中國經濟還要熱多久?
中國經濟還要熱多久?
2005.05.15 |

四月二十日,中國國家統計局公布了今年第一季及三月份國民經濟有關統計資料,發言人鄭京平指出,「投資規模依然偏大,調控任務依然繁重。」
因此特別邀請中國宏觀經濟學會常務副秘書長王建、經濟學家張曙光、中國社科院數量經濟技術研究所所長汪同三、國家開發銀行專家委員會常務副主任王大用、瑞士信貸第一波士頓亞洲區首席經濟學家陶冬以及哈繼銘,就過熱問題進行探討。

(二十一世紀):各位認為當前經濟是否過熱?
哈繼銘:去年第一季經濟增長速度很快,超過九.五%,外貿貿易赤字八十六億美元,消費增長一○.七%,今年GDP的各個分量都比去年大很多,而且是平衡快速地增長,所以我對今年經濟形勢的判斷,是宏觀經濟已經不再是結構性過熱,而是全面過熱。結構性過熱尚可用行政手段調整,全面過熱則需用總量調控。
陶冬:我認為過熱是由幾方面因素造成的,一是貨幣政策沒有隨著經濟的加速、通膨的重現而變化;二是地方政府的GDP本位主義和銀行的結構性缺陷,導致投資持續過熱;三是房地產有過熱的現象。但我認為中國消費沒有過熱現象,城市收入增長相當迅速,而且農村收入也出現轉機。出口則有另類的過熱現象,主要是由人民幣匯率的長期缺乏彈性以及出口商間的彼此競價造成。
張曙光:就第一季的情況來看,有些地方存在過熱的問題,但說經濟過熱有點聳人聽聞。在去年GDP達到九.八%的基礎之上,今年我國第一季度GDP增長達到九.五%,確實是較快,但並不是所有領域都是這種情況。
王大用:判斷當前經濟是否過熱是有一個標準的,如果說過熱是「病」,那麼就要判斷增長是不是偏快、通脹壓力是不是過大,而不是指別的毛病。美國的經濟增長達到五%就過熱了,中國經濟在現階段達到九%也不怎麼過熱,因為通膨率並不高。
王建:去年經濟增長九%和今年增長的九%並不一樣,去年我國面臨的是生產資料和能源的瓶頸。但是今年我國大概增長了五千萬噸鋼的生產能力,煤炭生產差不多增長了三千多億噸,這個瓶頸已經緩解很多。我特別強調的一點,就是去年宏觀調控中,已經把新開工的項目壓下來了,但因為在建項目不能停下來,所以高峰還要持續一段時間。
汪同三:還是要注意新問題,這對於搞好宏觀調控是最重要的:第一,中國自改革開放以來到現在,投資扮演了「成也簫何,敗也簫何」的角色,所以現在要特別注意投資反彈的問題;第二要注意價格問題。現在講價格不是大問題,但是更應該提的口號是要化解價格上漲的因素,為二○○六年、二○○七年的發展創造好的條件。
王建:在物價問題上,現在可能有很多人擔心會出現「輸入型通貨膨脹」,因為今年鐵礦石、石油價格都有了驚人的走高,問題集中在進口的上游產品價格方面。
另外就是有相當一部分壓力可以通過出口轉移出去,因為現在出口已經占到我國GDP的三五%左右。去年是貿易的一個轉捩點,第一次出現機電產品出口順差。也就是說中國的價格提升速度要快,這樣對進口上游產品的價格上漲有消化壓力的作用。

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