找機會分享這套心法，一起把柯維成功學的思考模式，擴及到上下游供應商與經銷商身上，創造合作的共同語言。

在這7個習慣中，許祐嘉認為，對企業最重要的就是習慣****4****：雙贏思維。他強調，華碩從台灣走向國際，面對如此大規模的戰場，個人英雄再厲害，也贏不了團隊合作。而要建立志同道合的團隊，基礎便來自雙贏思維，期待雙方擁有共好的可能。

許祐嘉說，自己2001年接掌大陸業務時，發現中國員工心中常會暗想：「華碩是家台灣公司，會不會只把我們大陸人當工具，最後所有經理級的位置都還是台灣人的？」於是許祐嘉告訴他們：「我不管台幹陸幹，我只管能不能幹，我的工作是要展現成績，而不是保障哪個地區人民的工作權」。

許祐嘉強調，讓不同地區的員工都知道，每個人都有機會攀升到一定程度的位置，這件事取決於自己，而不是取決於主管、政治或特殊目的的安排，這就是一種雙贏思維，也是企業走向國際時的基本原則。因為一旦員工相信了這件事，才會為自己設定未來的工作目標，才能以終為始，主動積極地努力往前衝，開創業務上的各種機會和可能。

透過以雙贏思維為起點，許祐嘉激起來自不同地區、背景的員工能夠團結一致，5年內，便讓華碩筆記型電腦在中國的銷售量，從10名之外大舉躍居至第3名，成為一線品牌。

【註1】

柯維7習慣

習慣❶：主動積極

習慣❷：以終為始

習慣❸：要事第一

習慣❹：雙贏思維

習慣❺：知彼解己

習慣❻：統合綜效

習慣❼：不斷更新

Stephen Covey（1932～2012）
成功學大師史蒂芬．柯維

柯維小時候深具運動天賦，曾立志長大後要成為職業網球選手，然而12歲時他卻罹患了「股骨生長板滑脫症」，不只無法跑跳，甚至惡化到必須拄著柺杖才能站立。

這場為期3年半的重病，徹底改變了柯維的一生，由於被迫放棄運動生涯，他將生活目標轉向研究學問。柯維16歲就跳級進入猶他大學（University of Utah）研讀企業管理，畢業後先前往英國傳教，爾後又回到美國進入哈佛大學（Harvard University）取得MBA學位。

在哈佛大學求學期間，他感受教育他人的魅力，從中聽見了自己內心的聲音，發現自己「成為老師」的天職。畢業後，他回到猶他大學教授企業管理，並進一步在楊百瀚大學（Brigham Young University）取得宗教教育博士。那幾年的教學與研究經驗，幫助柯維逐步累積出後來以品格為基礎的7個習慣理論與架構雛形。

隨著想法的日趨成熟，他期盼將這份「以原則為中心的領導論」對外推廣，於是在1987年正式成立了「柯維領導力中心」，並在1989年將7個習慣正式成書，後來更進一步將這些內容變成培訓課程，協助更多人發覺自己該從哪裡做出改變，讓自身於公於私都能更進步，成就人生的全面成功。

資料來源《經理人月刊No.96》

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。