屢遭氣象局潑冷水，熱血工程師不服輸！開發電腦版地震速報獲好評|數位時代 BusinessNext

屢遭氣象局潑冷水，熱血工程師不服輸！開發電腦版地震速報獲好評

工程師朱偉綸一手打造電腦版地震速報軟體地牛Wake Up!，歷經花蓮大地震後，用戶數衝上高峰，別於其他地震App，更強調推播穩定性。過去他曾向中央氣象局申請速報，卻屢遭打回票，面對外界質疑，地牛Wake Up!該如何突圍？

電腦版地震速報軟體，推播穩定性高

地牛Wake Up!的開發者朱偉綸，現年33歲，擁有北科大資工所碩士學位，現在是一間科技公司的工程師。因為對地球科學的熱愛，讓他對地震科技應用著迷，先是在2016年9月完成初版軟體，陸續對大眾開放下載，2018年的花蓮大地震後，讓他的每日軟體活躍用戶衝上高峰，超過2500人。

儘管類似的功能，透過市面上包含中央氣象局、民間業者推出的各式地震速報App都能達成，不過朱偉綸卻認為，就推播穩定性來說，電腦版地震速報仍然有其重要性。

「手機休眠時，每隔幾秒才會喚醒處理連線，這會讓推播訊息無法在第一時間送達使用者手上。」

他表示，電腦版速報軟體雖然穩定性高，但最擔心「伺服器無法負荷」，因為若服務上千乃至於上萬個客戶端，需要運算能力強大的電腦，以及大量的網路頻寬，費用非常驚人。

而這也正是中央氣象局的考量，並未直接提供一般民眾使用電腦版地震速報軟體，而僅提供學術機構、研究單位和公家機關等申請帳號。

雖然朱偉綸選擇採用了P2P網路連線技術，當地震速報發布時，伺服器只需要對其中幾個電腦發布速報資訊，就會立即將速報轉傳給與其相連的電腦，降低伺服器成本。

寫信向氣象局申請速報，以「非公司」為由打回票

不過，他的方法，其實走在模糊地帶。靠的是破解其他「直接」取得地震資訊授權的App，擷取封包再轉傳資訊。「但比起中央氣象局直接提供速報，還是慢了2到10秒鐘」他說。

朱偉綸表示，自己其實陸續寫過兩封信給中央氣象局申請授權，但得到的答案是：目前僅接受公司形式申請速報，讓他感到有些失望。

對此，中央氣象局地震測報中心技正蕭乃祺表示，目前約有15個學術單位、法人和民間公司通過氣象局的審核取得速報帳號，但氣象局每年都會檢討是否收回帳號。 而之所以不開發給個人申請，主要還是「穩定性和風險」考量，擔心個人開發者缺乏團隊資金與設備支援，無法應付地震預報的高時效性需求。 但他認為，願意嘗試開發電腦版的速報軟體，「還是很有勇氣的一件事。」

雖然朱偉綸的請求並未獲得同意，不過他表示，將繼續寫信跟氣象局溝通，且不會放棄目前的速報軟體，希望能證明給政府看，個人開發者的能力不見得會比公司行號來得差。

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。