不願再養大對手，零售業將矛頭指向AWS，Google、微軟的機會來了|數位時代 BusinessNext

亞馬遜與零售業衝突升溫，AWS可能受波及

對零售業者來說，除了架設網站、推出App，以及啟動各種零售場域實驗和改革，試圖與亞馬遜相抗衡外，現在AWS也可能成為他們的反擊戰場之一。過去因為市場上成熟的公有雲服務有限，且亞馬遜帶來的威脅感也還沒有現在這麼迫切，所以不少知名零售商都是AWS的客戶，如Target、Nordstrom、Nike、Under Armour等等，而他們也都可以說是為亞馬遜養大AWS這個金雞母的貢獻者。

根據亞馬遜過去幾個季度的財報，AWS明顯扮演了公司獲利的主要支柱，如在今年第二季，AWS對亞馬遜的營業利益貢獻為9.16億美元（約合新台幣274億元），彌補了海外市場的虧損，也讓亞馬遜在該季度可以維持獲利，可以說AWS是讓亞馬遜能夠更安心地以不計成本方式在市場上攻城掠地的後盾。

因此或許也可以說不太意外地，當亞馬遜與零售者之間的利益衝突日益升高，同時市場上也開始有更多雲端服務廠商可供選擇之後，離開AWS就成了一個選項，也可以說是零售業者對亞馬遜的一種消極抵抗。

根據美國媒體CNBC的報導，Target方面雖然沒有正面承認「計畫脫離AWS」這個消息，但明確表示，他們現在不只使用一家雲端業者的服務，而且未來也會持續這麼做。另外Target今年7月開始釋出大量科技職缺，包括雲端基礎架構工程師，或也可以視為這項變動的跡象之一。

Google、微軟虎視眈眈

當零售業者對AWS的態度有所轉變，相對地也就成了微軟、Google和甲骨文等其他雲端業者的機會。而若能成功從AWS手中拿下指標客戶，並成功完成系統移轉，也很可能會帶起連串效應，繼而成為在零售市場的雲端大贏家。

不過零售業雖然是重要的雲端用戶族群，但要讓AWS真正感受到重擊，恐怕也不是那麼容易。根據研究機構Synergy Research Group最新公布的第二季雲端市場調查報告，雖然微軟、Google相比去年同期的雲端營收都呈現倍增，市占也有進步，但AWS今年第二季的全球雲端市占率還是高達34%，這個占比還高於微軟（11%）、Google(5%)和IBM(8%)的合計市佔。

但不論如何，零售業者對亞馬遜的反彈，對其他對手來說絕對是好消息，更是不能錯失的好機會。

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。