華爾街的人才為什麼紛紛湧向矽谷?
華爾街的人才為什麼紛紛湧向矽谷?
2014.08.06 | 科技

許多華爾街的銀行家開始脫下西裝革履,轉而換上了休閒的運動服。走出高樓林立的紐約,來到好山好水好陽光的矽谷。

5月份,高盛集團的科技、媒體和電信組的負責人Anthony Noto決定辭職加入對沖基金Coatue Management。但到了七月份,令整個華爾街意外的是,他接下了Twitter CFO的擔子。

Noto並不是個案。如今,正有大批財經專家和商學院畢業生,紛紛放棄了銀行的工作,蜂擁前去科技類公司。Adam Zoia是搜尋公司Glocap Search 的CEO。他說,自金融危機以來,代表身份和地位象徵的金融類工作便熱度大減,而科技類工作卻異軍突起。

據華頓商學院數據顯示,科技行業的就業率位列第三。2014 年,13.5%的畢業生選擇了這一領域,這個數字在2008年僅僅是5.6%;2013年,18%的哈佛商學院畢業生選擇了科技行業,幾乎是2008年的三倍。轉行的不僅僅是剛畢業的MBA,就連已經涉足銀行業的人也都迫不及待想跳槽。

Cathy Li便是其中一員,2009年,她離開了Barclay,加入了Gilt Groupe。她說,僅僅呆了兩個月,她便去意已決。並非工作不順,而是企業文化難以融入。「那裡的人窮得只剩下錢了,我沒有任何導師,整個人都迷失了。」而新的工作竟是曾經被自己拒絕的公司,她搖身一變成為一名產品經理。放棄一份優厚的收入並不容易,跳槽也沒有想像中那麼輕鬆:缺乏經驗、隔行如隔山、適應矽谷開放自由的工作,還要放棄曾經的優厚待遇。

Adam Zoia 表示:「金融人才也有不少優勢,他們工作拼命、高效、死守deadline。」

Hired的聯合創始辦Matt Mickiewicz認為,創業公司需要會做生意的人,他們能幫助公司成長。尤其是那些MBA,他們懂得預估市場規模、並巧妙制定策略,讓公司名利雙收。SkillBridge的聯合創始人Stephen Robert Morse也對此深信不疑,「懂得使用Excel、會分析數據、有好創意的人,都是創業公司所需要的。」他希望自己的員工學會運用數據,去擴大用戶量、增加購買量。

新創公司如此,大公司亦然。LinkedIn便是個例子,他們正不遺餘力得挖財經、諮詢類背景的專才。人事總監Brendan Browne希望藉鑑他們的問題處理框架,數據挖掘技巧,以及有效的溝通能力,這些都是LinkedIn的業務核心。而候選人們的工作範圍也會超越金融,分散涉及到公司運營、企業建設甚至銷售等領域。

Li在Gilt主要負責網站分析、確定模式、以及解決商業問題,這些工作無一不考察她的創造性和問題解決能力。然而,幾個月前,公司還只是希望找一個有銷售或者工程背景的人做這些事。創業公司早期希望獲得大筆資金,接下來他們要做的是精打細算。

頂尖的科技公司Google, Facebook 和Amazon 都開始增加對MBA人才的需求,給出的薪資與金融類職位不相上下。對於早期的創業公司,如果發不出這麼高的薪水,也會用股份吸引有衝勁的年輕人。除了期權池(Option Pools)的誘惑,科技類公司還會為員工提供更多成長空間。比如LinkedIn的暑期實習律師Audrey Zhou 就在收購Newsle的項目中,得到了與執行長Jeff Weiner以及共同創辦人Reid Hoffman溝通的機會。

本文編譯自cnbc.com,轉載自36氪

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