[數位觀點] 對於智慧手錶，你到底期望什麼？|數位時代 BusinessNext

10日凌晨有不少人熬夜，看著蘋果產品發表會的直播，除了粉絲、媒體之外，恐怕更多的是競爭業者，看蘋果如何出招，再想著怎麼接招，特別是下半年的產品策略及定價，肯定都會受到調整，而最受市場關注的，就是Apple Watch終於現身。

就Apple Watch的外觀而言，有人認為美如珠寶，當然也有人認為有點醜，毀譽參半。功能面，不論是發訊息、通話、瀏覽簡單資訊、記錄心跳、跑步時間，也不脫當初外界猜測的範圍，少了驚喜，是多數的聲音。

enter image description here
圖說：Apple Watch明年初開賣，售價349美元。（圖片來源：取自蘋果官網）

對於所謂的智慧手錶，用戶到底期待什麼？或許連身為消費者的你、我目前都不知道，我們也不清楚，是否非得把生活變得如此複雜？如此逃不離數位資訊的掌控？但，暫時可以簡單下個結論，要讓消費者發出Wow一聲的智慧手錶，要以現有的技術來做，短期內可能做不到。

例如，手錶尺寸小，觸控輸入其實並不好用，更何況有時還可能需要輸入長字串，更是災難，對手錶最好的操作就是「用說的」，但目前語音辨識技術的成熟度、準確度都有待加強，特別是中文。

另外，電池續航力依舊是個問題，Apple Watch用多久需要充一次電？或許要等開賣後才知曉，但業界人士預估，恐怕最多只能撐一天，仍是不利使用者的問題。

至於售價349美元，約1.05萬台幣，以蘋果向來高貴的姿態，不該嫌其價格偏貴，這是品牌定位問題，只是同樣價位可以買支SEIKO、CITIZEN等不錯的錶，就看消費者的需求。

不過，值得注意的是，Apple Watch設計了digital crown的圓形轉軸，明顯就是為了解決手滑小螢幕的問題，因此digital crown的使用友善度將是關鍵，能否像iPhone推出時，UI就立刻受到大家歡迎、簡單上手，如果digital crown接受度高，後續有機會帶動銷量。

儘管，這次的Apple Watch並非完美，蘋果某些策略還是值得其他品牌參考，特別是「懂得按捺」，對於要殺進現有產業結構較不易撼動的市場，蘋果總是懂得按捺，約莫在2012年底，業界就已傳出蘋果正在開發iWatch的消息，但人們對傳統手錶不論是在實用面或地位表徵上，都對其有一定的依賴程度，加上智慧手錶需求不明，先讓對手三星、SONY的產品去測試水溫、教育市場、研究需求，蘋果才會出手。不像某些品牌急就章，外觀、功能都不到位，就只想靠低價吃市場。

別忘了，還有傳了比Apple Watch更久的iTV，到現在更是不見蹤影，電視產業既有競爭就相當激烈，而且影視內容生態更是複雜，當蘋果還沒有串起完整的內容服務，相信也不會貿然搶進。

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。