人工智慧產業促進協會來了，就能改變硬體廠的製造思維？|數位時代 BusinessNext

人工智慧產業促進協會來了，就能改變硬體廠的製造思維？

科技公司成立人工智慧產業促進會，其中也不乏硬體業者，但硬體業者沒有服務思維的DNA，仍尋求產品大量製造的機會。人工智慧浪潮，可能是改變的契機，也可能只是跟風而已。

5月10日我去參加「人工智慧x應用產業前瞻技術創新高峰論壇」，主要是了解IBM、Microsoft、Google、Qualcomm及NVIDIA等人工智慧大廠在人工智慧的進度，以及對台灣開發者的支援。當天在現場，也宣告成立人工智慧產業促進會。

根據報導，人工智慧產業促進會的創始成員的名單，「包括華碩電腦、中華軟協、賽微科技、仁寶電腦、鐵雲科技、綠創科技、工研院、金寶電子、愛卡拉互動媒體、光寶科技、銓鼎科技、精誠資訊、SkyRec、台灣色彩影像科技、威盛電子、緯創集團緯謙科技等數十家業者。」

像是塞維科技、精誠資訊、台灣色彩影像科技等公司，都是現場有展示的軟體業者，分別從語音、幫Pepper做應用、影像辨識等領域切入人工智慧，雖然距離國外大廠仍有一段距離，但是他們的成績令人欣慰。

為什麼參與此促進會還有做硬體產品的業者呢？據我觀察，這些做硬體產品的業者，因為公司內沒有服務思維的DNA，又因為要考量現有業績KPI，大部分的主管思維還是在尋求大量製造產品的機會。

他們光要轉型雲端軟體服務思維，就已經有很大的障礙了，更何況需要大量蒐集數據，用大量機器運算做分類、訓練資料做預測，甚至做到可自我決策的機器學習與深度學習呢？

這個矛盾也出現在台灣很多硬體製造的業者，過去的硬體製造太為成功，現在知道人工智慧是未來的機會，但是沒有勇氣像IBM、微軟、NVIDIA一樣，動大刀幫自己徹底轉型。

觀察IBM、微軟、NVIDIA這些大企業在此階段的轉型，剛開始的大動作，因為受到無法了解其動機的大眾媒體的質疑，股價大受衝擊。執行長當時所受的壓力非常大，可想而知，尤其IBM用大量裁員，再找新人才換血達的手段來轉型。現在轉型成功了，擁有新的DNA，面對大眾的歡呼，說他們是贏家，股價也開始往上爬升。

國內硬體產品廠商的執行長們有這種勇氣嗎？據我所知，這樣的執行長不多，一如論培中IBM雲端事業部的副總許仲言所講的：「台灣的政府太慢，企業太保守」。這也是最令人擔憂的事，面對物聯網和人工智慧的時代浪潮，如果仍然抱著舊的硬體產品與大量生產思維，卻希望景氣回春，回到過去榮景，這無異於緣木求魚。

如果這些硬體廠商加入人工智慧產業促進會，可以漸漸被影響而改變思維，從而擁抱人工智慧與物聯網的服務與系統思維，大動作改變自己的DNA，這是台灣之福。

如果只是想跟風的話，不可能改變中國紅色供應鏈崛起所帶來的衝擊，也與世界潮流正往人工智慧加上物聯網的大方向趨勢，大異其趣。無法跟上這波潮流的廠商們，恐怕就只能被時代的潮流所淹沒了。

《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。

（觀點文章呈現多元意見，不代表《數位時代》的立場。）

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。