「我們很好！」Evernote宣佈現金流轉正，駁斥獨角獸瀕死說法|數位時代 BusinessNext

「我們很好！」Evernote宣佈現金流轉正，駁斥獨角獸瀕死說法

Evernote執行長Chris O'Neill於官網上發表聲明，稱已將公司現金流轉正，未來營運可以自給自足，推翻先前外界預言Evernote這隻獨角獸瀕死的說法。

曾經風光，也曾落魄

Evernote成立於2007年，搭上智慧型手機興起整合跨平台雲端筆記需求，在2012年就成為估值超過十億美元的獨角獸，同年用戶突破3千萬、融資達2.7億美元，氣勢如虹，彷彿不久後就會公開上市。

這隻曾經擁有10億美元估值的獨角獸，卻在2015年末到2016年間顯露出經營危機。多數用戶沒能轉變成付費用戶，拖累公司整體業績；Evernote創辦人Phil Libin於2015年宣布離職，由來自Google的Chris O’Neill接任，接著於同年相繼關閉莫斯科、新加坡及台灣的辦公室，儼然就是一隻瀕死的獨角獸。甚至在去年12月宣佈得新版隱私政策中，因為讓部分員工有權限存取用戶資料，引起一陣撻伐及失去部分用戶信任。

現金流轉正，駁斥獨角獸死亡預言

走過風雨，這隻曾被預言將死亡的獨角獸，執行長Chris O'Neill昨日在網站上宣布：「上週我在SaaStr Annual上的談話中宣布Evernote現在已經將現金流轉正，公司的財務也在完全的掌握中。從今以後，所有的作業營運都可自給自足，不需再仰賴外部資本。」並自信滿滿的表示，Evernote在去年達到2億使用者的里程碑、付費用戶增加兩倍，並成功將3PB的資料轉移至Google Cloud Platform，及重新設計Windows和iOS版應用程式。

同時Chris O'Neill在SaaStr Annual上也談到「放慢腳步，重新形塑一個專注於產品的團隊很重要，必須逐步達成每項OKRs（Google組織內部評分系統）。」也分享重整團隊一路走來需要相當大的勇氣，同時力抗外界雜音，過渡時期相當關鍵，因此從人性化角度思考就顯得相當關鍵。Chris最後談到：「你不可能一次做五件事，你必須一次只專注三件事情上。」

執行長Chris O'Neill接受外媒《VentureBeat》採訪時表示：「從現在起，Evernote可以完全靠自己的資金營運，我們將投住更多資源在改善用戶體驗上。」去年六月，Evernote提高其收費，並限制免費用戶只能在不超過兩台設備上同步資料，但Evernote也表示其他用戶體驗將不會有任何改變。

砍掉重練，重新思考產品定位

上個月Evernote更是整組打掉重練，推出新版iOS 8.0版本，改善瀏覽程序讓搜尋筆記更快速、介面色採更多元、豐富，同時針對私人及企業筆記做了更清楚的區分。Evernote產品總監Erik Wrobel受訪時表示：「我們在重新設計app的過程所花費的時間與資源，讓我們從本質上從新思考Evernote要如何代表Evernote。」

重新找到正確產品型態的Evernote是否能真的完全擺脫困境呢？或許就像執行長Chris O'Neill在官網聲明所說的：「2015年底，在我們準備翻轉這頭大象時，我請大家拭目以待。時至今日，此話依然成立。Evernote正往正確的方向，準備加速前進。」

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。