「講平凡事物的書，其實很迷人！」比爾·蓋茲公布2016年他最愛的5本書|數位時代 BusinessNext

「講平凡事物的書，其實很迷人！」比爾·蓋茲公布2016年他最愛的5本書

即將迎來的新年假期，有什麼值得一看的書籍嗎？微軟共同創辦人比爾·蓋茲，在部落格gatesnotes上分享了他認為2016年最值得閱讀的幾本書籍，主題各異，但都帶給他意想不到的收穫！

1. 《String Theory》，David Foster Wallace著

這本書跟物理學沒有太大的關係，比爾·蓋茲也開玩笑的說「但是如果你在飛機或火車上閱讀這本書，他的書名會讓你看起來很聰明！」。《String Theory》是作者 Wallace 集結五篇關於網球的論文，網球是比爾·蓋茲在微軟時期曾經放棄的一項運動。

閱讀這本書不一定需要喜歡網球或熟悉網球這項運動，作者將他寫作的鋼筆化身為如同網球名將羅傑·費德勒（Roger Federer）高超的網球技巧。比爾·蓋茲評論到，作者Wallace找到了一種如同將金屬湯匙彎曲讓人興奮的方式去刻畫他書中的文字。

2. 《跑出全世界的人：NIKE創辦人菲爾・奈特夢想路上的勇氣與初心》，（Shoe Dog），Phil Knight著

這是一本關於Nike共同創辦人菲爾・奈特（Phil Knight）的回憶錄，曾登上Amazon商業傳記類排行榜TOP1。比爾·蓋茲曾在過去幾年見過奈特幾次，他回憶奈特人非常好，但也安靜的讓人難以理解，通往成功的道路像是最誠實的提醒，往往混亂、岌岌可危及充滿許多謬誤。

奈特在書中揭露了幾件很少CEO會做的事情，比爾·蓋茲認為奈特並不是想在書中教讀者任何事，反而是是完成了另一件事，就是盡他所能誠實說出自己的故事，這就是最棒的ㄧ件事！

3. 《The Gene》，Siddhartha Mukherjee著

當醫生在一邊醫治病人又要兼顧教學、研究時，往往會被認為是身處於一種「三重壓力」，作者Mukherjee就在哥倫比亞大學同時做了這三件事，但他所面對的其實是「四重壓力」，因為他同時還是普立茲獎得主的身分。

在這本書中，作者Mukherjee帶領讀者穿越基因科學的過去與未來，以及科學理念如何在現實生活中成為真實，Mukherjee特別關注基因科學所引發的倫理問題，因為他深知新一代的基因技術將會怎麼樣用最深刻的方式影響世人。

4. 《The Myth of the Strong Leader》，Archie Brown著

在今年全球各地打的激烈的選戰中，讓比爾·蓋茲重新閱讀了這本於2014年出版的書籍。Brown是來自牛津大學的學者，花費超過50年研究不論好的、壞的、醜陋的各式面向的政治領導力。

Brown認為真正對歷史及人性貢獻良多的領袖，其實並不是我們ㄧ般認為那樣是「強有力的領導者」，反之，這些領袖都傾向透過合作、協調及分配來做事，並且了解到沒有一個人可以或應該知道所有事情的答案，就像作者布朗不能預測他的書在2016年的今天會變得怎麼樣。

5. 《The Grid》，Gretchen Bakke著

最後比爾·蓋茲在文末提到的《The Grid》，是在談論關於城市中逐漸老化的電網，這也是比爾·蓋茲最喜歡的類型，「講平凡事物的書，其實很迷人！」他在部落格上寫道。

比爾·蓋茲在高中時的第一份工作，是編寫控製西北電網的軟體程式，「即使你從來不曾想過電力是如何一路到答你家的插座。」比爾·蓋茲說。他認為這本書可以讓大家了解到電網在現代工程中的偉大之處，也可以了解現代電網會如此複雜，其實是對建構未來乾淨能源至關重要，因此比爾·蓋茲最後補充的這本書讓他覺得特別有意思！

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。