為什麼越來越多的人逃離矽谷?
為什麼越來越多的人逃離矽谷?

隨著手機和網路的普及,科技和網路新創公司在全球遍地開花。很多新創公司在選擇地址時,通勤時間和租金,是很多科技公司選址時首要考慮的兩個因素。但當今聚集了大多數科技公司的城市,往往無法兩者兼得,只具有其中一項優勢。
 
評估機構Savills針對22個城市調查顯示,包括矽谷、香港在內的城市並不是特別適合創業。而德國首都柏林,既是世界上租金最廉價的城市之一,也是22個城市中通勤所需時間最短的城市之一。

矽谷已經衰落了嗎?

矽谷一直被譽為科技創新的搖籃,是包括Apple、Google和Uber在內的諸多科技公司的總部所在地,這種科技公司的群聚效應,也是它得以不斷孵化新的科技公司的重要因素。
 
但數據統計顯示,矽谷正在逐漸失去它的吸引力。在矽谷,一個程序員如果想要在公司1公里半徑範圍內,租一間一居室的房子,他要把工資的一半以上用來付房租。而美國人口普查局的專家表示,一旦租金超過工資的30%,生活品質就很難得到保證。
 
另一個對工作滿意度的影響很大的因素,是通勤時間的長短。英國國家統計局的研究也表明,在上班路上每多花一分鐘,員工的焦慮感和對工作的滿意度就會成X狀發展,焦慮感顯著提升,滿意度明顯下滑。
 
但現實情況是,包括矽谷所在城市舊金山在內的,大多數科技人才密集型城市在這方面都未能達標。舊金山的平均通勤時間是33分鐘,在22個城市中排在第11位,勉強進入及格線。而這還只是上班所需時間,如果算上從公司回家的時間,矽谷員工每人每天花在路上的時間就超過1個小時。
 
在調查的22個城市中,科技從業者所需通勤時間最短的城市是奧斯汀,美國德克薩斯州的首府,平均只需要16分鐘就可以從家裡到公司,是矽谷所需時間的一半。
 
而包括首爾、新加坡、香港在內的多數亞洲城市都排在榜單末位,與亞洲城市的人口密集度和城市規模有很大聯繫。
 
但通勤時間和租金往往是成反比的。通勤時間最短的奧斯汀是租金最貴的幾個城市之一,平均每週租金超過476美元,折合成月租就超過13,000人民幣(約57,705元台幣)。而平均月租最少的首爾,月租是奧斯汀的三分之一,但通勤時間卻是它的兩倍。
 
在中國,以深圳為例,單程通勤時間平均為43分鐘,在22個國家中居下位。堵車是其中一個重要原因,2016年深圳「堵車」的人均成本就高達4,357元(約19,340元台幣)。同時,每平方公尺的平均月租超過70元人民幣(約310元台幣),即如果租住一個60平方公尺的房子,月租要超過4,200元人民幣(約18,643元台幣)。
 
以世界標準看這也許不算高,畢竟矽谷地區的月租,大都超過1萬元人民幣(約台幣44,388元)。但從收入和房租比來看,深圳的數字就很高了,每月有將近一半的人,將30%的工資貢獻給了住房。深圳的情況基本可以代表中國一線城市的情況。
 

柏林會是下一個矽谷?

環顧全球一線城市,柏林似乎是唯一一個可以平衡租金和通勤時間的城市。它的平均通勤時間為23分鐘,排在第4位,而平均租金為179美元,排在第三位。
 
而通勤時間最短的前10個城市中,有5個在歐洲,分別是斯德哥爾摩、柏林、倫敦、都柏林和阿姆斯特丹。這與歐洲的城市規模和公共交通的發達程度有很大的關係。
 
歐洲的城市規模相對更小,除了倫敦是面積達1,500平方公里的大城市之外,其他4個城市都不超過1,000平方公里,其中斯德哥爾摩和都柏林的城市面積更是不到200平方公里。與之相比,中國一線城市的代表,北上廣三座城市的面積,分別為16,410、6,340、7,434平方公里,是歐洲城市規模的十倍,甚至百倍。
 
除此之外,歐洲的公共交通和城市道路建設也相對完善。比如倫敦地鐵每天運行超過21個小時,從清晨五點到凌晨一點;阿姆斯特丹的自行車道遍布大街小巷,超過70%的市民,通過自行車和步行解決日常出行問題。
 
同時柏林不管在在娛樂文化服務,還是醫療環境水平上,都在22個城市中居前5的城市與柏林相反的是香港,它不管在通勤時間還是租金上都排在末位,通勤時間是柏林的2倍,平均租金是柏林的3倍。
 
每個適合科技公司駐紮的城市都會形成一個科技公司的聚集區,比如舊金山的矽谷,而在柏林,這個區域是克羅伊茨山(Kreuzberg)。這個區域不只有科技公司,還有酒吧、夜店和畫廊,能夠充分滿足年輕科技創業者的娛樂需求。
 
Savills的聯席董事Paul Tostevin認為,總體上,歐洲城市的通勤時間都更短,但也通常不具有像紐約和舊金山這樣的大城市,所具有的完備的文化設施和娛樂產品。矽谷的租金之所以高得嚇人,也是因為大多數對住房的要求都是,要不是靠近公司,就是靠近酒吧,而這兩個不管哪一個,都很貴。
 
而柏林在這一點上取得了很好的平衡。就算是在克羅伊茨山的房子,月租也在600-800歐元(19,467-25,956元台幣)之間,幾乎是舊金山平均月租的一半。
 
同時,在醫療服務和軟體配備上,柏林也處於先進水平。而在生活消費上,相比起其他歐洲城市,柏林的物價十分可愛,一頓好一點的晚餐在10歐左右,折合台幣約324元。
 
數據顯示,每20分鐘,柏林就會出現一家新的新創公司。 2016年,德國新創公司吸引的創業投資為21億歐元,遠遠超過倫敦所獲得的17億歐元。
 

各國網友現身說法

  • Orphis:我在矽谷工作,一年掙5萬美元,每個月交1,466美元(約台幣44,922元)房租。之前開車上班,早上要花20分鐘到公司,但晚上回家會堵車,至少需要40分鐘。有個晚上我花了一個半小時​​才回到家,第二天我就把車賣了。現在我坐快速巴士上下班,每個月要多花70美元(約2,145元台幣),但總算不用每天花兩個小時在路上了。
     
  • bradley13:我的城市在中西部,並不在這22個城市名單之上,但是我有一個三居室的房間,一個月的房租比舊金山一周的房租都要低,而我賺得並不比在矽谷工作的同學少,而且毫無疑問,我的生活成本更低。看完這個榜單我的幸福感更強了。
     
  • MrLogic17:大城市可以讓你結識到更多志同道合的人,這也是需要計入考量的因素。
     
  • xtal:我在矽谷長大,現在搬去了愛荷華州,我愛這裡,我再也不會回到矽谷。我在愛荷華賺得比在矽谷多,花費卻還不到矽谷的一半。
     
  • sloth_jr:我是韓國人,我覺得韓國的房租並沒這麼低。因為韓國的房租並不是按月繳的,我們要繳一大筆保證金給房東,有的保證金是房價的一半左右,每月要交的房租很少。房東賺錢是透過拿保證金去做生意或者做投資。

本文授權轉載自:虎嗅網

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓