[施其均] ARM 嫁軟銀，打通任督二脈|數位時代 BusinessNext

現今 ARM 的成長困境

ARM 在 2008 年加入由 Google 主導成立的開放手持裝置聯盟（Open Handset Alliance）之後，不只是採用 Android 作業系統的智慧型手機大多搭載使用 ARM 架構設計的晶片，就連 Apple、三星等智慧型手機也都是 ARM 客戶，歷經近幾年智慧型手機等行動裝置市場需求爆發性成長期，ARM 財年營收跟著從 2011 年的 7 億 8,500 萬美元，倍增到 2015 財年營收 14 億 8,860 萬美元。

ARM-Powered® CUBESTORMER 3，圖片來源：ARM安謀

但 2016 年起全球智慧型手機市場成長飽和，ARM 自身內部所估算在 Mobile Computing 應用別也擁有超過 85% 之高的市佔率，也就是說，即使 ARM 繼續努力於在原本擅長的行動裝置市場，進行 Market Share-up 戰術，對營收幫助也不會太大了。

ARM 面臨這樣的營收成長困境選擇了兩個主要手段來應對：
1. 增加可販售的產品線，像是在晶片上販賣 Physical IP 和 Multimedia IP，以及
2. 在 MWC 2015 提出智慧彈性雲端平台（IFC, Intelligent Flexible Cloud）願景來卡位尚在增長中的伺服器和網絡設備市場，以擴大戰線確保未來營收成長動能。

ARM 的野望：智慧彈性雲端平台

隨著物聯網發展，即時傳遞訊息的需求更多；像是火災發生之後，逃生路線應變措施、車聯網等使用情境，都端賴整體網路基礎建設的協助，這當中的運算機制就仰賴網絡設備的節點控制。

不管是 HP 併購網路公司 Aruba Networks，或是經由 Microsoft、Google 還是 Amazon 等軟體大廠在雲服務時代的蓬勃發展，雲計算、雲儲存等所帶來龐大的資訊流，將由更多的伺服器和網絡設備來加持使之運作。

而 ARM 就是著眼於解決因訊息量龐大，網路雍塞延遲的議題，提出以軟體定義網路（SDN, Software Defined Network）、NFV（Network Function Virtualization）與分散式運算技術為基礎的解決方案：智慧彈性雲端平台（IFC, Intelligent Flexible Cloud）。

ARM Cortex-A50 Processor Series，圖片來源：ARM安謀

現今網路基礎建設設備架構設計，只是講究單一目的：先去移動資料，將運算落在終端產品或是資料中心。但 ARM 認為這會帶來三個限制：電力限制（Power Limits）、空間與規格限制（Space and form-factor limits, 編按：這裡指硬體機板設計）和原始性能限制與反應延時需求（Raw performance and latency needs）。物聯網應用場域面臨許多挑戰：來自控管資料的必須、有限的能源（如印度的基礎建設）、寬頻佈建，和數據密度大幅增加等。於是 ARM 認為未來網路通訊裝置皆須具備運算、儲存與加速等三種功能，透過異質運算技術（在不同的設備上都可以分擔運算）有效將運算分流到每個節點之上，讓每個網絡節點不只具有收集資料的功能，更是達到管控網路和運算的資源的龐大願景。

ARM 面對物聯網市場的困境

但在物聯網時代，筆者認為 ARM 依舊遭遇兩挑戰：一是對終端裝置市場的需求距離太遙遠，中間隔了一層半導體廠商，無法即時應對市場需求，像是各國政府所推動智慧製造、崛起中的工業用手持式裝置等這些場域，ARM 想推廣其業務猶如隔靴搔癢、力有未逮。

另一方面，即使 ARM 為了 IFC 願景甚至成立名為 Linaro 的非營利組織廣納合作夥伴，也加入由電信運營商共同推動的 NFV 開放平台專案（OPNFV），希望催生 IFC ，實現網絡節點的彈性化和智慧化發展，並預期能解決 4G 無法解決的資料傳送延遲問題。但未來也有未來得煩惱的事：這些網絡節點掌控權會是誰？是雲服務平台供應商？電信商？還是應用服務商呢？這是 ARM 將會面臨的第二個挑戰，他們終究必須選邊站。

嫁入日本電信商 Softbank，打通任督二脈

而故事進行到了這個階段，ARM 選擇嫁入日本電信商 Softbank 旗下，成為物聯網戰略夥伴，筆者對雙方合作皆有期待：首先，ARM 將能藉由 Softbank 拓展自家網絡設備和伺服器產品生態，同時透過獨特的電信商企業通路，打通任督二脈，順勢滲透上述 ARM 影響力較小的物聯網場域，獲取商機，以利達成 ARM 自身立下在 2020 年目標（伺服器市場 25% 市占率和網絡設備市場 45% 市占率)；而日本電信巨擘 Softbank 也能藉由 ARM 具擴展性（Scalable）產品特性，軟硬結盟自家服務，從現今三星、HTC 等手機廠商客戶群，延伸到物聯網大大小小終端裝置之上，是個達到互有助益的戰略。

代表圖來源：ARM 安謀臺灣

《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長800至1000字，兩天內會回覆是否採用，文章會經編輯潤飾，如需改標會與您討論。

[白話新商業電子專刊] 掌握物聯網基礎入門+進階應用套書合購價129元!
@@BOOKID:126865@@

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。