深化產學合作！向沒有能力領導創新的大企業說掰|數位時代 BusinessNext

培養大型系統人才

「高科技應該是高風險，冒險犯難！讓沒有創新的大公司慢慢退場，跟大家說掰掰！」洪士灝直言。

例如代工產業所需的資本門檻很高，但如果技術門檻不高的話，其他國家如大陸可以靠著充沛的資金和人力，很快來占領這樣的產業，很多這樣的公司還在吃老本，難以轉型。

那資本門檻不高的新創企業呢？如果技術門檻同樣不高的話，即便靠創意、靠經營模式，也很容易曇花一現，因為這兩項很容易被複製，而且如果做的產品只是跟人家比快、一次做很多、賺一票，這與傳統模式很接近，同樣難以長久。

不過，老路走不通，就會找新路。洪士灝指出，未來台灣要走的路就是發展「資本門檻不高、技術門檻高」的產品或是服務。首先，硬體產業已經到了瓶頸，很難再撐下去，不必再有更多人進來幫忙cost down，而「幫硬體加值的就是靠軟體」。

看看幾個外國案例，他們的創意通常是建立在良好的技術之上，例如：荷蘭的建築設計了融合藝術價值、材料、力學；以色列也是科技輸出國，強項在軍用國防的技術；德國、日本、法國不是幫人家打造電腦，是做工業裡頭的製造技術。他們的共通點都是做大型技術，而非玩具，這些技術都是可以對外輸出。

「這些複雜的系統不需要大量資本投入，需要的是優秀人才」，將技術做到超前，就能把台灣整個產業往上拉升。像是新創公司沛星互動（Appier）、VMFive，就是很不錯的案例。所以，像是系統架構師（System architect）、擁有軟硬整合能力，均是未來很重要的人才。

讓中間世代也能貢獻

除了年輕人之外，身為五年級的洪士灝也看到中間世代的煩惱，「很多同學來問我，怎麼幫助產業？」他們在企業做到中階主管，被管理庶務、業績數字壓得無力，但還沒有被老闆完全授權，他們也不是新銳年輕人，就這樣被卡著。但為什麼不能將這群人的專業和經驗釋放出來？

現在大陸企業普遍是年輕人當家，與五年級生當時的教育不好有關，所以大陸年輕人上位很快，企業活力很旺盛，再看芬蘭，諾基亞倒下後反而釋放許多人力，創造不少新創公司。

「夾在中間的世代是重要的！」洪士灝強調。他們可以承先啟後，特別是新創公司在經驗、人脈、募資、財務的諮詢都很需要幫忙，這群人可以貢獻。但目前的問題是，中間世代的聲音有點被跳過，怎麼建立他們參與貢獻的管道、怎麼銜接，是很重要的議題，如果這部分可以引導出來，將會發揮很強的功用。

行動事蹟
長期關注科技人才、學生創新等議題，其觀點及文章經常出現在各媒體。
希望2016年台灣能改變的一件事
實現產學思維轉變的一年，學界能造就真人才，業界能讓人盡其才。

本文出自於：
@@BOOKID:126632@@

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。