[簡立峰] 開放資料的價值|數位時代 BusinessNext

每個縣市政府都有自己的App，為什麼不整合起來？以前養蚊子館，現在養蚊子App。如果是開放資料，這件事就解決了，因為會有人去開發成更適合消費者的應用。

政府的資料就是全民資產，傳統概念比較保守，但現在漸漸開放。歐巴馬政府前幾個月才宣布，政府資料預設就要開放，除非機密性資料才能關起來。前陣子和政府合作開放資料平台的過程中，可以看到每個政府單位本身都很認真，但單位與單位間好像就沒有那麼多權利與義務的合作，這是政府本身要突破的。

開放資料對台灣帶來的另一個好處是，我們的軟體網路產業以前常常抱怨政府資料不開放，如果現在開放了，產業還是起不來，那就少一個藉口。但我相信不會這樣，台灣這十幾年來產學沒有整合，才是最嚴重的問題。現在網路科技和軟體的應用很多需要資料，但學校裡是沒有的。這種情形下，如果政府能開放資料，學生在校園裡就能練兵，團隊就能提高技術門檻，等技術成熟就能出來創業。

最近看到的問題是，台灣的技術型創業非常少，大部分是生活產業，那是從生活經驗和人脈裡累積出來的。但是校園或研究機構裡，以技術為基礎的創業幾乎沒有，如此一來無法墊高技術門檻。開放資料多少可幫助拉進這一塊，提供外界資訊、實際參與感和實際使用者。如果憑空想像、自行製造，都不是真實的。

開放資料還包含政府施政的檢驗，或者也可以幫忙傳播施政效果，但政府壓力一定會因此越來越大。政府定期都發布土石流、水位警戒，但誰會知道？大家都是看電視的，但電視沒辦法選擇這麼多來報。其實在颱風來前後，都有淹水警訊，但該知道的人都不知道，因為它沒有地方可以發布，就只能公告在單位的網站上，或者告訴地方防災應變中心，出不了門。已經有警示了，該被警告的卻不知道，這很可惜。

台灣擁有的醫療資料很豐富，因為有健保，但現在大家似乎對這塊很保守，這裡絕對有很大價值。比如說，可以從病人治癒的狀況去回推用藥，交叉比對下可以找出很多問題，可能是醫生或醫院的問題，可能是用藥交叉感染問題。對不少單位來說卻很擔心這種情形，因為有些人覺得當這些資訊透明後，不見得會被正確解讀，造成許多醫療糾紛。但這件事卻對全民健康很重要，甚至可替產業創造商機。

開放資料真正要去突破的，是以後每個單位能不能有一個責任，成為經濟部的一部分，因為如果不是這樣，每個單位的權責就會很保守。現在中央各部會只有經濟部是負責創造經濟機會的，其他都不是，因為目的的關係，會造成他們坐擁金山，卻當成垃圾。健保這資料也是，風險一定有，但應該也能想到方法降低風險。

台灣有兩群人很聰明，念電機和念醫學的，但他們從來沒有合作過。在醫療電子產業其實是有機會的，甚至全民健保就是實驗場所。台灣人看病次數遠高於美國，雖然是2300萬地方，或許等於美國1億人口市場，就是我們醫療電子很適合練兵的地方。台灣大部分電子業都開始往醫療走，光是醫材就不得了，在醫院裡所有用到的醫療設備，能夠做電腦的，這些都可以做。例如大立光能做鏡頭，也能在很多醫療儀器做鏡頭。電子業不應該是電腦業，可以更多元性。（口述／簡立峰整理／趙郁竹出自）

【活動預告】創業小聚#34* **** ：創新創業X* **** ** 生活服務 **** 詳見活動網頁

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。