收了這家公司，iPhone 拍照說不定甩Android 更遠|數位時代 BusinessNext

對以技術開發為重的「中東矽谷」以色列，蘋果從來不乏關注。今年2月，蘋果CEO Tim Cook曾造訪以色列，會見以色列總統Reuven Rivlin，並參觀了公司的以色列研發中心。近日，一家以色列公司成為蘋果囊中之物。

據華爾街日報披露，蘋果完成了對以色列成像技術公司LinX Computational Imaging Ltd 的收購。蘋果以實際行動證明了對以色列的重視，這也是繼Anobit Technologies 和PrimeSense之後，蘋果在以色列完成的第三筆收購。

不過，LinX還沒有給出回應，傳言的2000萬美元收購金額仍有待確認。蘋果一位發言人表示：蘋果會不定期收購一些規模較小的科技公司，但我們通常不會公開討論收購源由或者俱體計劃。

蘋果收購的這家LinX 公司成立於2011 年，是一家致力於開發智能手機和平板電腦微型相機模塊的科技新創公司。該公司的成像技術是利用能同時拍攝多幅圖像的大量傳感器和專有算法，能評估圖像景深，甚至可用來創建3D 實景地圖。

當然，能讓蘋果看中，LinX 的技術成果是主要因素。 LinX 稱其微型相機模組能在室內弱光環境下拍攝出更高品質的圖片，質量可媲美單眼相機。該公司的目標，是讓人們即使不使用笨重的相機設備，也能拍攝出令人讚嘆的好照片。根據該公司新聞稿描述，其技相機模組還能實現自動去除背景、3D物體模組和人臉識別等功能。

收購LinX 後，蘋果也許會對其iPhone 及iPad 攝像頭做一次升級改造。今年的蘋果新旗艦，相機模板將成為業界關注的焦點。儘管近年來，蘋果的成像技術一直是業界一流水平，但在一眾對手的鏡頭都飆升至1300 萬甚至2000萬像素的今天，800萬像素則沒多少優勢。

蘋果的企業驅動力源於不斷的技術革新。在成像技術上，蘋果希望一直是業界標竿級存在。目前來看，在下一代iPhone 看到不一樣鏡頭的希望非常大。具體到成像上，新iPhone或將提升暗光拍攝圖片的質量。

據悉，LinX 公司創始人和主要股東Ziv Attar 和Andrey Tovchigrechko 都是行業資深人士。在開創LinX 前，Ziv Attar 任職於以色列國防公司Rafael Advanced Defense Systems，擔任高級光學專家職務。 Andrey Tovchigrechko 則是三星一支算法開發團隊的負責人。

Tim Cook曾表示以色列擁有蘋果在美國本土外最大的研發中心，擁有超700名員工，其中多數員工都源於收購項目。也許有人還記得，德州儀器2013年關閉以色列研發中心時，蘋果為其大部分離職員工提供了新職位。

此次LinX 公司收購的達成，將為該研發中心注入新鮮血液，進一步鞏固蘋果在以色列的地位。

題圖源自newmobilelife，插圖源自TC

文章來源：愛范兒

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。