亞馬遜首席科學家:AI學術圈需要更多元的人才,但不是用保護主義
亞馬遜首席科學家:AI學術圈需要更多元的人才,但不是用保護主義
2018.07.23 | Amazon

在由男性主導的人工智慧學術圈,女性科學家鳳毛麟角,也因此不少科學家致力於推動性別平等教育,希望能讓更多女性接近科學,甚至成為科學家,而阿妮瑪∙阿楠德庫瑪正是這樣的閃亮新星。

2016年10月阿楠德庫瑪(Anima Anandkumar)加入亞馬遜成為人工智慧首席科學家,在Amazon的AWS架構上提供演算法架構,開發一系列的人工智慧工具,如基於深度學習的影像分析服務Amazon Recognition、聊天機器人介面開發軟體Amazon Lex與自然語言處理服務Amazon Polly等。

阿妮瑪除了擔任亞馬遜AWS首席科學家,同時也獲頒加利福尼亞理工學院傑出布潤教授頭銜,也曾獲得斯隆研究獎、微軟贊助研究獎、Google研究獎等。在學術上她專精於是深度學習領域炙手可熱的非凸問題(non-convex problem)與張量(Tensor), 用於長期觀察問題。深度學習的優化問題一直都是技術上的挑戰,而當神經網絡的深度越深,優化也就益加困難,由於非凸優化更能準確指稱問題結構,目前學界趨勢上,正由凸優化走向非凸優化。

不過,在深度學習學術上,對於非凸優化問題的理解還非常少,也因此若能提供一個最有效的解答,將在學術或實務上帶來俱來的「時代成就」,而阿楠德庫瑪正走在這條路上。「凸問題就像是一個找尋一個峰谷地底部,但非凸問題就多個不同深度的峰谷,因而增加準確預測的難度。」阿楠德庫瑪形容。

除了在深度學習學術界的成就,在非學術領域,她則是推動科學性別平等教育的倡議者。科技圈一直都是以男性主導的世界,而人工智慧圈更是如此,傑出的女性鳳毛麟角,因此不少傑出女科學家致力於推動性別平等研發環境,希望大企業能真正重視性別差異。

她的母校印度理工學院馬德拉斯分校(IIT Madras)IIT Madras為了性別平衡,刻意保留了女性的入學名額,她認為,這麼做會適得其反,這些經過特別名額保護而進入學校的女性,將會遭受男性歧視,因此最佳做法應該是檢視入學方法的多元多樣性,而不是用保護主義。

除了性別平等,阿楠德庫瑪認為,不僅是在性別的多元性,在種族與地理分佈上的多元性也很重要,「這世界上有這麼多種不同的人口人種分布,目前在科學圈分布卻完全不合乎比例。」

阿楠德庫瑪成為倡議者並非偶然,她來自一個鼓勵女性追求科學成就的家庭。現年35歲的阿楠德庫瑪是印度裔美人,出生於以軟體人才聞名的印度西南小城邁索爾(Mysore),父親為機械工程師,而後自行創業,母親則是電機工程師,祖父是一位數學老師。與多數重男輕女的印度家庭觀不同,阿楠德庫瑪父母從小讓她沈浸在科學與數學的環境裡,給了她最佳的啟蒙教育。「我的祖父長鼓勵我用數學思維思考這個世界,我父親最喜歡帶我去工廠和機器如何運作,解決問題。」阿楠德庫瑪說。

而她的母親更是用身教教導阿楠德庫瑪突破性別差異,追求科學人生,「我母親是家鄉村裡第一位工程師,她給我巨大的影響,她年輕時為了一圓工程師一夢『絕食』三天,向我的外公表明想成為工程師的決心。」阿楠德庫瑪說。

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