[錢思敏] 誰來監管共享經濟|數位時代 BusinessNext

你共享了誰的經濟？

以 Airbnb 或是 Uber 來說，都是運用既有人們的資產，或是運用既有資產附加勞動的模式，進行住宿服務或是交通服務分享所建立的交易平台，這兩個平台實際上並不擁有這些資源，而是做為這些服務媒合的交易平台。

雖然就共享經濟實際上的消費行為來說，有可能一部分是來自於既有消費的移轉，例如 Airbnb 吃掉了一部分旅館業、民宿業的市場。但是，除了從既有產業的消費移轉之外，還有消費的增加，也就是餅被做大了，整個旅遊市場被做大了，因為 Airbnb 的方便性，性價比高，更多人選擇出國旅遊了，不會純粹只是市場消費的移轉而已。

圖說明

因為 Airbnb 的方便性，性價比高，更多人選擇出國旅遊了，不會純粹只是市場消費的移轉而已。照片來自Airbnb官方部落格

Uber 則是將汽車與司機兩項元素，提供消費者交通運輸服務來做為類似計程車功能的服務平台，比起 Airbnb 來說，不同的是比較少人是因為 Uber 比較便宜，而選擇不搭乘公共交通工具，轉而搭乘 Uber 計程車，因為大眾運輸工具與 Uber 價格上的差異，Uber 的消費者多數是由原先搭乘國內計程車的旅客而來，因此，Uber 對國內計程車是直接的競爭關係，計程車的消費有很多是從一般國內依法成立的計程車轉移到 Uber 去了，這也是為甚麼國內計程車對 Uber 的抗議程度，會比旅館業者對 Airbnb 來得多的原因。

實際上，無論是 Airbnb 或是 Uber，都是運用既有閒置的資源而創造衍伸出來的新服務。

Uber

Uber 對國內計程車是直接的競爭關係，這也是為甚麼國內計程車對 Uber 的抗議程度，會比旅館業者對 Airbnb 來得多的原因。照片來自：Automobile Italia

追求閒置分享最有效率就夠了嗎？

所以，共享經濟的初衷是什麼？共享經濟的原則是將資源做最有效率的使用，將原本閒置的資源進行分享，無論是 Airbnb 或是 Uber 都是一種共享的形式，拿出自家的東西進行分享。

但如果要討論到市場競爭的公平性，也就是產業競爭的層次，則合法業者所需要繳的稅、所需要進行的檢查、監理、管理等，則都需要政府去思考法規在數位經濟的背景之下要不要管，或者那些法規法條可直接進行鬆綁，讓國內原本受管制的業者也能夠適用鬆綁下的管制；又或者，在保障人民權益與安全的情況下，旅館業或交通業經營當中所必須要進行監督管理的部分，則亦可規定這兩家平台應對旗下參與業者加以要求。

Airbnb L.A.

無論是 Airbnb 或是 Uber 都是一種共享的形式，拿出自家的東西進行分享。但如果要討論到市場競爭的公平性，則需要政府去思考法規在數位經濟的背景之下要不要管，或者哪些法規法條可直接進行鬆綁。照片來自Airbnb官方部落格

數位經濟下公共監管的典範轉移

然而，在執行面上來看，政府要對數位經濟進行管理卻是不容易的事，但是別忘了，數位經濟不是沒有人監督，看看平台上的眾多評價，不就是最好的監管了嗎?

以 Airbnb 的平台功能來看，評價除了來自於消費者對於住宿品質的回饋之外，還包括 Airbnb 業者對於消費者的評價，這種買賣雙方的相互監理機制，是政府管理所無法觸及到的領域。消費者對於住宿服務的評價，是在任一知名訂房平台上都有的基本功能，像是 Agoda、Hotels.com 等，消費者訂房時，必定會對住宿地點過去的評價進行一番檢視，但另一方面，Airbnb 亦增加提供業者對住宿旅客進行評價，旅客為了下一次在 Airbnb 的住宿訂房能夠順利，亦必須累積業者對自己的良好評價；因此，對於住宿規定、住宿環境的維護、整潔與清理等等，都會非常在意，但以國內的旅館業或民宿業者來說，業者間或許私下流通著奧客名單，但是實際上，很難在奧客訂房時就能夠察覺並拒絕其投宿。

Hotels.com官網

消費者對於住宿服務的評價，是在任一知名訂房平台上都有的基本功能，像是Agoda、Hotels.com等，但Airbnb還增加提供業者對住宿旅客進行評價，旅客為了下一次在Airbnb的住宿訂房能夠順利，也必須累積業者對自己的良好評價。照片截自：Hotels.com

這種共享經濟平台雙向互評的機制，其實是鼓勵業者與消費者共同提升消費與服務品質的方式，由消費者對業者進行監督，讓平台業者在管理層面進行把關，設下業者進入的門檻；而運用業者對消費者的評價機制，讓業者依據過去評價，能勇於對奧客說不，以共享經濟的平台生態圈所形成的相互監督與管理的機制，是一種無形推升業者提供服務以及消費者消費時品質的方式，這是政府想要管卻未必能夠做到的部分。

代表圖來自：Airbnb官方部落格

《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。

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。