美國電信業進入三國鼎立！T-Mobile、Sprint敲定合併，衝刺5G發展|數位時代 BusinessNext

T-Mobile與Sprint合併，監管問題受矚

T-Mobile與Sprint分別是美國排名第三、第四大電信商，合併後將以「T-Mobile」為公司名稱，市值達1460億美元，用戶數合計共1.26億人，將對另外兩大電信商Verizon、AT&T構成威脅，也宣告美國電信業進入三國鼎立時代。根據協議條款，每股Sprint股票兌換0.10256股的T-Mobile股票，T-Mobile的母公司德國電信（Deutsche Telekom）將擁有42%的股權，而Sprint母公司日本軟銀（SoftBank）將持有27%股權，新的T-Mobile執行長仍由約翰·萊格（John Legere）擔任，而軟銀創始人暨執行長孫正義將進入合併後公司董事會。

該合併案討論歷經四年之久，早在2014年T-Mobile與Sprint就傳出有意要合併，但當時因監管方面而沒有成功，而在去年11月軟銀因合併後的控股比重談不攏，宣告談判破局。今年4月10日雙方再度傳出合併的消息，刺激兩家股價都大漲，T-Mobile收盤上漲5.67%來到 63.13 美元；Sprint上漲 17.35% 來到 6.02 美元。合併談妥後，雙方最快在明年（2019）上半年完成合併，但在此之前得先接受美國監管機關的審查，兩家電信商合併，是否有牴觸反托拉斯法。

以衝刺5G為目標，為美國電信業帶來新格局

因此，T-Mobile與Sprint想試圖說服監管機構、美國總統唐納·川普（Donald Trump），合併有助於加大5G網路的投資，並施加壓力給競爭對手；不過若雙方合併，美國四大電信商將減少成三個，外界擔心會因競爭降低促使漲價，對此T-Mobile執行長John Legere認為：「情況並不是從四家變成三家無線業者，目前在市場上至少還有七到八家大型競爭者。」而合併後也將迫使其他企業加快投資的腳步。

以加速5G網路布局為口號，這樁合併案是否真能獲得川普政府的放行？今年1月川普政府曾考慮5G技術國有化，由政府斥資興建5G網路；以及前陣子鬧得沸沸揚揚的「雙通」世紀收購案，川普以國家安全為由，禁止博通（Broadcom）收購高通（Qualcomm），正是擔心併購後會對美國5G地位造成影響，都可看出美國政府對於5G的重視，日前美國無線協會（CTIA）指出，中、韓在5G競賽中領先美國。當發展5G成為國家競賽時，兩大電信商的合併案，美國監管機構的態度值得後續關注，若T-Mobile、Sprint順利合併，也將為美國電信業帶來新的格局。

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。