陷入泥沼的中國家電業|數位時代 BusinessNext

五月二十八日，在北京召開的電視機重點企業高峰會上，長虹、康佳、創維、海信、海爾、廈華、熊貓、上廣電、TCL等九家企業的高層齊聚一堂，達成推動國內外技術標準制定、協商解決專利問題、構建中國電視機企業國際化協調平台等七項共識。然而自去年以來，家電業受一連串突發事件打擊，至今傷痕未癒——包括長虹與APEX的糾紛、黃宏生在香港遭受詢問、顧雛軍被證監會稽查等等；不久前，各投資銀行才因為擔憂TCL急劇下滑的業績，對其貸款予以審慎考慮。顯然中國最為成熟的家電業，隨時都會有新變數發生。

「TCL與阿爾卡特的併購失敗是件好事，因為這是中國家電業國際戰略路徑的一個負面教材。」國泰君安資深分析師馮志剛指出。TCL從最初併購施耐德開始，後來又接連併購湯姆遜的電視機業務與阿爾卡特的手機業務，並且與東芝公司合作白色家電，諸多跨國公司的合資動作，令TCL陷入了「平衡」的困境。

國際化過程踢到鐵板

從黑電戰略轉移到白電戰略，再轉移到代工戰略的長虹集團，也深受國際貿易業務困擾，最後爆發為去年在美國四億美元的壞帳風波。

另外一家在國際化過程中走得最深的公司——海爾集團，則一直將其國際化戰略與變幻莫測的資本運作糾纏在一起，讓外界至今無法清晰地看清海爾國際化路線的真實意圖。今年一月海爾集團已經為其香港上市公司海爾中建注資二億港元，並更名為海爾電器，接下來的二次注資方案正在集團內部醞釀。引起業界廣泛猜測的是，為什麼當海爾中建完成注資更名後，在新董事會的安排上，董事長張瑞敏並沒有獲得直接權益。

「家電公司都在股市上騰挪移動，但是長久以來很難獲得資金，各種風險也因此產生。」一些證券分析師認為，資本市場家電板塊的尷尬處境，可能會讓一些公司陷入泥沼。

不適用日韓成功模式

更深層的矛盾則是家電產業投資和競爭的重複與混亂。分析人士認為，中國家電業在國際價值鏈上還沒有發言權，從技術、價格、利潤到品質都是如此，中國家電業的核心技術和自主知識產權始終處於落後地位。

去年，洗衣機市場需求量約為一千五百萬台，產能高達一千八百萬台，扣除出口、庫存等因素，市場仍然呈現出產能過剩的局面。冷氣機市場現有流通庫存約一千萬台左右，同時海爾、格力等一線冷氣機品牌的產能都在一千萬台以上，而整個市場總容量大約在四千八百萬至五千萬台左右，市場嚴重供過於求。

「全球家電業的大事件都會在五年內發生，屆時考驗的是國家競爭力。」分析師認為，中國家電業應該有獨特的產業競爭戰略，但是不太可能選擇三十年前的日韓模式——也就是以區域成本優勢、低廉價格和卓越品質創建全球品牌，必須另謀他路。

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。