【培養好習慣】永遠以「自己」和「現在」為主角, 捨去用不到的雜物
【培養好習慣】永遠以「自己」和「現在」為主角, 捨去用不到的雜物
2013.02.17 |

如果說取捨是整理的第一步,那哪些東西該留?哪些又該捨?你的判斷基準會是什麼?很多人可能會說,「不能用的垃圾當然就直接丟啦!」所以壞掉的食物、過期的發票、破洞的衣服、無用的傳單,通通都可以輕易掃進垃圾桶裡。

但對於一些「還可以用,卻用不到」的東西,你會怎麼處理?免費拿到的購物袋、超商提供的免洗筷、路邊發送的原子筆、蛋糕附贈的保冷劑……面對這些東西,很多人會覺得「或許某天用得上,丟了實在可惜」而收起來,於是不知不覺中日積月累,生活空間中塞滿了這些「堪用的雜物」。

事實上,這些東西也應該全部捨棄。

以「會不會用到」做取捨,而不是「堪不堪用」
「把還能用的東西丟掉,不是很可惜嗎?說不定哪一天還會需要啊!」很多人可能都會這樣反問,但日本知名雜物整理諮商師山下英子,在大賣超過130萬本的《斷捨離》一書中表示,物品不用就沒有意義,許多在家中存放了好幾個月,甚至好幾年的物品,其實只不過因為不是生鮮食材才沒有爛掉,即便沒有壞,但就機能面來說早就腐敗了,本質上根本與「可回收垃圾」幾乎無異。

因此山下在《斷捨離行法》中明白指出,判斷一件物品該不該丟,基準非常簡單,那就是「不著眼於『堪用』或『不堪用』,而是『會用到』與『不會用到』」。

以此出發,任何事物都可以單純區分為以下兩種:

該留下的東西:以後還會用到,對現在的自己而言是「需要、適合而且愉快的東西」。

這些東西可能每天都會用到(例如喜愛的衣服)、或到了某個季節才會用到(例如戶外用品、聖誕樹等),不管是哪一種,自己都明確知道何時會拿出來使用;或是每次看到就會覺得幸福愉快的東西,例如特別珍愛的收藏、寫滿祝福的親筆賀卡等,以上都屬於會用到的東西。

該捨棄的東西:以後不會用到,對現在的自己而言是「不需要、不適合且不愉快的東西」。

不管是壞掉而無法修復的東西、已經完全耗損而無法使用的物品;或是雖然功能沒壞,但卻完全不會與不想用到的雜物(收在櫃中早已遺忘、或明知擺在那裡,卻視若無睹),這些用不到的東西對一個人的價值來說其實與垃圾無異,留下來也只是占空間而已,應該儘早捨棄。

以當下需求為取捨原點,而不是物品狀態 山下進一步解釋,上述對於物品分類的敘述,包含了兩個關於取捨時最重要的思考關鍵字:「自己」與「現在」,前者指出了評估物品存在意義時的「關係軸」,後者代表了物品對個人價值所在的「時間軸」。

所謂自己,是指必須將判別物品捨棄與否的焦點,從物品狀態轉移到自己身上,進而有意識地篩選出哪些東西應該留在身邊,而不是只因為「這個物品還能用」而留著。

而現在,則是必須從「現在需不需要」來決定這件物品對自己的價值,而不要執著於「過去」(當初買這個東西花了好多錢!),或希冀於「未來」(這件衣服我若減肥5公斤就能穿了)。 「捨,其實就是學會面對自我,」山下在《俯瞰力》一書中表示,任何進入我們生活之中的物品,當初一定都不會是廢物,然而隨著時間過去,或是需求改變,也可能是環境不同,有些東西必定會變得不再那麼合用。

取捨,就是釐清自己與物品之間當下的關係,進而察覺哪些東西才符合自己目前的需求。

如此,才能讓自己生活在每一樣東西都是精挑細選、且令人心情舒爽的環境中;反之,若將不屑一顧、置之不用,形同垃圾的東西,糊里糊塗地放置在生活空間中,等同讓自己活在垃圾場裡,只會徒然損耗自己的精神與能量,不只容易心情惡劣,更阻礙真正適合自己的新東西流入。

 

出自經理人網站

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓