小店風範學
小店風範學
2004.11.15 | 科技

台灣經濟要成長,與其看「大廠」,不如看「小店」,會這麼說,其實有深刻道理。

**先來看「量」的變化……。

**自從八○年代「服務業」首度超越「工業」,成為台灣GDP(國內生產毛額)的主力後,這個趨勢便扶搖直上,到今年第三季止,服務業占台灣GDP產值比例達67.4%,幾乎是工業(31.2%)的兩倍。然而,比重雖增加,服務業近年的成長率卻遠遠落後工業,由景氣復甦的2002年起算,兩者的成長比值分別為「2.8%:5.0%」、「2.7%:4.7%」,今年第三季則是「3.6%:9.0%」,換句話說:比重大、成長卻遲緩的服務業,是讓台灣經濟失去活力的主因。
而在台灣的111.13萬家公司行號中,無疑的,製造業是「大廠」居多,而服務業則是「小店」天下,以今年6月的數字來看,13.21萬家的製造業締造了1.64兆的營業額,平均每家1241萬;而66.45萬家的服務業則只賣出17.9兆的商品勞務,單店月營業額只有269萬。
結合上述總體經濟的數字可以推斷,台灣如果要在這一波景氣循環力爭上游,如果不靠著大街小巷裡的各式小店來創新,挑戰15000美元國民所得之路,真可謂困難重重。

**再來看「質」的變化……。

**
由GDP的5項構成成分--民間消費、政府消費、固定投資、存貨變動、商品勞務進出口差額來看,民間消費比重近十年以來皆獨占鰲頭,約莫近乎六成,其次則是固定投資,約近20%;政府消費則排第三,約達12~3%。
因此我們可這麼說:台灣經濟要成長,唯有讓民間「願意消費」以及讓民間「願意投資」而已。前者來自民眾對生活和工作品質期望值的提昇,也來自供應商能創新商品和服務,使消費者能有花錢的標的;而後者,則源自經營環境的改善和投資信心,如果撇開政治的紛擾不談,就屬「企業家創新經營模式」的能力,最為重要。
而不論前者和後者,都根源自經濟體所在地的社會,能否自發性地醞釀創新意願和能力,美國卡內基美隆大學教授佛羅里達(Richard Florida)研究美國49個都會區的調查就發現,擁有三個T--腦力(Talent)、技術(Technology)和容忍(Tolerance)的城市地區,愈容易產生創意城市生活,連帶地也有傑出的經濟成長。佛羅里達所謂的「創意城市生活」,包含有豐富的夜生活、層出不窮的街巷店舖和提供各種生活新鮮刺激的藝文活動。這些構成城市空間、體驗、消費與資訊交換、刺激城市住民創意產值的,不用說,絕不會是大企業,而是街巷里弄間的無數小店。
把這經驗拿到台灣,如果台灣城市中的小店能體現出創新的活力,那台灣每年獲得美國專利的件數,就應該不止日本的1/7、德國的1/2;台灣的「技術貿易收支比」(技術出口/技術進口)也不會只有區區的0.1,而應可躋身日本(2.39)、英國(2.22)和美國(2.36)的領先群。

**最後來看「小店」對市民就業的貢獻……。

**
根據統計,一座投資1000億台幣(30億美金)的12吋晶圓廠,約略僅能創造1000個工作機會;但是批發零售和餐飲業卻只要投資6億、社會及個人服務業僅需8億、工商服務業則是11億,就能同等地創造1000個就業人口,換句話說:服務業的就業創造密度是晶圓代工業的100倍。
因此,如果真要讓台灣的就業率提高,我們似乎就更應該鼓勵「有能力的微型創業家」,而非「半導體巨賈」才對。
既然小店如此重要,那麼為何台灣的「小店經營」始終不出色呢?
很重要的一個原因是:由製造業出口立國的台灣(2003年出口總值佔GDP比例高達48%,美國不過12%),長期以來也以製造業「勤奮、紀律、節儉、泯滅個性、團體齊一」的價值,作為社會的集體價值。因此,照理說是該刺激消費、活潑人心、營造體驗和夢想的服務業,也隨之成為呆板、制式(uniform)、成本導向(而非績效導向)的「製造業延伸體」。當人們不被鼓勵去消費、而社會上又欠缺值得消費的誘因,內需服務業的數十萬家小店,當然和製造業工廠裡的福利社般,難以創造亮麗的經濟產值。
但是,這樣的場景有了改變。不僅明基、台積電、聯電、華碩公司裡的「福利社」有了改變,台灣城市大街小巷的各色服務業「小店」,也起了重大變化。在愈來愈多的這些新空間裡,消費不只是「購買生活必需品」,還是「購買感動」;老闆不再是個邊收錢邊看電視或報紙的「收銀機按鍵狂」,而是個在乎氣氛和空間個人特色的「服務研發者」;小店經營模式不再是蕭規曹隨、有樣學樣(像當年的蛋塔店),而是創新、複合、體驗的多樣附加價值。
我們可以說:台灣的小店,在21世紀後,逐漸、逐漸地有了「風範」(ethos)。
社會富裕、教育水準提高、年輕人成就自我的更高熱忱、全球旅行的洗禮,以及更多心靈的反省,都是「新小店風範學」誕生的眾多原因。但對於關心台灣經濟成長的我們來說,了解這些小店創業者的獨特經營理念和兵法,卻遠比大企業的重大決策,更有意義也多所啟發。 如果台北像紐約、高雄像阿姆斯特丹、台南成為斯德哥爾摩、台中變成維也納,那台灣早已是個2萬5千美元所得的國家了。
請看--《數位時代雙週》本期製作的「小店風範學」專輯,一群迷你小店的微型創業家故事。

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓