「剝除了成績和學歷，台灣學生還剩下甚麼？」15歲周奕勳用程式語言找回學習的意義|數位時代 BusinessNext

「剝除了成績和學歷，台灣學生還剩下甚麼？」15歲周奕勳用程式語言找回學習的意義

15 歲的周奕勳，歷經傳統教育的不適應，卻堅持自己的喜好，用程式語言走出專屬自己的一條路。

不適應傳統教育

「國一我是在一間升學率比較高的學校，父母希望我讀雄中（高雄中學）和台大。」周奕勳回想那段備受學校和父母期望壓力的日子，「老師有『不讀書就是廢物』的觀念，雖然我段考念到校排前 50，但段考完我就不知道自己幹嘛讀書。」老師和父母重視的「前 50 名」對他來說卻不具意義，漸漸地，他開始把時間從「為了考試而讀書」挪到自己想學的項目上頭，成績也因此下滑。

雖然感受到來自家庭和學校的壓力，但他還是堅持要把時間花在更感興趣的程式語言和寫網頁上。在一次的機緣，他得到前往台大教授葉丙成工作坊實習的機會。在那裡沒有看不起他的人，而是讓他對自己的能力有更高的自信，甚至在存下一些錢之後，他毅然買了機票，飛往耳聞已久的矽谷。

追求創新與相信人才的矽谷文化

今年 4 月第一次前往矽谷的周奕勳，被矽谷的生命力狠狠的震懾了一頓，雖然只是短短的兩個禮拜，他卻覺得在矽谷看見了真正的自己。在這兩周，他去了 Google 和 Facebook 總部參訪，英文只有基本程度的他，進步到能跟美國人對談閒聊。更重要的是他發現，「在美國，放眼望去都是各種名校畢業生，但他們不會因為自己的學歷而自豪。」脫下了學歷的壓力，周奕勳彷彿可以重新呼吸。「在矽谷，不管你現在有沒有成就，你以後都有可能創業成功，矽谷人都會勸你放手一搏。」他說。

在第二次矽谷行中，和周奕勳巧遇的簡有成，是一位隻身前往矽谷的台灣人，看到周奕勳積極地用不怎麼流利的英文四處找人攀談，深受感動。「有一次他從舊金山打給我，說他一個人在那裡跑了十幾家銀行，終於有銀行肯讓他辦金融卡。」簡有成覺得非常神奇，明明才 15 歲的年紀，又是短期居留，竟然申請得到卡？「但他就是做到了。」

回台之後，周奕勳想將矽谷所學所聞分享給家鄉，就這麼跟幾位有志一同的國高中生聯合成立了 Silicon Trip 團隊，招募對寫程式和矽谷文化有興趣的台灣學生，與他們分享矽谷的點點滴滴。周奕勳說：「比起分享專業，我更希望他們有獨立思考的能力。」

勇於犯錯並處理錯誤

兩次與周奕勳一同前往矽谷，既是朋友又是帶領者角色的薛仲翔， 2015 年在高雄行動科技應用開發者年會中認識周奕勳，也看出了周奕勳的潛力：「比起能力，我更看重他的態度。」薛仲翔說：「第一次去矽谷時，SIM 卡我早就辦好了。」本來也想幫周奕勳辦 SIM 卡，但當時英文還相當生疏的周奕勳卻毫不猶豫自己去線上蒐集資料，最後甚至找到比薛仲翔還便宜 5 美元的 SIM 卡。

「雖然他花了太多時間，但這種大量蒐集並消化英文資訊的能力是非常難得的，我到了研究所才真正學會，15 歲的他竟然就已經練就這種能力。」薛仲翔感到非常驚訝。

此外，他對於周奕勳勇於犯錯，對創業、程式語言的熱誠也印象深刻。薛仲翔笑道：「所以我也會毫不猶豫的鞭策他。」例如 Silicon Trip 籌辦時，出現成本過度理想化、籌備過程宣傳太晚導致報名人數太少等問題，薛仲翔說：「不過這也是因為他還年輕，經驗不多，這樣的錯誤也在期待之中，我也不會全部提醒他，有些跤要讓他自己跌。」

「走出自己的路」

後來，周奕勳參加北京 AWS 技術峰會比賽，又在台灣申請上美國 Y Combinator 新創學校（Startup School）課程，於 2016 年 9 月二度前往矽谷。

已經從高中休學的周奕勳，目前擔任台灣一間 App 開發公司的實習全端工程師。「請不要把我寫成自學程式語言的人。」在訪問的尾聲，他忽然提出了這樣的要求。原本以為是謙虛，但他卻語重心長的表示，不想再把自己自學的這條路打造成另一條「循規蹈矩」的路。「很多人都會問我，去美國或去哪裡實習的秘訣。」他其實很反對這類問題，因為就如同按照傳統教育不一定會成功一樣，他認為依循他的路去走，結果也未必相同。

「剝除了成績和學歷之後，我們學生還剩下甚麼？」這是周奕勳不斷追求的解答，也是他認為每一個人都該問自己的問題。

（校稿編輯：何佩珊）

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。