【台灣網路關鍵對話】 PC 時代進入尾聲，台灣的下一個加速曲線在哪裡？|數位時代 BusinessNext

今天早上 5 點照慣例起床讀新聞，映入眼簾的是這張驚人的圖表。根據市調機構 IDC 的統計，與去年同期相較，今年第一季 PC 的全球出貨量大幅衰退 13.9%，不僅衰退幅度連續四季增加，更重要的是 -13.9% 這數字是 IDC 自 1994 年開始追蹤全球 PC 產業以來，史上最大的跌幅。

![](http://mrjamie.cc/wp-content/uploads/2013/04/idc-1q13-pc-shipments-chart02-456x325.png)

PC 產業從 1980 年代開始發展，在 1990 年代逐漸蓬勃，我想可以合理的推論，1994 年以前 PC 也不曾如此衰退過。而過去這一年來的衰退情況，我想幾乎可以被解讀為 PC 產業經歷了成長期、高峰期，現在正式要邁入夕陽期的徵兆。

當然消費者對 Windows 8 的冷感是 PC 加速衰退的主因之一，但事實是 Apple 的 Mac 系列並沒有被排除在 IDC 的統計裡面，這次的報告中也指出 Mac 雖然沒有像 Windows 那樣重跌，但在過去一季仍是衰退。

而 PC 真正的殺手其實是「後 PC 裝置」，也就是智慧型手機、平板電腦等「移動終端」。當這些裝置越來越能滿足消費者上網的需求，則他們對 PC 的依賴也就越來越低。在 2012 年的第四季，全球消費者分別購買了 5,250 萬台平板電腦與 2.2 億支智慧手機，較前年同期成長了 75.3% 與 36.4%。相較之下，在 2012 年的第四季，PC 的出貨量是 8,979 萬台，衰退 6.4%。

也就是說，不僅智慧手機的出貨量已大幅超越 PC，就連平板電腦的出貨量也有機會在今年內與 PC 出現死亡交叉。當然智慧手機與平板電腦內，還是使用了很多 PC 產業發展出來的元件，但重點是這些裝置的代工價格與毛利常常遠低過 PC，更糟的是台灣在後 PC 供應鏈的競爭優勢目前仍非常薄弱。所以當 PC 越衰退，後 PC 越蓬勃，台灣的未來也就越危險。

因此當務之急，我們不僅要趕快打入後 PC 供應鏈，還需要發展新產業來迎向未來。當然我們已經在布局生技、文創等新興產業，但除此之外，我認同詹宏志先生所說的，我們應該要把「網路產業」標示成台灣未來 30 年發展的重點產業。網路產業是「知識密集」的服務性產業，有「以小博大」的可能性。無論是大國、小國，都有網路公司從自己的本土市場出發，然後逐漸發展成全球的企業的例子 — Google、Facebook、Amazon 或是 Rovio (Angry Birds 母公司)、Line 以及日本的 DeNA，GREE、GungHo 都是很好的例子。

當然台灣發展網路產業不是沒有挑戰，我們的創投產業對網路的 Know-How 普遍不熟悉，需要訓練、引進更多更國際化的人才，也需要請政府鬆綁諸多在「沒有考慮到網路產業發展」前提下所制定的法規與政策。但我們也有一些優勢，我們的電子商務在全球相當領先，我們有很好的工程師素質與數量，也有機會結合有全球華人影響力的娛樂產業。

過去 30 年，台灣搭著 PC 的全球普及化，成長至今天蓬勃的景象。但未來 5 年，將會是台灣歷史上的關鍵轉折，我們需要進行非常艱難的產業替代，讓經濟搭上下一個火車頭持續發展下去。

我和 TIEA 台灣網路暨電商發展協會的同仁們認為網路產業必須是台灣的下一個火車頭，如果你能認同我們的想法，我邀請你一起來加入這個協會，和我們一起推動網路產業在台灣的發展。

(Graph via IDC)

出自 Mr. Jamie

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。