比不上賈伯斯、比爾蓋茲作為，祖克柏赴歐洲聽證會遭官員慘電|數位時代 BusinessNext

比不上賈伯斯、比爾蓋茲作為，祖克柏赴歐洲聽證會遭官員慘電

Facebook執行長祖克柏(Mark Zuckerberg)本周赴歐洲議會，接受議員們針對劍橋分析事件的提問，不過這場道歉大會顯得有點多餘、浪費時間，祖克柏避重就輕，選擇性的回答自己想回答的問題。

怪異的聽證會設計，讓祖克柏選擇性答題

「我問了你六個問題，但我一個答案都沒得到。」比利時歐洲議會成員Philippe Lamberts在會議接近尾聲時這麼說道。

這場於歐洲登場的會議與六周前美國的聽證會很不同，因為迫於外界壓力，從原本的一場閉門會議，最後臨時改為一場公開透明的網路直播。比利時代表這麼抱怨不是沒有道理，許多人都期待相隔了六周，祖克柏能不能提出更多讓人耳目一新的說詞，但卻被獨特的會議形式破壞了當初的期待。

不同於美國聽證會上長達五個小的輪番提問，歐洲的這場會議，一開始祖克柏先朗讀了事前擬定的聲明，接著在場的12位歐洲議會代表，用了超過一小時的時間，提問了大量的問題，祖克柏同時一邊做筆記紀錄，在所有人提問結束後統一回答，但最後祖克柏回答的時間只剩下七分鐘，且議員們不能在事後追問問題。

除了拷問祖克柏，更像是宣傳GDPR的舞台

「在過去幾年中，我們沒能很好阻止自己開發的工具被用來做壞事，不論是假新聞、國外團體干涉總統選舉，還是開發者濫用用戶數據，我們都沒能履行好自己的職責，這明顯是錯誤的，我在此進行道歉。」會議一開始，祖克柏再度以道歉拉開序幕。

這次的聽證會比起得到祖克柏更多的說法，也許歐盟更想藉由這個機會好好向世界宣傳，三天後將上路的「歐盟通用資料保護規則（GDPR）」，違反的企業將面臨年營業額4%的罰款，藉此向外界傳達「數據隱私是目前歐盟最關注的事項」的訊號，而社群巨頭濫用個資就是一個完美的例子。

毫無意外的，這次的問題依舊圍繞在隱私，議員們想知道Facebook 可不可以保證劍橋分析事件絕對不會再次發生、要如何遵守GDPR的細則、用戶是不是能掌控自己的資料，也有人問到Facebook是否會開發一項產品，讓用戶可以選擇不要成為廣告投放的目標，另外還有假帳號、假新聞的問題，以及是否能保證不再受到外國勢力操控、WhatsApp及Facebook資料會不會被雙向蒐集。

祖克柏維持他一慣的基調，並沒有逐一回答，他表示公司絕對會遵守將上路的GDPR 規範，為了符合這個精神，Facebook將推出「一鍵清除歷史資料按鈕」功能，允許用戶刪除所有儲存的cookie、瀏覽歷史。

永遠不會完美的Facebook

至於劍橋分析，祖克柏表示公司還必須花上幾個月的時間，才能確保平台上完全沒有惡意第三方App的存在，認為未來一定還會有惡意App出現，但公司絕對會盡全力阻止用戶被惡意侵害，同時也研發更多AI工具，協助揪出不良的內容與帳號，「我們的目標是要讓AI主動審查內容。」祖克柏認為未來的狀況一定會如同貓捉老鼠，因為廣告商也會開始使用AI工具，「在這點上，我們永遠不會完美。」他說。

至於仇恨言論跟假新聞，他重申公司會聘請數以萬計的審查人員，來解決這項問題，另外還特別強調Facebook在歐盟的大舉投資，目前公司總部設在愛爾蘭、第二大工程團隊在倫敦、AI實驗室在巴黎、數據中心在瑞典和愛爾蘭，2020年還將在丹麥增設一座數據中心，並承諾今年（2018）年底，Facebook會在歐洲增聘1萬名人力、2020年前會為高達100萬名民眾、小企業提供數位技能培訓。

議員們花了一個小時提問，祖克柏只有不到10分鐘時間應答，因此有機會避答定位廣告、WhatsApp資料共享，以及蒐集非Facebook用戶資料等關鍵性問題。歐洲自由民主黨聯盟領導人居伊·伏思達（Guy Verhofstadt）最後說道：

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。