[專訪]一起出來玩創辦人李伯彥：不做品牌，搶當創業推手|數位時代 BusinessNext

見證行動產業興起，品牌推手轉身創業

過去無論在多普達或是宏達電，李伯彥都是第一位加入公司的員工，全程見證一家企業從無到有、品牌建立後氣焰正盛的成長期。李伯彥說，雖然職業生涯看起來一帆風順，但退休之後，看到行動裝置的發展日益突破，反而讓他陷入了深深的迷惘。「行動裝置應該是促進溝通、拉近人與人之間距離的載具，但在現實生活中，人們看起來卻更加疏離了。」

退休期間發生的兩件大事，成了李伯彥決定投入創業的契機。一是他從太陽花學運中，看到網路力量的興起，體認到這個世界存在太多資源、資訊、財富不均的情況，年輕人很難有出頭的一天；二是他從風靡全球的Ice Bucket Challenge（冰桶挑戰）中體悟到，一個小小的舉動，其實能夠創造出非常大的價值。

因此，嫻熟手機產業的他，心中有了許多感觸，「我自己不需要再創造更多財富，我希望台灣社會能有所改變，所以就在想自己得出來做點事。」李伯彥表示，之所以創立一起出來玩，初衷便是希望透過行動裝置、App，打造一個實踐「分享經濟」的免費平台，能幫助弱勢、年輕人透過網路創業、開展市場，讓大家一起創業、建立自己的品牌。

建立社群連結，打造分享經濟平台

從品牌推手轉身，要當創業推手，李伯彥選擇自行創業的目的，也不在於累積財富。例如，一起出來玩是個僅有三人的團隊，是小而美的經營方式，無論是前後端網頁建立、公關、行銷都採外包形式，把賺錢的業務留給他人，一切都採「分享經濟」的概念。

（圖說：一起出來玩團隊僅有3人，左起為團隊成員鄭澔、連麗文、李伯彥。照片來源：曾靉攝影。）

「以前我都幫大公司做品牌，覺得累了。現在我只想提供這樣一個平台，讓更多人有機會做自己的品牌，幫他們開展事業。」李伯彥表示，並不想循過去在業界的模式，把一起出來玩打造成多大的品牌，也不打算將資源通通留在自家團隊。

「現在我不做自己的品牌，我要幫別人做他們的品牌。」他說，一起出來玩的目標是，讓每個人都能夠自由創業、在平台上經營個人品牌，並創造更多財富。目前團隊也已攜手小農、小型商家等，建立起業者間的社群，讓大家在共同的平台中，互相討論如何把活動辦得更好、更有人氣。

而他口中的分享經濟，還包括業者之間的資源共享。例如，一起出來玩團隊4月時推出「密室脫逃月」活動，與台北市13家密室脫逃業者聯合推廣，只要是參與過上一家業者活動的人，就能在下一家業者的活動中享優惠，使活動風氣更加熱絡。

至於這樣的免費活動平台App，未來能有什麼賺錢的商業模式，李伯彥想了一想後卻直言，他也不知道。「平台上線後，剩下的就讓它自由發展了。」他說，現在的目標就是把平台經營好，看看未來會發生什麼有意義的事。

李伯彥表示，希望運用自己過去的業界經驗、資金，來為社會做點事，透過新科技來成就創業家，「所以我們的App叫做一起出來玩，就是希望邀請擁有創業夢的人，與我們一起出來參與，一同創造公平的社會、精彩的文化與生活。」

@@ACTIVITYID:257@@

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。