進修，是蛻變的開始！|數位時代 BusinessNext

相信有不少男人和我一樣，當兵退伍後那十年，最常做的事，就是把過去在小學、中學、高中、大學的所學，逐一掏出來檢視，然後把三分之二的記憶扔掉。因為不這樣，簡直無法料理眼前的生活。
舉例而言，當時的我事隔十多年居然還背得出「翳惟總統，武嶺蔣公，巍巍蕩蕩，民無能名」起首的〈總統蔣公紀念歌〉全文，因為這是我國中考高中的模擬考題；但你如到了80年代末期還真相信有任何政治人物能「民無能名」，你肯定只能到今天已解散的警備總部上班。政治知識的自我成長，和生活大環境相關，相對容易；但背來的歷史、地理、三民主義、物理、化學、數學公式，卻根深蒂固地黏在腦海裡，仍主宰著思維。更糟糕的是：「背」這個思想習慣要改掉，看起來容易，實質上則是無比艱難；相對而言，我有很長一段時間，不曉得如何讓自己有「創意」，因為「背」過的東西和「背」本身，絲毫沒有給你任何索引。
這就是台灣教育的本質──你所有「權威們」認為你應該要學的（所以一旦權威不權威了，你就慘了！），卻從不啟蒙你「如何自我發現」，進而「自我學習」，直到進入社會，企業要你掏心挖肺地貢獻出你的創意，這才發覺：我是誰、是哪樣的人（或虛榮點說：「人才」）連自己都不太清楚；眼前一片冷感的事物，我如何對它有創意？
所以，當你痛苦地開始知道「揚棄」，上帝就會給你些回報──慢慢地，你開始體會到如何吸收、裝填、潤發。有一天，從睡夢中驚醒：我終於會「學習」了，因為在這樣或那樣的學習裡、在廢寢忘食的投入中，你感到眼前知識與自己互動的私密愉悅，而這一年，我三十二歲。即使時到今日，政治解嚴、知識開放、教改啟動，但類似我這種「發現的焦慮」，仍常存在我的朋友、同學、同事，甚至採訪對象的心裡。「我是誰？我從哪兒來？我將往何處去？」這著名的畫家高更提問，仍深深糾結在現代工作者心中，因為不管經濟如何富裕、政治怎麼民主，台灣教育仍是各種脫胎換骨版的「文憑主義」，仍然只問：「你該學什麼！」，而不問：「你想學什麼？」
對於已就業多年的工作者，該如何解消這不易啟齒的焦慮？最好的方法，就是「進修」，而且是離開生活軌道、拋鄉別子的「異地進修」，這是一種半強迫自己的「揚棄」，自己創造出一種新的生命情境，強要求自己由「非台灣人的眼光」看世界，然後由世界的角度，回頭探尋自己的渴望，進而瞭解自己。
對邁向創意經濟的台灣來說，已經很多人感受到「沒創意」的真實苦澀，該怎麼辦，我的建議是：找個國外學校的課程，出國去吧──進修，是蛻變的開始；發現，是成長的發端！

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。