太空旅行不是夢！SpaceX Dragon 太空版的 A380|數位時代 BusinessNext

太空旅行不是夢！SpaceX Dragon 太空版的 A380

SpaceX 公布了大家期待已久的行星間運輸系統，ITS，與過去相比價格大幅降低，天龍號太空艙（SpaceX Dragon）舒適的設計，宛如太空版的A380，也許在可預期的未來，太空旅遊將逐漸普及。

「世界這麼大，我想去看看！」

數世紀以來，人們對於環遊世界的想像，就是地球本身。仰望星空，廣大宇宙我們渺小的存在，人類搭乘飛機到全球旅遊，也已經有好幾十年的歷史，如果有一天我們可以離開所居住的地球，到無邊無際的宇宙去看看，我們會變得更謙虛？還是文明科技會因此變得更偉大呢？

立志讓人類太空旅行夢更進一步的 SpaceX（太空探索科技公司），在今年九月才因為發射獵鷹 9 號（Falcon 9）失敗，而將Facebook的第一顆人造衛星炸毀，該公司先前也曾多次傳出意外，但大家還是對太空旅行充滿無限的想像與期待。作為第一家能夠發射回收宇宙飛行器的私人公司，SpaceX 的創辦人伊隆·馬斯克（Elon Musk）日前公布了大家期待已久新計畫：Interplanetary Transport System（行星間運輸系統，ITS）。

為什麼太空旅行會這麼昂貴呢？因為過去的宇宙飛船都是無法回收的，你可以想像搭乘ㄧ架 A380 到英國旅遊，在到達目的地後就將這架 A380 扔掉的旅行成本，絕對比可以重複利用操作還高。以這次炸毀 Facebook 衛星的獵鷹 9 號為例，造價約 6000 萬美元，每次飛行的燃料費為 20 萬美元，相較於過去 NASA 的太空梭，獵鷹 9 號選用的較特別的材質，能降低檢查設備的時間和零件替換成本，如此一來，利用回收的火箭再發射，就可節省 30% 的成本。

行星間運輸系統 ITS，外觀看起來就像是巨型的獵鷹 9 號，以碳纖維材質打造，預計將重量合計 100 噸的貨物和乘客送入軌道，光是一節火箭就要配置 40 個 Raptor 引擎才能有足夠的動力， ITS 載貨模組位於第二節火箭上，除了引擎、燃料，也會配有兩大片太陽能板在火箭上自產能源。

整個火箭倉的設計都是可重複使用的，並可以讓乘客輕鬆返回地球，ITS由主火箭連著貨運艙升空，到達太空後會分離成兩個部分，貨運艙會靠著引擎動力抵達太空軌道，抵達火星後會用自己的腳架降落，等待燃料補給再返回地球，主火箭會自行返回地球發射台額外接上一個加油艙，再追上貨運艙補充燃油，理論上貨運倉一次可以運送 100 個人上火星，預計每個主火箭能重複使用 1000 次、加油艙 100 次、貨運艙 12 次，將能把太空旅行的費用降低至一人 20 萬美元（約台幣 630 萬），系統規模穩定後可望再降至 10 萬美元。

SpaceX 預計在 2018 年發送第一個太空艙至火星上，同時進行主火箭軌道測試，2022 年時將 ITS 系統送往火星。有相當多的政府組織及私人機構都對於這項計畫有高度的興趣，除了費用比起過去大幅的降低，最大的吸引力大概就是未來的太空旅行可以做到像搭乘飛機旅遊ㄧ樣舒適。

一般傳統印象中的太空艙內裝較為簡潔且活動的空間狹小、不舒適，由獵鷹 9 號運載的天龍號太空艙（SpaceX Dragon），內部設計宛如現代噴射客機以及豪華遊艇的綜合體，天龍號太空艙的座椅使用碳纖維材質打造，以 Alcantara 人造麂皮包裹的座椅，配有三個大螢幕可以監看飛行相關數據，在發生緊急情況時，可以手動駕駛控制行徑方向。

艙內配有四扇窗戶可以讓乘客從太空欣賞我們的家鄉「地球」，艙溫可以設定在攝氏 18 度至 26 的舒適狀態，兼具設計感與舒適度的客艙設計，也許在可預期的將來，太空旅行可以像搭乘 A380 旅遊一般舒適享受。

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。