找到興趣同好，交友更交心(一)|數位時代 BusinessNext

透過獨特的興趣標籤功能，iMatchbox讓線上交友不再刻意，轉而從共同喜好出發，上線不到兩年，就吸引4萬2千人使用。

如果說每個人身旁都圍繞著代表自己的興趣關鍵字，那麼交友網站iMatchbox要做的，就是讓這些隱性關鍵字被所有人看到。

「喜歡古早味、喜歡當背包客、喜歡詩歌」，點開iMatchbox上的會員檔案，你看不到「180公分、男性、大學畢業」等制式條件，而是以興趣為線索，拼湊出一個人的完整面向，讓iMatchbox在清一色的交友網站中，顯得格外不同。

「我們想讓交友不再刻意，而是貼近現實生活中的交友情境，因興趣而聚在一起，」iMatchbox創辦人林宇輝說。透過獨家功能「興趣標籤」，仿照Twitter為訊息加上井字號的標籤方式，會員在個人塗鴉牆上發文時，也能加入興趣標籤，同時展現在個人介紹中。點入每個興趣分類，就能遇見其他同好，自然開啟話題。

iMatchbox業務總監洪偉洲回憶，一次和飯店攝影展合作舉辦實體見面會的經驗，更讓他們發現，以興趣作為交友基礎，男女之間的互動也比單純見面來得自然誠懇。

iMatchbox上的興趣社群五花八門，數量已破千個，比起其他交友網站的興趣分類，寫下「看展覽、單眼相機、哈士奇」，就比喜歡「藝文活動、攝影、喜歡狗」讓一個人更加立體。以興趣為賣點，目前iMatchbox已吸引4萬2千人使用，今年還要拚10萬會員。

上線不到兩年，iMatchbox看似取得不錯開始，但就在短短時間內，撇開網站歷經四次重大改版不說，林宇輝首先面臨的難關，是得先說服自己的父親。原來眼前這位不多話的七年級生，是廣達集團董事長林百里的小兒子。

說服老爸拚創業
總是保持低調的林宇輝，就連另一位共同創辦人曾國哲，當初也是認識他兩年後，才知道他的身分。

在就業路上，林宇輝一直扮演順從角色。從國外求學回台灣後，念經濟出身的他，在父親安排下進入花旗銀行擔任儲備幹部，兩年後到了廣達，在廣達待了三年，卻越來越想離開。

「在廣達我無法歷練，也沒有發揮空間，」林宇輝誠實地說。廣達組織龐大又歷史悠久，每項決策關係重大，他雖有很多想法但都不能實現，「一個決定可能關係到100億，這決定我不能也不敢去做。」加上他缺乏經驗，每當資深前輩提出不同意見時，林宇輝根本無法堅持。

林宇輝知道，最快獲得歷練的方式，就是離開廣達。但他清楚父親一定不會同意，因此他先以報考台大EMBA的理由，先向爸爸辭職，也才讓重視教育的林百里一口答應。在辭職後的半年間，林宇輝到處尋找機會，跟許多創業朋友聊過不同想法，「但我爸都以為我在家裡乖乖讀書。」

最後決定切入線上交友，是林宇輝從生活中發現的機會。他觀察身邊有很多條件不錯的男、女生朋友都是單身，代表交友市場一定還有未被滿足的空缺。於是林宇輝找來曾在花旗一同擔任儲備幹部的好戰友洪偉洲、曾國哲，三人拿了1700萬元，就此踏上創業之路。

直到2010年底公司已登記成立，林宇輝才決定向父親攤牌。說出實情的那一刻，林百里著實不高興，一連用了「你沒經驗」、「這沒市場」、「也沒計畫」等理由否決，最後連「一定失敗」也脫口而出。

但林宇輝只告訴父親：「你不讓我失敗怎麼會成功？難道一輩子在廣達裡受保護嗎？」這時林百里雖然生氣，卻也反駁不了他的話。這一次，林宇輝終於有機會選擇自己要走的路，只是沒料到前面等著他的，是條崎嶇的創業路。

資料來源《數位時代No.224》

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。