創新管理的搖籃RPI
創新管理的搖籃RPI
2005.06.01 |

RPI(Rensselaer Polytechnic Institute)壬色列理工學院,是美國最早的工學院,在工程教育上有很多的創新,對19世紀美國工程實務上有諸多貢獻(大西部鐵路工程、布魯克林大橋),也是最早於19世紀末接受黑人與女人進入工學院的學校;四年前成為第一所由黑人女科學家當校長的高等學府(最近MIT也用了女校長);三年前爭取到3億6千萬美金的捐款,大量擴充其生技與奈米科學的研究。

**強調創新與創業的MBA

**
RPI在1980年代即運用閒置的土地及校舍,開始經營科技園區及育成中心,並在1995年獲得年度最佳育成中心。RPI與紐約州及東北地區的主要科技公司如GE、IBM都有長期深切往來,唯其管理學院的規模一直很小。在90年代初期,當時的商學院院長約瑟夫摩朗率先推出「管理與科技」(Management and Technology)的MBA,以RPI的科技優勢將管理的研究與教學鎖定在「創新、創業」領域。
最早他們推出一門DMM(設計、製造與行銷)的整合課程,讓同學針對自己構思的科技產品,從研發、設計、製造、成本分析到行銷企劃,由不同的老師輪流上陣,進行為期一年的學習。RPI也槓桿運用其育成中心,成為同學與創業者第一類接觸的機會,並幫創業團隊進行競爭分析、市場行銷策略等他們極需要又缺乏資源的奧援,讓學生實際體驗創業的艱辛。
最近他們的課程安排又有了更新、更完整的進展。新生訓練歷時一周,主題是「英雄、領導者與創新者」,為新生定調這是一個不同的商學院,說明RPI不是教你「賺錢」(make money),而是教你「創造價值」(create value)的學校。透過邀請畢業校友中的典範人物現身說法,並強調團隊合作、正直、真誠等職涯發展中的重要元素。

**以創新思維回應管理情境

**
除了基礎的經濟與財務分析外,RPI將所有課程分成五個聚焦在科技的管理知識流(streams of knowledge),反應其以「創新」為核心的概念與目標。 1.企業的創造與管理(強調新創事業與成長管理) 2.新興科技的商業意涵(強調科技的應用及科技的營運模式) 3.網絡、創新與價值創造(涵蓋組織管理、供應鏈管理,但強調價值創造) 4.開發創新的產品與服務 5.策略、科技與競爭(策略及競爭分析,但強調科技的成分)
最後的一堂整合性研討「管理前緣」(managing on the Edge),為兩年來的課程做一綜整與應用,以創新、創業精神的思維來回應非線性、不可預期的管理情境,包括組織變革、管理不確定、危機處理、併購及被併購等議題。
我一向強調學習的「情境脈絡」(context)比「內容」(content)重要,類似的管理議題在新創事業和既存大公司,在製造業和服務業的情境都會有所不同,對學生的管理知識、解決問題的技巧和態度也會有不同的影響。
台灣有多位科技管理的教授是RPI畢業,都在各自的學校開授科技與創新管理課程。當時認識的RPI台灣MBA同學,回國後也參與開創的諸次戰役,RPI堪稱是創新管理教育的搖籃。

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