Google Ventures不只投資你，還幫你進行設計大改造|數位時代 BusinessNext

去年3月，Google Ventures打造了一支設計團隊，專為選定投資的公司進行設計改造，該團隊包括四位設計師以及一位UX設計師，這是因為Google Ventures選定投資的公司，多為技術起家，設計人員通常有限。

Google Ventures設計團隊會安排一周的密集會議，了解該公司需求、概念化解決方案、證明想法對錯之處，最後得出最好的產品概念和可能實踐的方式。不過在這之前，設計團隊必須了解該公司的產品或服務，但是不能涉入太深，才能保有中立態度指出問題所在。

以Google Ventures在2011年10月投資的餐廳預訂服務Ordr.in為例，該公司最初提供的服務鎖定B2B領域，是否可以拓展到個人消費市場？甚至是旅館或當地出版事業？

Google Ventures設計團隊第一天和Ordr.in執行長David Bloom、技術長Felix Sheng見面，稱作為「理解階段」（understand phase），聆聽Ordr.in團隊介紹目前的市場機會、現有產品、現有狀況與目標；與此同時，設計團隊以「我們可以如何」（how might we）的方式進行記錄，協助目標具體化，例如進行大規模的統計數據等。

設計團隊瞭解基礎背景後，很快就能深入公司核心，並進行未來計畫，過程當中的記錄是不可或缺的。不過大多數情況下，討論Ordr.in下一個產品，所面對的大環境並不明朗。

第二天，以前一天的記錄重點為主，展開「發散過程」（diverge process）。每個人都用不同的角度審視Ordr.in下一個產品，很快地在紙上畫出發展可能縮圖（不能超過40分鐘），接下來就要針對結果進行批評，先靜靜觀察，然後三分鐘內闡述最有希望和應該避免之處。持續三天之後，最後就確定了產品的可能形式，接下來要進入原型階段（prototyping stage）。

設計團隊打造使用者測試模型，受試者並不會知道他們正在使用未完成的應用程式，隔天是最後驗證階段（final validation stage）；第三天輪到UX設計師登場，其實進行測試之前，UX設計師已經列出一連串議題，UX設計師負責領導第三天的討論會議，設計師們會分屬在不同的會議室，各自提出意見，再由其中負責案子的設計師進行回應，這次討論結果會確認哪些想法是失敗的，但也會點出成功概念或是需要加以改善的地方。

有了詳加驗證的結果，Ordr.in必須面對下一步。設計團隊會刻意減少和Ordr.in的互動，即便Ordr.in並沒有任何一個全職設計師員工，這是因為Google Ventures設計團隊扮演的角色是提供爆發性設計能量，而非免費、全力支援這些被投資的新創公司。

Google Ventures設計團隊可以帶來真正的設計思考，舉例來說，當我們提問「這個按鍵該如何設計」，應該要改成這樣問「這個按鍵如何設計才能更加吸引人」，後者才是真正的關鍵問題。參加這些過程的人不一定需要是專業設計師，但應該是決策者，接下來的問題可以再聘請設計團隊或自由工作設計師加以改進。

雖然上述過程只是以Ordr.in為例，並非每一家被投資的公司都會經歷，不過設計團隊仍是Google Ventures的一大賣點，讓新創公司選擇合資夥伴時更具吸引力。

出自TheNextWeb

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。