零經驗也能訓練AI模型，百度推簡易上手的 EZDL新工具|數位時代 BusinessNext

零經驗也能訓練AI模型，百度推簡易上手的 EZDL新工具

百度AI技術負責人喻友平的目標是要「實現AI的民主化，讓技術沒有國界」，最近針對沒有任技術背景的人，推出一款叫「 EZDL」的工具，在不需要寫任何一條程式碼的情況下，就能輕鬆設計、部署AI模型。

替中小型企業打造，不需技術就能運用的AI

「EZDL」的目標，是要打破AI的障礙，以功能、易用性、安全性為三大基礎，能夠針對物件辨識、圖像分類、聲音分類進行訓練，將鎖定中小型企業用戶，讓沒有強大技術資源的個人、企業，都能方便的運用AI。

訓練模型的時間快速，EZDL將每個模型分成20~100個圖像，或超過50個音檔，花上15分鐘到1小時的時間就能完成訓練，百度表示有超過三分之二的模型，準確率都超過90%，這些演算法可以部署在雲端，或是以iOS、Android 等操作系統的軟體開發工具包的形式下載。

百度AI技術負責人喻友平以中國的居家裝置網站「家圖網」為例，使用EZDL訓練模型來辨識房間的設計風格，準確率可以達到90%以上；此外，這項技術也能應用在醫療上，像是有醫療機構就利用EZDL打造識別血液檢圖像的模型；還有保全公司用EZDL打造聲音檢測模型，用聲音來辨別是否有竊盜闖入，透過簡單的操作，讓一般中小型企業也能享受AI的好處。

挖角各方人才，積極布局AI領域

百度近年在人工智慧（AI）領域動作頻頻，2016年成立了獨立創投公司百度風險投資（Baidu Venture），鎖定人工智慧、虛擬實境（VR）、擴增實境（AR）等領域的初早期團隊，百度創辦人李彥宏曾說過：「將人工智慧列為公司未來十年最重要的戰略方向。」2017年一月，曾延攬前微軟執行副總裁、人工智慧專家陸奇加入百度擔任首席運營長（COO），同年也收購中國人工智慧新創渡鴉科技（Raven Tech）。

事實上，百度早在2013年就成立以研發AI技術與應用為導向的百度研究院，並在2014年挖來「深度學習」權威、Google Brain之父吳恩達，主導百度在AI領域研究，吳恩達在百度期間孕育出DuerOS語音互動運算平台，今年八月百度也正式宣布，DuerOS已經部署在超過一億台的裝置上，與六個月前相比，又增加5000萬台，截至目前已經跟200多家業者合作，DuerOS也匯集超過16000名開發者。

此外，今年七月也推出自家開發的，中國第一款雲端 AI 全功能晶片「崑崙」，包含訓練晶片崑崙 818-300，及推理晶片崑崙 818-100，採用 14nm 製程，號稱擁有目前業界最強的運算能力，將應用在無人車、語音辨識、智慧設備的應用場景中，就像百度AI技術負責人喻友平說的：「實現AI的民主化，讓技術沒有國界」。

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。