[Mr. Finance] 何處尋覓下一個太平繁榮盛世？|數位時代 BusinessNext

不知不覺中，台灣股票市場加權指數已經攻近萬點大門，讓沒有半張股票的我又是好奇又是羨慕。遇到原本愛玩股票的老友，不免多問了一句：「這次賺了多少？」哪知道他沒好氣地回答：「賺什麼賺，我現在連工作都沒了，我工作的創投都關門大吉了，物又飛漲，那有錢玩股票！」

我更好奇了，於是多問了幾個人，想知道這次股票市場的躍升到底造福了誰？得到的答案不一而足：

「這次都是外資賺啦！我在紅茶店賠光老本後，就什麼都沒有了！」

「老闆，利瑪竇幫幫忙，我才30幾歲，學貸都還沒還完，哪有錢買股票，我這一輩沒有在買股票的啦！」

「噓！我先跟你說：差不多該出場了，這次漲得很虛，聽說台積電也掉了大單，我昨天晚上美國盤先出了，今天一早我要狂殺。不過嘿嘿嘿，我其實是外資。」

於是我再請教了許多耆老，他們表示台灣的股票市場，早就有了巨大的改變：首先，不再是全民運動，而是外資與假外資撐起一邊天，外資對台灣市場的影響力越來越大，尤其許多原本在股票市場上影響力巨大的「中實戶」，如今已經搖身一變成為假外資，他們的一舉一動也在外資的眼中，外資擁有的「巨量資料」，讓外資對市場的影響更上一層樓。

有一位這一波頗有斬獲的操盤手，說起來卻是分外憂心：「這波市場的反彈，是老舊的題材加上增加的訂單，像大立光、聯發科或台積電這些公司，本來就是好公司，這一波訂單增加，是因為手機產業這一波需求改變，創造大量的需求。可是股價漲幅遠大於訂單的漲幅，讓人心驚膽跳。我也擔心，這一次過後，什麼時候才是下一個太平盛世？」

他的擔憂是有道理的。我們一再嚷嚷要產業轉型，可是這10年間，台灣的創業者人數有限，成就也有限，不但網際網路的新事業發展，台灣遠落後在中國身後，下一波眾人矚目的移動互聯網（Mobile Internet）以及物聯網（Internet of Things），台灣也面臨明顯的落後。目前台灣的資本市場，還在靠半導體以及手機產業吃老本，可是如果仔細看看，台灣的資通訊產業，不管是製造手機或是通訊設備，早就遠遠落在華為或是小米等中國公司後面。

最令人擔憂的是，看到台灣提供創業者資金的創業投資公司，一家接著一家關門，卻看到中國的創業投資（中國稱為「風險投資」)、更前端的天使資金以及換檔再加速的私募股權基金，如雨後春筍般成立，提供了產業發展源源不絕的動能。中國連政府都積極出手，成立主權基金。同時去年開始，中國政府已經把半導體列為策略產業，全力發展，過去1年不少國際上出售的IC Design House，最後都落在中國投資人手中。台灣半導體產業過去20年叱吒風雲的地位，可能面臨巨大的挑戰。

所以哪個是台灣下一個明星產業？何時迎來台灣下一波太平繁榮盛世？我抓破了頭，還是沒有答案。

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。