迎向消費者主導的世代，電信業加速布局「大數據」|數位時代 BusinessNext

一、中華電掌握行動數據，描繪客戶群像

中華電信資訊處副總經理林榮賜表示，全球電信業都迎向Big Data潮流，傳統的數據分析思維也跟著改變，從以往的「由問題找資料」，轉為「從資料找問題」，廠商都各自發掘其中可利用的價值。

林榮賜說明，目前中華電信主要的幾項大數據應用，包括分析潛在客群、推薦產品；展店選址、客群分析；網路建設規劃、品質提升；智慧影像檢索；及與政府公部門合作的平台與顧問服務。

對電信營運商來說，「大數據不只是了解過去，而是看未來趨勢」，林榮賜認為，現在電信業者已走入網路端，和網路服務有極大連結，大家都在思考業務創新的方向。「相較於其他行業，對電信業者而言，掌握用戶行動位置的資訊是優勢。」他舉例，數據資訊可以應用在拓展門市、行動基地台選址時，藉由分析各個地點的人潮流量，來找到客戶群像。

二、台哥大以個別用戶為主體，達成客訴智能化

台灣大哥大資深副總經理暨技術長揭朝華認為，智慧型手機的普及加速新一代行動寬頻網路建設，行動數據用戶、用量也正急劇增加。而電信業者之所以需要大數據，是因為當行動通信服務，已從以往的語音服務轉成數據服務，用戶的應用行為多變，電信商的服務指標也會開始轉變，轉成以個別用戶為主體的服務指標。

揭朝華舉例，近來企業接收過幾起客訴案件，反應的不是自家網路架構，而是APP Server端、路由器的問題，代表過去的網路平均指標已不再適用，而面對這樣的情況，就需要大數據分析的協助。他說明，電信業者需建置CEM（Customer Experience Management）系統，作為網路品質改善的依據，應用CEM系統掌握客戶需求。

揭朝華表示，目前台哥大在Big Data的客訴處理應用，是分析用戶的使用行為，包括設備效能、收訊品質、連線狀態及離線原因、客訴情況描述等，再往上送到CEM系統，進行客戶分群建立群像，透過數據搜集，達成客訴智能化的分析能力。揭朝華說明，以往要花很多時間處理的客訴問題，透過大數據分析都能有系統的解決。「大數據不管是在IT、業務行銷，都是很重要的一環。」

三、大數據，協助遠傳切進新領域

網路、行銷產業出身的遠傳執行副總經理洪小玲則表示，電信業者在大數據潮流下的佈局，應該結合網路產業有新的應用，「行動業者共同服務客戶，才能把數據應用的更好」。她認為，現在是行動數據的世界，人人都在滑手機、且時機越來越多，過去PC曾講求個人化，如今行動端也應加強個人化。

洪小玲說明，電信公司其實過去就擁有很多數據，知道很多消費者的興趣，藉此推播很多商家的訊息給消費者，但在行動數據時代，則要結合「行動」、「時間」兩項因素，才能抓住過往沒有的機會。

例如，遠傳便開創新的商業模式，子公司時間軸（Hiiir）推出行動娛樂服務平台friDay App助手，與國內外開發者合作提供App下載服務，並計劃未來提供影音、行動支付服務。洪小玲說，遠傳加入開發商、內容商的行列，就是意圖要結合多人力量，把內容服務做到最好，掌握網路佈建、電商平台、用戶體驗，形成三方皆贏的模式。「因為這是一個消費者主導的世代，對他們來說，好的資訊是寶藏，差的資訊是垃圾，我們要運用data給消費者好的資訊。」

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。