讓企業著眼未來:一堂關於長久經營的課
讓企業著眼未來:一堂關於長久經營的課

譯者導讀:這篇文章作者是紐約知名創投 Union Square Ventures共同創辦人威爾森(Fred Wilson),口語化的舉了許多例子傳達長久經營與他者的不同。最重要的是如果能用創業家的思維去思考,很快的脈絡就能打通,眼前的利潤到底是不是目標最終目標,就要看自己為公司所訂下的初衷了。

是時候脫離我以「長久經營」為主題的分享會,來點不一樣的。這個月的每周一我都會分享一篇文章。而在GOOGLE HANGOUTS上的討論時間則是每周一下午六點到六點半。我們會一起執行一個專案,這個專案的目的是畫出一個可以長久使用的商業模式表,你可以自組團隊或是加入其他團隊,在團隊中相互合作並一展長才,完成這個專案與課程。我會從短期收入最大化VS 長期企業健康狀態開始說起,最後會給予大家的商業模式一些檢討與建議。

如果你希望自己的事業能夠長時間的正常運作,就必須著眼未來。你必須建立一個讓自己有信心、讓顧客信任的商業模式,顧客會因此不斷地使用您的服務,不斷的回流。

很多管理學的課程會告訴執行長及創業家商業就是將利益最大化,但我卻不這麼認為。我相信商業是不斷的創造利益,但同時讓這門生意能夠持續下去,並且慢慢的累積內涵與經驗,而不是在短時間內(月、季、年)收穫大量的利益。

我相信一個商業行為的最終目標是長久持續,如此一來所有的關係人(顧客、員工、雇主、供應商等等)可以長時間的倚靠這個企業。

舉個例子來說,你正在經營一間在網路上運作的企業,你是垂直產線上供應來源的主要領導者你每年可以生產$50,000,000的總收益,而扣除成本後每年還有$5,000,000的利潤。

你看到IPHONE跟ANDROID手機的推出而聯想到你的客戶應該會希望能夠透過手機與你的企業同步連線,於是你詢問產品副總裁希望他找出方法,告訴你需要什麼代價來建立手機APP來達成你的想法。他告訴你說這個需要兩年$5,000,000的投資來完成這件事情。你吞了一口口水,在腦中換算著,這表示後兩年的利潤會因此變成$2,500,000。你會怎麼做呢?

做這個投資是因為你必須為了未來長遠的成功投資,即使這不是一個能將利益最大化的事情,他甚至可能只是白費工夫,又帶你回到原本每年$5,000,000的利潤這項投資可能得不到正向的報酬率甚至可能只是一個被動、不被看好的投資行為,但是你仍然要確保未來會需要它。

重新思考投資報酬率

哈佛商學院教授CLAY CHRISTENSEN 時常講到這件事,大公司的執行長被要求計算每項投資的投資報酬率,如果投資報酬率沒有超過一個特定的標準,公司就需要考慮是否繼續投資下去。但這個時候來了另一個較小的競爭者也開始了這項投資,他們就成功地吃了這個大公司原先的肖想的午餐。

投資報酬率對企業來說並不是一個很好的測量指標,它是美國華爾街最一般的民間指標,用來決定是否要投資你的企業。但是當你要為自己的公司決定投資對象時,不要使用華爾街使用的方法,用動物的方法—生物本能。甚麼能夠保證你的企業會存活十年、十五年、一百年?這才是經營公司應該有的思維。對創業家及執行長來說,最困難的事情是他們所做的決定是否會打擾到原本的生意。

圖說明
(圖說:能保證企業會存活,這才是經營公司應該有的思維)

舉例來說,你是一個有線電視營運商,你每年的光是傳送聲音、影像、還有累積的數據資料就可以為你創造好幾十億的利潤。這個時候突然出現可以從任何地方(透過無線電話、有線電視或是無線電)傳送聲音及影像的網路,你非常清楚明瞭這個會影響到你現在正在進行的生意,你會怎麼做呢?你會投資這個新的科技然後投入這個新的市場,加速降低自己在舊市場中的壟斷,來保護原有的商業模式,還是用盡各種方法防止科技的進步呢?

可惜的是大部份的執行長會選擇第二個方法,而大部分的創業家會選擇第一個。第二個方法就是利益最大化的實例,但是有可能,而且很多時候確實會帶著你的企業走向終點。而第一個方法則是關於長久經營,即使我們很確定在近期內它帶來的利潤會大不如前。這看起來是一個很殘酷的選擇,但對我來說,如果你已經確定目標,這個選擇在也簡單不過。

創業家選擇較艱難的路

執行長選擇簡單的路而創業家選擇較艱難的路,其中一個重要的原因是創業家的思考方式,他們從公司的生父母的角度思考。在他們的骨子裡有生存的危機意識,他們不希望自己的孩子太快的死去。另一方面,執行長卻如被雇用來的保母,他們專注於短時間生意上最大的成功(還有他們的薪水)。他們沒有那個本能去思考二十年後或五十年後會發生的事情,他們知道或許這個時間我已經不再這裡了,或是公司也早就不再了。

所以當你在建構自己的商業模式還有企業文化時,必須在其中強調長久遠比利益最大化重要,在任何一個小細節都不要放過這個原則。這並不表示你不需要創造任何利潤,利潤最長久經營來說亦是重要的,沒有了利潤,企業也不能存活下去。然而,需要利潤並不代表著需要將利潤最大化,讓利潤與企業的長久經營兩者平衡對一位公司的領導者來說,是一個需要拿捏的技術,如果找到平衡了,勝利就會是你的。

本文作者為Union Square Ventures共同創辦人Fred Wilson,譯者為林家安,原文編譯自〈How To Be In Business Forever: A Lesson In Sustainability〉。代表圖來源:stocksnap.io
想加入GOOGLE HANGOUTS 上的討論時間,請到SKILLSHARE的主頁,晚點我會放上相關的說明。新增說明:可以從這裡看到之前的相關討論

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓