全球仿生科技大師珍妮．班亞斯：向自然學習，商機無限大|數位時代 BusinessNext

美國CNN新聞曾讚為全球不可不知的十位大師，仿生科技專家、全球仿生學先驅大師珍妮．班亞斯(Janine Benyus)就是其中一位，將自然法則導入科技運用，從觀察大自然、探索萬物法則及其生存策略，之中確實有許多關鍵技術和原理值得人類和產業界學習，並開拓相關商機。

珍妮．班亞斯指出，雖然人類創造經濟奇蹟，但同時也讓有限的地球資源陷入枯竭與全球暖化危機。在反思的浪潮中，「科技汙染」與「原始自然」常是人類面對的兩難。因而融合生物演化38億年智慧的「仿生科技」，逐漸為人類帶來一絲曙光。「好好觀察自然界很重要，」班亞斯說。

大自然就是一種創新

另外，像是蜘蛛人飛簷走壁不再只是科幻電影，生物仿生(Biomimicry)科技有望讓科幻技術在日常生活大躍進，仿生科技過去15年已創造數10億美元產值。

仿生科技真的可以落實生活，舉例來說，美國猶他州立大學(Utah State University)的15名工程學院學生從壁虎攀爬牆壁的靈感發想，發明1款吸盤爬牆機(Ascending Aggies) ，透過強大的吸力讓人類可以吸附於牆壁上，這項發明也讓這群學生獲得美國軍方5萬美元資助。

她認為，大部分科技的發展，歸功於自然所啟發的創新貢獻，工程師或科學家們必須在自然界中找到防水、航空力學、太陽能驅動等更多的設計靈感。」

比方說，日本減少子彈列車行駛時的噪音就是從鳥兒和魚得到靈感，就連日本Nissan的電動車也是參考蜜峰飛行的行徑和路線，以及一大群魚在水裡游卻不會亂了隊伍，並以此開發出車用雷達偵測和環繞車身的照相鏡頭。

另外，行動裝置為何感測聲音能如此迅速，就像人類的耳朵一樣智慧靈敏也是從大自然界的昆蟲中得到靈感；Volvo在車子裡的軟體系統也是從仿生學演化而來。

動物如何創造出它身上的色彩，例如孔雀、金龜子和各種顏色的蝴蝶，高通產品的mirasol的螢幕顯示像素，就是在台灣製造的，而且電力功耗可以比以前還低很多，這個技術對行動裝置非常重要，也是從蝴蝶翅膀的靈感而來。

鯊魚特殊的皮膚構造可以降低水阻，運輸船的船身表面就是採用類似原理，可節省航運能源；而蓮葉葉面的自淨功能，一般大樓外牆建築的設計也可參考發展類似的lotus coating蓮葉塗料，遇到雨天表面就不會那麼髒。

風力發電的風場效應，則是從海底魚類的移動觀察，發現其成群游行時，當中會造成很大的旋風，進而發現十倍速的風力，應用在垂直風場效應上；而從螢火蟲發光的原理中，則可發現原來LED 55%的光效率轉移可由此而來。

仿生科技將成為重要經濟價值

台灣經濟研究院生物科技產業研究中心主任孫智麗博士表示，2030年全球仿生學將高達1.6兆GDP產值其中5000億可節省能源損耗，「仿生產業在台灣的潛力仍待挖掘，可以借重商業與財務經營整合學界研發的力量來推動，使仿生學得以在經濟環境中從一個未成熟產業的角色，進而改變市場的遊戲規則，還能兼顧環境永續與經濟成長，建構屬於台灣的仿生經濟藍圖。」

孫智麗指出，根據國際研究顯示，仿生科技將成為潛在重要經濟體，歐美、中國大陸等國均積極發展，橫跨各產業領域並逐漸帶來影響，如農業、工程、建築、廢棄物管理及資訊科技等，尤其以製造業最為顯著。以仿生學為基礎的設計製造過程，將比傳統生產方式能省下更多原料，提供企業更好的解決方案。

清華大學陳柏宇教授則從材料科學的角度，介紹自然界中兼具強度、韌性且超輕量之複合材料。陳柏宇教授指出：「自然界的生物材料是具有複雜的奈微米結構及優異的機械性質，歷經數百萬年演化，生物材料具有許多人工材料所沒有的特點，如多階層結構、多功能性、於常溫常壓下自體組成、自我修復與適應環境的能力。」

成功大學李旺龍教授以工程融會生物智慧的角度提到，「人類該謙虛的向生物學習，當研究人員竊喜從生物發現了很多研究的課題，也該自省所成就的許多論文發表及創新發明，是否對生物界永續發展有所貢獻。讓大家看得懂、看得到仿生科技及願意採取行動朝永續發展的方向進行是仿生與科學傳播可以發光發熱的目標。」

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。