天才首富的秘密焦慮
天才首富的秘密焦慮
2006.03.15 | 人物

搖滾歌手麥可•傑克森(Michael Jackson)在英、美唱片排行榜上拿過十三個冠軍,CD銷售超過三億張,但麥可卻不是全球賣CD最多的人,事實上,這位唱片之王還差遠了──微軟董事長比爾•蓋茲賣CD的數量是麥可的兩倍,而一張微軟Windows光碟片的售價,則是麥可CD的十倍以上。
今年三月九日,《富比士》雜誌對蓋茲財富的最新統計是五百億美金,這筆錢足以買下「尼加拉瓜」這個國家,而如果把這財富換成一張張的一元美金鈔票,其連起來的長度,可由地球來回月球三趟。
回顧微軟當年奇蹟似的創業史,你可以發現:蓋茲並沒有發明任何個人電腦產業裡的任何一樣關鍵產品──微軟賴以起家的BASIC程式語言,是比蓋茲更早十年的兩位達特茅斯(Dartmouth)大學教授先寫出來的;Word的前輩是WordPerfect、Excel的先行者是Lotus、WinCE之前有PalmPilot、Explorer之前是網景的Navigator,而在Windows之前的是蘋果的Macintosh,即便開個人電腦操作系統之先的DOS(Disk Operating System),也是蓋茲在另一個程式設計師Tim Peterson的QDOS上改寫出來的(而QDOS則是改寫自另一個程式天才Gary Kidall的CP/M,足證科技創新並非一人之力可成)。微軟之能夠在個人電腦產業裡獨享一半的利潤,靠的不是技術創新,而是蓋茲慧眼獨具的商業天賦:他在IBM僅做獨家生意的錯誤堅持下,大開授權的方便之門,卻也藉此壟斷了軟體作業平台,當世界上96%的個人電腦都靠Windows來開機,這產業就不得不遷就微軟所訂下的各種標準,而且愈來愈難以自拔。

天才首富的「影響之焦慮」

這種後發先至的敏感,也表現在蓋茲一九九四年的婚姻大事上:他追求現在的妻子Melinda,靠的是一套拼圖遊戲禮物──但蓋茲私底下買了同樣的另外一套,這使他可以私下預先演練,以博得美人芳心。蓋茲的聰明,為全球商業與科技世界立下了一種特有的「『標準』恐懼症」,每個玩家都害怕微軟,也害怕「另一個微軟」出現,由DVD錄影到三G行動通訊,標準化的過程變得異常艱辛;而「阻礙創新」的罪名,也讓蓋茲史無前例地兩度走上反托辣斯法的法庭。

天才首富的「影響之焦慮」

但即便富可敵國,蓋茲仍就是個活生生的人,前《舊金山紀事報》記者Gary Rivlin在其《The Plot to Get Bill Gates》一書中紀錄:當蓋茲第二度面對聯邦政府對微軟的指控時,他不禁潸然淚下地歎息:「為什麼每個人都如此恨我?」
然而,我們更好奇的是:中年的比爾蓋茲,他真的僅甘於首富之尊,而寧願平靜終老於人生下半場嗎?
蓋茲生於一九五五年,那一年,也同樣誕生了另一個奇人:創辦蘋果的賈伯斯。和蓋茲略顯單調的「洛克斐勒式霸業」不同,賈伯斯以創造性感的硬體和氣質性的科技服務取勝,微軟江山一帆風順,蘋果的歷史則顛沛流離,但要問任一個美國人:賈伯斯的原創形象遠遠可親得多,對一位期許與愛迪生、愛因斯坦和達文西比肩的天才而言,這是多麼磊重的一種「影響之焦慮」?
我相信,這是為什麼蓋茲親自跳上火線,推動微軟第一個硬體產品「Xbox遊戲機」的緣由,也是「Xbox 360」試探革命性美學造型的背後義理──他的人生,就是少一個「創新冠軍」,一個讓新世代能感動的器物,一個人文的破折號……。

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