PTT大當機!關於我的不焦慮的焦慮
PTT大當機!關於我的不焦慮的焦慮

10月30日晚間,萬聖節的前一天,PTT因多顆硬碟接續故障導致系統大當機,直到11月3日早上才修復重生。將近四天無法登入,讓許多鄉民痛苦難耐,直呼PTT戒斷症發作,甚至還有人獻上了自己的身體作祭品,只求PTT趕快復活!

不過,這次當機對我造成的衝擊似乎沒那麼大。

我的臉書好友中一些資深鄉民也是到當機第二、三天才提到這件事,或是跟我一樣「沒那麼絕望」。

這一方面可能血淋淋地反映了我恐怕也越來越跟不上鄉民的腳步外,另一方面,這不那麼絕望、焦慮的感覺,反而讓我擔心起另外一件事。

對於PTT掛了不焦慮的「焦慮 」

PTT掛了,但我的臉書還是不斷更新訊息,不斷餵食演算法決定的「有趣」貼文。雖然過去我常說,就算在臉書時代,PTT這個有著鄉民文化血脈的「老科技」也不會衰亡。但這次我對PTT當機的「不焦慮」讓我得重新思考這件事。

PTT也許不會走向沒落,但臉書帝國的擴張是不爭的事實。在爭奪注意力的時代,你電腦螢幕上常駐的、手機上最常開啟的,是臉書還是PTT?如果我們將臉書與PTT這類媒介看作是資訊傳播的重要管道,那麼,上述問題也正是問:我們的社會是以什麼樣的形式傳遞著資訊?

換言之,我對PTT當機的「不焦慮」,這件事情引發我的另一個憂慮:我們身處的這個資訊傳散系統,其結構如何受臉書影響而改變?又會對我們的社會產生什麼影響?

臉書是隨選視訊,PTT是報紙

資訊傳散看起來是個抽象概念,但我們可以試著以譬喻理解:臉書是隨選視訊,而PTT比較像傳統報紙。

這個有點莫名其妙的類比是要說:如同隨選視訊,臉書讓人們「看到想要看的」,而PTT則像傳統報紙,得在許多「無趣」之中找到感興趣的事情。

隨選視訊與傳統報紙之間的差異,並不是文字媒體與影音多媒體的差異,而是「資訊篩選可能性」的差異。

隨選視訊不像傳統的第四台,人們無需被其內容安排的框架綁住,可以完全只挑自己想看的節目、影集來看。甚至隨選視訊的系統還會「推薦」相關的節目、影集繼續看下去。但報紙不一樣,我們雖然可以選擇買哪家報社的報紙,也可以只看某幾個版面,但其上的內容無論有趣與否都會被我們看見。

臉書就像隨選視訊一樣。我們沒有清楚地意識到自身的選擇,但透過神祕的演算法,我們每一個按讚、留言或轉貼都成了某種評價分數,回過頭來決定我們能看到些什麼。然而,在PTT上,雖然我們也會推文、噓文但那並不構成任何篩選機制。

即便我針對仇女或反同內容的貼文噓再多次,每每進入八卦板,我都還是得忍受這些文章。這種經驗就好像在看報紙時,即便對著顯露某些特定價值類型的文章咒罵多遍,明天類似的標題還是會刺眼地躺在報架上。

「資訊篩選」是解藥還是毒藥?

許多人可能會覺得,這樣不正好嗎?有了類似隨選視訊這樣的篩選機制,我們在臉書上得以不再看到那些令人倒胃口、甚至感到被侵犯的言論。

「資訊篩選」對於阻絕歧視、壓迫性言論來說該是帖良藥吧?不過,美國知名法學學者,同時也曾是歐巴馬政府重要幕僚的桑斯汀(Cass Sunstein)卻不這麼想。

早在2001年,桑斯汀觀察網際網路的發展時,便已警告「資訊篩選」可能嚴重危害當代民主社會。

桑斯汀主張,一個健全的民主社會有賴社會充分傳散共同或異質經驗。這不僅是公共言論表達的自由,也是資訊接收者差異經驗、甚至不同立場之論述開放的義務。

然而資訊科技的強大又便利的資訊過濾與篩選機制,使人們很容易掉進「只看自己想看的」鏡像與回音之中,阻礙社會相互溝通與理解彼此的可能。

因此,有別於臉書偷偷地餵食著「資訊篩選」的毒藥,對我而言,PTT的重要性也在於,「它仍一定程度上保留著傳統報紙媒介的特性。」

用桑斯汀的話來說,在PTT上我們仍然可能接收到那些「非預期的」(差異的、不同立場的)資訊。

當然,在這些非預期的資訊當中,有許多可謂不堪入目的歧視、壓迫性的言論,這絕對是令人感到不安的部份。但是,同樣或甚至更加令人焦慮的是,在PTT掛掉以後,臉書上看似「一片和諧」的美好的、同溫層的世界。

《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。)

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