臉書資料中心能促進台灣產業升級？恐怕太樂觀。　|數位時代 BusinessNext

臉書要來台灣設立資料中心，這話題大概從2011年左右就開始流傳，近日因為彰化縣長魏明谷自爆，將設在高鐵彰化站旁，投資金額約100億元，讓這老話題再度復活，後雖被臉書否認，但我們還是可以思考一下，Google或臉書的資料中心能為台灣帶來什麼？眾多工作機會、還是促進產業升級？如果是這樣，恐怕太樂觀。

臉書資料中心這消息傳出後，就有業界人士直言，Facebook投資100億元在台設資料中心，實際對台灣的幫助和效用，恐怕還不如阿里巴巴在台灣成立的100億投資基金，協助年輕人創新創業來得高。

此話怎說？其實，產業界一直有一派意見：網路巨擘在台設立資料中心不見得全是好事，Google、臉書這些資料中心的重度用戶，其實落腳台灣最大考量並非供應鏈齊全、容易跟代工廠溝通，而是成本考量。大家都知道，資料中心最大的成本就是電費，所以大廠無不積極開發低耗電的伺服器，而這些網路巨人相中的是台灣低廉的電費。

研究機構IDC企業應用研究部資深市場分析師高振偉也認為，台灣有良好的基礎建設環境，包括連外光纖、便宜的電費、土地、政策優惠，但若真要幫助台灣產業什麼，還需要更實質的投資。

臉書第五座資料中心設計圖，位於美國德州沃思堡（Fort Worth）。

（圖說：臉書第五座資料中心位於美國德州沃思堡（Fort Worth），此圖為設計圖，其餘四座分別位於美國俄勒岡州Prineville、北卡羅萊納州Forest市、瑞典Lulea、美國愛荷華州Altoona市。圖片來源：Facebook）

Google在彰濱的資料中心於2013年底正式啟動，佔地15公頃，當時，正式員工只有25人。業界人士透露，Google彰濱資料中心的擴建其實已經告一段落，目前已將重點移到新加坡，也就是說，彰濱資料中心後續對人力需求的擴增不會有太大成長。

我們再來看另一個數字，臉書今年7月宣布在德州第六大城市沃思堡（Fort Worth）興建最新的第5座資料中心，預估占地110英畝，約44公頃。若以魏明谷所說彰化臉書中心占地6公頃來估算，沃思堡占地是彰化的7倍，而臉書預計在沃思堡雇用40位正職員工，那麼，臉書的彰化資料中心大約會僱用多少正職員工？或許直接以40除以7推算，不完全準確，但還是可以約略推算看看。

若從生產製造來看，要帶動台灣在地生產伺服器的機率，同樣很低。目前臉書的伺服器生產夥伴包括廣達及緯創旗下的緯穎，這些代工大廠的生產重鎮全都在大陸，台灣幾乎都只剩下試產線。

那些安置在台灣的資料中心的伺服器其實都是在大陸生產完畢，再運送至台灣安裝，如果政府是大廠帶動台灣製造回流，刺激供應鏈在台擴增職缺，短期內是不會看到的。

另外，臉書彰化資料中心的地點也很有趣，選在彰化高鐵站。一般高鐵周邊，都希望能發展成精華地區，房價高、人口也相對多，會被選來興建資料中心，背後故事或倒是令人玩味。

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。