百度CEO李彥宏~智能硬體應看重「改造」，而非「創造」|數位時代 BusinessNext

百度CEO李彥宏於5月29日舉辦的「百度聯盟峰會」上，分享對互聯網未來的發展。根據他所發表的內容，歸納出以下五點。

1**、傳統產業勢必改變的覺悟
**小度i耳目是一款遠程監控的雲端攝影鏡頭，現已接入北京動物園，動物園最初對於這項合作很矛盾，他們擔心觀眾透過互聯網看到動物，就不買門票觀賞了。

但站在互聯網公司的立場，會覺得這樣的糾結很不可思議，因為互聯網不只不會減少到店消費的客流，反而會擴散引發更多人流作用，結合數據分析對服務業來說，更可以提高回留率。未來，智能硬體和互聯網可突破時空限制，幫助企業發揮優勢釋放價值，傳統產業應該意識到這一點。

作為百度聯盟合作夥伴，歡聚時代的李學凌也分享了獨到的觀點：聚美優品、京東商城，本質上都是傳統行業在應用互聯網手段，現在京東市值已是古老的純互聯網公司新浪的十倍了。十年之後，「互聯網公司」這個名詞將消失，互聯網成為每家企業的必備手段。

2**、智能硬體的大數據悖論
**智能硬體現在的思路幾乎都是要收集各種數據，不論是可穿戴手環還是手錶。智能眼鏡收集影音數據，智能家居收集溫度、濕度，智能汽車收集駕駛和路況數據。百度通過Dulife智能健康設備平台和百度Inside平台接入了數十個智能硬體產品，每天都有海量的數據過來。不過，李彥宏卻表示這些數據幾乎都沒用！

李彥宏曾與專業醫師溝通，發現現在手環等產品收集到的物理數據，並沒有實際的醫學價值，不足以幫助醫學檢測和診斷。百度是中國最大的大數據公司，縱使有技術有想法，也無法確實應用這些數據，其他的智能硬體創業者還是避免過度誇飾大數據帶來的應用。

3、智能硬體大數據的機會在於「新數據」和「慢數據」
**李彥宏認為，與其去尋求收集各種數據，但沒有實質用途。不如去思考究竟什麼數據才有應用價值。他認為智能硬體創業現在的難度不在於發明新的硬體，而是找到有價值的數據，但需要具備一定的專業知識和經驗形成跨領域的思考能力。**

除了「新數據」，大數據還應該更多關注「慢數據」。不少疾病都是多種因素日積月累形成的，如果能夠一直跟蹤用戶的生理數據，就可以發揮提前預防的作用。

其實現在這些數據已經存在，但還沒辦法收集起來。例如我們每天都刷牙，如果能將牙刷智能化收集唾液的一些指標，這樣的數據便具有醫學價值。醫學領域「生理數據」比「物理數據」更有實用價值。

李彥宏認為智能硬體領域機會最多，但需要不同產業相互碰撞出創新，企業家需更加開放，結合人工智能的技術，接下來幾年必定將有猛暴性的突破。

4**、智能硬體創業者應該「重改造，棄創造」
**現在的智能硬體創業者大都想著去創造一款全新的產品，從無到有地去「訓練」建立用戶的習慣。例如，本來不戴眼鏡的我們，卻要研發一款智能眼鏡讓用戶帶上；手環也是一樣的道理，這種硬生生地創造需求，在推廣上會非常困難。

他建議智能硬體創業者應是「改造思維」，而非創造。意味著被改造的智能硬體是在滿足原有功能的同時，「順便」把數據收集到。例如我上述提到的智能化牙刷，智能化後提供一些附加功能，但它所要滿足的原始需求還是得優先處理。

5**、百度的未來智能化硬體策略
**百度最近一年在智能硬體領域頗為積極，第一階段是產品思路，推出一系列自有產品。例如小度i耳目、小度WIFI、小度路由、小度音樂盒、百度影棒等等；到第二階段則是雲端服務的技術思維，透過dulife智能健康設備平台，提供服務的同時收集到數據；而現在則進入建立生態的平台化思維，也就是百度Inside。將百度系產品、百度Dulife雲、百度行銷資源和品牌優勢，打包一起提供給產業鏈。

不論是在哪個階段，百度始終都有收集數據的潛意識。因為搜索引擎是數據型業務，大數據和人工智能是百度抓住下一個十年的首要工作。從李彥宏提出對大數據和智能硬體的反思中可以看出，未來百度將會積極地推動具實務意義的智能硬體項目，尤其是在專業領域。例如醫療產業、企業級應用、與傳統行業結合等。因為那裡，有李彥宏的「改造思維」裡要改造的目標對象。

出自虎嗅網

【****2014****創業小聚暨****AAMA****台北搖籃計畫年會】

當穿戴裝置、物聯網、智慧應用為全球焦點時，你我的機會、台灣的機會在哪？7月9日創業小聚年會以「軟硬結合，啟動大創新時代」為主題，邀請Google台灣區董事總經理簡立峰、微軟亞太研發集團首席營運長申元慶、HWTrek硬體加速平台創辦人王仁中、大陸京東硬體平台JD+計畫負責人那昕、微程式資訊總經理吳騰彥(Youbike)、創意引晴執行長黃俊傑(影像辨識)、北京極科極客科技執行長王楚雲(智慧路由器)，還有多組創業團隊分享他們觀點和經驗。

時間：7月9日(週三) 9:30-17:00
地點：台大醫院國際會議中心R201，台北市徐州路2號2樓
參加方式：6/10****前享早鳥票****65****折優惠
參見活動網頁

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。