頂尖設計師要有未來式思考能力|數位時代 BusinessNext

工業設計需要用嚴謹的市場調查數做基礎，另一方面卻需要設計師能勇於跳脫數據大膽想像，福特All New Focus亞太首席設計師保羅吉布森（Paul Gibson）覺得，這就是工業設計最令人興奮的地方。

**同一款設計無法全球通用

**
吉布森來自英國倫敦，喜愛品嚐威士忌的他，也很享受設計帶給他的醉人滋味。福特Focus是吉布森的代表作，這款全球最暢銷的中型房車，也是百年來唯一同時獲得歐、美年度風雲車的作品。吉布森在1989年獲得汽車設計碩士學位，隔年就加入福特澳大利亞公司參與轎車的開發工作，接著到世界不同地區參與開發的工作。他曾遊列各國，在美國密西根州、義大利和德國等地設計各種福特車款。
吉布森指出，一種設計絕不是拿到世界各地都通用，必須因應不同的地區的喜好修改。「各地的文化經驗，是我在為車子改款時最重要參考，」除了自己的經驗之外，他還與廣島、墨爾本和台北的設計室的設計師們，共同研究各地區消費者的喜好，另外，他也要和曼谷、中國大陸、南非、亞太地區的產品營銷團隊密切協調，希望讓作品同時擁有全球視野與在地設計的精神。
「設計的挑戰之一在於如何用相同的DNA來詮釋福特Focus，」吉布森說，在向消費者陳述當地喜愛的設計語言同時，也要讓人看一眼就認出這是福特All New Focus的車款。保羅舉例，像是新一代的Focus車款，不論在任何地區，都有鷹眼造型的車燈，以及兩條從車燈開始，延伸到水箱、引擎蓋，經過車身側面最後到行李箱的一體成型線條，方便消費者辨識。

**跳脫市調數據才會有好設計

**
汽車的設計是理性與感性的結合，也是工作團隊密切配合下的結果。吉布森指出，工業設計一開始要經過詳細的市場調查，設計師與行銷人員再共同研究市調結果，找出當地喜愛的設計語言。而設計要能真正體現，又是一個很複雜的過程。例如什麼樣的車身線條、車體結構才能夠表現「動感」的感覺，再考慮這些設計又要透過什麼樣的運算、工具才能真正實現。最後設計是否符合各安全法規、成本預算及時程也都要一併考慮，設計工作同時動用左右腦，其實是一件相當複雜，而且需要通力合作的工作。
但吉布森也指出，但設計師不能夠被市場調查的數字綁死。他認為市調資料是現在式的說明，但設計師著眼的是未來式，「你要想像4年後顧客要的車是什麼樣子，」他說，這時候設計師就要大膽跳脫市場調查，用自己的觀察與熱情，創造出不一樣的產品。

保羅吉布森（Paul Gibson）
現職：福特All New Focus亞太首席設計師
學歷：英國皇家藝術學院汽車設計碩士
經歷：福特澳大利亞公司、德國科隆Merkenich的福特歐洲產品研發中心義大利Ghia設計工作室

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。