顛覆中醫不科學印象！台灣新創把脈診儀搬到App，讓你在家「把脈」|數位時代 BusinessNext

顛覆中醫不科學印象！台灣新創把脈診儀搬到App，讓你在家「把脈」

台灣新創公司金姆健康科技，把具有30年歷史的脈診儀技術搬到App上，並結合醫療大數據，透過AI分析掌握個人健康生理狀況，將中醫脈診帶入日常生活中。

脈診儀結合醫療大數據，用AI分析個人健康

中醫脈診的歷史悠久，王恬中指出，其實脈診科學化這件事，從1988年第一台脈診儀問世就開始可以透過數據追蹤、分析就診民眾的生理狀況變化。事實上，金姆科技的團隊組成頗為特別，因為第一台中醫脈診儀的研發者就是王恬中的父親、知名生物物理學博士王唯工，但過去醫療用的脈診儀要價不菲，並沒有真正普及，這也是為什麼去年10月父親逝世時，她與身為共同創辦人的兄姐，決定延續父親將脈診平民化的理念而創業。

可以說，已有30多年的脈診儀技術，現在金姆科技做的是將其搬到App上，讓民眾可以直接用簡單明瞭的方式追蹤自己的生理變化。技術總監翁崧騵解釋，背後的AI演算法，除了奠基於過去王唯工教授的中醫理論外，還加進了團隊與忠孝醫院、仁愛醫院、美國史丹福大學研究中心等單位合作導入的臨床醫療數據分析。

例如，將病患到醫院量脈的數據與醫生的診斷結果配對分析，去識別化後得出病徵趨勢，再根據每個不同的脈象，提供使用者不同的飲食、生活型態建議。而王恬中本身有營養學背景，因此團隊裡的營養學專家所占比例重，也持續將最新的營養學研究，加進演算法的變因裡。

研發中醫師專業版本，目標轉型做健康平台

王恬中認為，相較於目前市面上的居家健康儀器，看到的可能只有血糖、血脂等單一指標，金姆科技所瞄準的市場缺口，其實與中醫的特性息息相關。因為在中醫的脈絡中，能看到的不是「病」，而是一個「狀態」，每個脈象的排列組合，代表的身體狀況也不同，因為脈象會受到時間、食物、環境等因素影響，每次脈診儀所測量出的結果，反映的是當下的情況，透過了解自己每天的脈象變化，才能找到最適合自己的飲食與生活方式。

翁崧騵解釋，以目前的技術來看，金姆科技的脈診儀已經能做到大眾AI，可以根據不同脈象，用數據歸納分析出問題，而下一版要研發的則是進階的個人AI，導入機器學習，進一步做到個人狀態的精準提醒。

現階段，金姆科技的商業模式，以硬體銷售與量脈計次月費為主，王恬中表示，除了持續做軟體更新與研發針對中醫師的專業版本外，公司更長遠的目標其實是結合醫療、健身機構或是保健相關食品業，透過異業合作轉型成健康平台，把好的東西提供到民眾手上。

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。