你的品牌、你的時代來臨|數位時代 BusinessNext

抓住自我生態圈浪潮

這樣的變化對亞洲品牌而言是一個挑戰。Interbrand亞太地區總經理葛林（Stuart Green）就觀察，亞太地區大多數品牌並沒有以有意義的方式取得或利用大數據，「他們只是捕捉它。」缺少對大數據驅動的洞察力，過多的訊息反而讓很多品牌更糊塗了，或者根本忙不過來。此外，不同於西方國家的個人主義導向，亞洲地區的集體意識仍強，對於品牌經營者而言，誰能先掌握到轉換的方法，就能在自我生態時代生存。

在自我生態時代，重點是圍繞著人們現實生活的背景和目的，不同的產品及服務產生經驗上的全新體驗，也因此雲端應用（Cloud）和物聯網（IoT）這兩大產業趨勢，決定了許多品牌未來的價值。在全球百大品牌中，就有13個是科技產業的代表，總體品牌價值高達4,932億美元，年增長高達11.3％。位居前10大的蘋果、Google、IBM，近來都非常積極以人為中心，整合裝置及數據，發展各式連網應用。

值得關注的是，中國品牌華為以41.38億美元拿下第94名，這也是中國品牌的首次入榜。相較之下，過去代表台灣科技品牌的宏達電與宏碁，2014年品牌價值出現衰退，宏達電下降了37％，宏碁則下降30％。

「以前宏碁把資源都放在PC，但這些資源能有多少牛肉，大家心裡有數，搞不好只剩骨頭都要啃下去，應該要將部分資源放到比較有價值、新的事業。」宏碁創辦人施振榮在自己70歲大壽前夕時談到。中國企業借重大市場，創造價值的空間就大，阿里巴巴集團創辦人馬雲找了許多利害相關者共創價值，台灣如何利用核心能力，找到共創價值的空間，是目前最待突破的問題。

將資源放到新的事業上

近來台灣企業開始注意到物聯網的趨勢，積極地尋求突破。然而目前台灣在此領域只進化了一半，可以做出東西，卻不知如何應用，關鍵在於台灣缺乏跨產業的水平式整合應用。

2014年開始啟動品牌計畫的聯發科，就提出LinkIt開發平台。2014年9月，發表科技創意實驗室（MediaTek Labs）全球計畫，初期以聯發科的LinkIt開發平台為主要推動項目，提供軟件開發套件（SDK）、硬件開發套件（HDK）、技術文件，以及技術與商業上的支援，希望藉此開發平台，推動穿戴式及物聯網生態體系。「未來將從大量製造轉成小量多樣，這是挑戰也是最好的機會！」聯發科總經理謝清江指出。

物聯網的發展還在相當初期階段，但跑的速度會非常快，而且目前沒有所謂的標準化，任何人都可以是英雄。廣達電腦技術長、同時也是廣達研究院院長張嘉淵就以《易經》舉例笑說：「見群龍無首，下一句是什麼？是大吉！」不是沒有機會，而是誰能更快理解並掌握時代的變化。

（尊重智慧財產權，如需轉載請註明資料來源：《數位時代》第248期）
其他精彩內容》》
訂閱數位時代》》

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。