併購，是品牌的豪賭|數位時代 BusinessNext

若說今年是併購的一年，一點也不為過。從西南貝爾電信(SBC)花了一百六十億美元買了AT&T，到寶僑集團(P&G)砸了五百七十億美元將吉列(Gillette)娶回家，國際上的併購案多如過江之鯽。根據CNN的報導，和去年比較，今年的併購數量已成長了五○％(統計至七月)，是史上第四個總併購案金額超過一兆美元的年度。
在二十一世紀的全球競爭環境中，無形資產(intangible assets)通常占了企業價值的一大部分，特別是無形的品牌價值，對企業來說已經是生存的命脈。因為品牌是如此重要，在併購案中，品牌價值逐漸變成是談判桌上的籌碼。但換個角度思考，併購案也就像是品牌的一場賭注。賭贏了，未來一片光明；賭輸了，兩敗俱傷。在這場賭博中勝出的條件是什麼？

了解品牌，精確鑑價

在下賭注之前，總要知道自己手上的籌碼有多少。品牌鑑價在企業併購的過程中愈來愈重要，當然也是最困難的一環。「在談併購案之前，了解目前的品牌策略和認清品牌價值是很重要的，」品牌顧問公司Lippincott Mercer的資深主管霍根(Suzanne Hogan)說，「不然很容易就高估或低估了品牌價值，造成往後併購進行上的困難。」隨著社會消費趨勢從產品導向轉變為經驗導向，企業在併購的考量上也愈來愈重視合併對象的無形價值。相較於其他的無形資產(如專利、人力資源、管理技術等)，品牌是價值與存續性最高的，因此在併購之前，必須清楚掌握品牌的價值。
併購之後真的會更美好嗎？根據管理顧問公司Bain & Co.針對全球二百五十位專業經理人做的一份調查顯示，大部分參與過併購案的經理人都表示在併購前最常犯的毛病是「輕忽了整合的困難」以及「對合併的綜效過於樂觀」，換言之，就是事前心態不正確，也沒有做好準備工作。

合併是連串去蕪存菁

併購成功的首要條件，就是要了解各品牌的優劣勢，重新擬定合併後企業的品牌架構和策略。在今年多起的併購案中，可以發現許多公司在合併前，沒有蹲好馬步，經過大大小小整合工程後，才發現品牌的管理和溝通出現重大的問題，轉而向品牌顧問公司求救。企業在合併的同時，也是品牌重整的契機。成功的整頓可以去蕪存菁，停用表現不好的品牌，出脫或關閉非核心的事業體，都能有效地讓主要品牌擁有足夠的資源、降低非必要的溝通成本。
北美兩家購物商場Sears和Kmart在今年三月的合併就是最好的例子。在合併之前，Kmart在二○○三年曾申請過破產保護，Sears營運也不佳。當時外界把此樁買賣看成是不動產的交易，多抱持著不樂觀的態度，諸多專家分析，在合併之後很可能兩個品牌都會消失在市場上。最後兩家公司成功合併為Sears控股集團，保留了Kmart和Sears兩個品牌，並在彼此的門市，交叉銷售兩個品牌的商品。總計新公司營業據點逼近三千九百家，成為全美僅次於Wal-mart和Home Depot的第三大零售商，年營收約為五百五十億美元。此外，新公司還推出了小型的Sears Essentials賣場策略，將地點設在都會裡，提供毛利較高的商品。此次合併之後，綜效的發揮加上成功的策略，挽救兩家公司先前的頹勢，原本低靡的股價和獲利也跟著水漲船高。

別忘了要對顧客負責

併購行為除了能讓經理階層和銀行家獲利之外，最大的好處就是能讓股東受惠，但是否能為顧客帶來好處，卻是備受質疑的。
大多數的業界人士都認為，絕大部分的併購行為，當事人都沒有把對消費者或顧客的影響考慮進去。「在談併購的時候，光是應付那些複雜的數字就夠煩人了，經理人根本無暇去理會與顧客相關的任何事情，最終受害的就是顧客，」管理顧問公司Prophet的合夥人費佑(Ken Fenyo)指出，「一個合併案的成功與否，取決於經理人對顧客的重視程度，愈能夠平衡顧客需求和企業需求的合併案，就愈可能成功。」
當兩家企業宣佈合併時，顧客會很自然地將其視為一種「承諾」，為了贏得顧客的好感，企業在公關處理上也經常把併購的行為包裝成一種「類婚姻」的關係，強調合併之後的綜效、對顧客的好處。最經典的例子就是Cingular Wireless(北美最大無線通信系統商)和AT&T Wireless在去年十月合併時，就直接以「婚姻」的名義向顧客宣布這個消息。「組織調整的好，一加一是可以大於二的，但別忘了顧客，」費佑強調。
企業合併一定會牽涉到品牌合併的問題，首要任務就是了解每個品牌特性和價值，將可以利用的價值轉換到新的品牌策略上。以目前眾多的案例來看，真正執行品牌和顧客相關思考的是寥寥可數。併購雖是品牌的賭注，但勝負卻不是零合(zero sum)關係，想要在這個賭桌上當真正的贏家，整體的品牌思維是最重要的關鍵。
(關於作者：Alycia de Mesa是品牌相關議題的作家，在美國商業界擁有超過十年的品牌顧問經驗，著有(Before The Brand)一書。)

本文授權自Interbrand旗下網站brandchannel.com 。
原文網址：http://www.brandchannel.com/features_effect.asp?pf_id=270

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。