罵罵年輕人!
罵罵年輕人!
2005.04.15 |

年過四十,最痛苦的職場經驗,莫過於和「不敢成長」的夥伴工作。而這種對成長的怯懦,老實說──在六、七年級身上,似乎有著愈來愈高的普遍性。

**不敢成長的六七年級

**
什麼是「不敢成長」?一個堪稱精準的描述,就是「安於自己的習慣、偏好和趣味」,並進而產生一種以「Me」為中心的「對人對事對物」簡易價值體系。由於高等教育的普及,他(她)們或都擁有不錯的學歷,但看似雄辯滔滔的觀念闡述背後,實則都是一些常民生活裡處處可見的套套邏輯(例如「劈腿即不忠」、「不忠即劈腿」的同義反覆),因而其意見和行動的可行與有效也難以相關。由於深刻自戀自己的觀念和價值,因此他(她)們往往拒絕或難以進入他者的生活脈絡,碰到對其工作內容稍有要求的客戶和主管,則動輒以「豬頭」兩字伺候之。
「不敢成長」世代的另一外顯特徵,是永遠「只讀自己看得懂的書」,而且重複地「讀自己愛讀的主題」,老是看「同一關鍵字標題」的電影,而且只買自己會「哼得出副歌」的CD唱片,他(她)們一丁點都不敢往陌生的地方靠近,一絲心都不想理解乍看下難以辨識的事物,正如旅行一定要參加那種以「消費地點」為招徠訴求的旅行團,因為唯有世界同一規格的消費場所,才能讓他(她)們「覺得像家裡般自在」。

**缺乏實踐自由的強健體質

**
台灣高等教育的抽象化、競爭化和去個人脈絡化,是不是造成「怯懦六、七年級」的主要原因?倒是可以來探究的。在我們的那個年代,成長過程少不了填鴨、體罰和競爭,我們幾乎每個人都在求學過程裡付出了「不自由」的代價。但或許也正是有這種青春期的切膚之痛,我們在反抗或接受那外在威權之際,就比較能動員起自己的反思之心,在一次次的折磨裡,知曉自己的渺小、他者的獨特性和行動範圍之有限。但也正因此,我們也比較敢向未知的領域去挑戰(因為退此一步,即無死所)。但這一代的「不自由」卻是少的,能衝破重重關卡而叩上國立大學之門的,不僅在信心上是自由的,連在行動的開展上也是自由的。如果說我們半百世代的「壓抑青春期」是一種悲欣交集的成長過程,當今六、七年級工作者的青年啟蒙則恰好是在一種全然幸福的悲劇狀態下完成,他(她)們擁有無限自由(包含著我們當年難以擁有的「消費自由」),卻缺乏去實踐這自由可能性的強健自我,於是在無邊自由中,他(她)們轉向為「逃避自由」。
在現代社會裡,「自由」雖然是主流價值,但要享有它,卻也得付出「安全感」(security)的代價,假如無法由他人來驗證自己有「創作獨特自我」的能耐,那倒不如停留在自己熟悉的小世界裡,用白天的犬儒來撫慰夜晚的存在焦慮。德國哲學家康德在他著名的演講〈何謂啟蒙〉中指出:「啟蒙,就是脫離自己強加於己的未成年狀態」,康德當年所謂的「未成年」,意味著沒人給你食譜,你就不懂如何點菜,沒人教你閱讀,你就不會閱讀一本新書;但對今日的年輕人來說,如何才能體會到自己的「未成年」呢?
上個月,一位來面試的年輕女生跟我們說:上班前,能否讓她先去印度、中亞和新疆做一趟單人自助旅行?你說:我們會不願意等她嗎?

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