當初試飛「成功」的Facebook太陽能無人機Aquila，正在接受著陸事故調查|數位時代 BusinessNext

當初試飛「成功」的Facebook太陽能無人機Aquila，正在接受著陸事故調查

6月28日，Facebook執行長佐克伯在Facebook公開了太陽能無人機Aquila首次試飛「成功」的影片，不過今日美國國家運輸安全委員會針對Aquila著陸時發生的事故展開調查。

6月28日，承載著佐克伯「連接世界」夢想的Aquila的太陽能無人機首次試飛成功，但目前該計劃不得不暫停。

近日，據彭博社消息，當日的測試裡出現事故，幸無人員傷亡，美國國家運輸安全委員會（the National Transportation Safety Board）已經介入調查，調查至少需要一個月才能出結果。

本次測試的是Aquila第一架原型機，未裝載太陽能電池板，僅在約655公尺的低空進行30分鐘的測試飛行，為自動飛行採集數據，Aquila最終超額完成任務，飛行了96分鐘。

試飛結束後，Facebook在一封郵件報告裡稱「此次飛行是成功的，沒有重大的意外事故」。 7月21日在Facebook官方部落格上，一篇關於Aquila的文章中再次寫到無人機的真實測試情況，文內則提到了「無人機在著陸前出現結構性故障」的問題。

美國國家運輸安全委員會（NTSB）也證實，Aquila無人機著陸時確實出現了「機器結構性故障」，但NTSB並沒有披露更多關於本次事故的細節內容，包括Aquila的損壞程度和故障發生的潛在原因調查結果。

NTSB的官方發言人稱，事故發生在當地時間的早上7點43分，且屬於「大型事故」，所幸沒有人員受傷。考慮到Aquila無人機的潛在危險性，NTSB將會進行一次全面徹底的調查。

用能長時間飛行的無人機替代衛星的做法，Facebook不是第一家，而這種無人機出現故障，Aquila也不是第一架。據NTSB介紹，2015年5月時，Google母公司Alphabet的無人機Solara 50在新墨西哥的沙漠著陸地帶飛行時遇到了熱上升氣流時就出現了失控的意外狀況。

Aquila的太陽能無人機是Facebook Connectivity Lab多年來的智慧結晶，計劃為世界16億無法上網的人提供廉價的網路接入。

根據佐克伯的願景，他們要保證無人機飛行在 20,000公尺的高空。在這個高度上，較弱的風可以保證飛行的穩定，也不會影響其他飛機的飛行，並且保證信號強度。這種高度上，一架無人機可以保證一個中等城市的網路連接。此外，在這個高度上飛行，Aquila最高可飛行長達3個月。（關於Aquila的技術問題此前愛范兒已有介紹，有興趣者可點擊連結查看）

Aquila還在做實地測試。此前，愛范兒認為對Facebook來說，他們還有很長的路要走。第一，他們要首先完成飛行器的開發，裝上太陽能電池板進行實地飛行。第二，飛行器需要裝載上雷射發射器進行測試，並與地面的雷射接收器進行配合。現在，Facebook還得解決無人機著陸時的結構故障問題。

除了Aquila無人機，Facebook還有用衛星「連接」世界的打算。但此前馬斯克的 SpaceX的獵鷹9號火箭爆炸直接導致Facebook的第一顆網路衛星被完全摧毀，據悉，這顆AMOS-6衛星原本計劃是向非洲居民提供免費的上網服務。

本文授權轉載自：愛范兒

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。