我在阿里學到的第二課：平台思維就是留點事給別人做|數位時代 BusinessNext

我在集團內聽到某C-level 提出，「做平台的第一件事就是，想清楚自己不做什麼。」他認為平台不該做所有事情，而要「留點事給別人做」。但為啥呢？

老樣子，結論先走。

做平台就像城市規劃，你提供水、電與土地等基礎設施，公告管理辦法，然後拚命招來一群人在城市內盡情展現創意！

平台方不該搶走所有工作，而要想盡辦法拉攏各種角色。

平台價值就是連結

原先我對平台核心價值的認知是「連結」。平台負責連結供給與需求，例如：Uber 連結閒置車主與乘客，Airbnb 連結閒置空間與旅客。

或者，更高大上的平台模式。蘋果將高科技與人連結，Facebook 連結人跟人，Google 連結資訊與人，以及亞馬遜連結商品與人。

而我聽完某 C-level 演講後，認為平台除了連結責任，更重要的是「搭檯子讓人來唱戲」。換句話說，平台不該什麼都自己來，而是要想辦法適合各種角色進駐的生態系統，並讓每個角色從中獲利。

在這假設下，做平台得搞清楚的第一件事確實是，「什麼事該留給別人做？」

拿個例子。淘寶早期就是個 BBS 網站，提供買賣家發發文章等。而當銷售商品越來越複雜時，賣家開始需要裝修店舖吸引買家目光。

淘寶曾想過自己跳下來提供裝修店舖軟體服務，並藉此賺錢。特別是那時候淘寶依然堅持不收上架費與手續費，根本沒有營收來源。但後來發現裝修店舖是種客製化需求，平台不可能為每個賣家客製化店舖門面。這成本太高了。

但如果平台無法一次服務上萬位賣家，又失去平台存在的意義。因此最後淘寶決定僅提供基本功能，並提供一致設計規格。若賣家想要客製化視覺設計，則找別人幫忙。

賣家花錢找設計師獲得美美的店舖門面，吸引更多流量。而設計師從中賺錢。設計師成為早期淘寶上發展出來的第三方角色。

換句話說，身為生態系營運者的平台方，必須知道自己該讓利給哪些第三方服務者，藉此營造出多元化的生態系統。

順著這思維，Uber 這平台的角色數很少，只有乘客跟司機。在沒有演化出多樣化角色前，Uber 平台的底蘊深度其實遠遠不夠。

而去年我在台灣訂閱平台 PressPlay 工作時，也曾堅持不提供客製化視覺服務，僅提供三個視覺設計樣板。我們甚至拒絕願意拿錢請 PressPlay 設計頁面的創作者，請他找第三方設計師合作。

當時我只是模模糊糊認為平台不該賺這筆錢，而要導入外部夥伴。現在看完這位 C-level 演講，才更理解平台模式的運作邏輯。

但理解平台運作模式，不代表就能做出平台。

因為⋯⋯

平台是演化來的，不是設計出來的

前幾年台灣創業圈出現「滿滿的大平台」題目，人人心中都有平台夢。只是所有平台都從解決單點需求開始，而後才逐漸演化成多角色的平台生態系。

Facebook 一開始先滿足學生認識人與課表的需求，然後逐漸演化成人類社交工具，再引入廣告系統。至此，平台生態才逐漸成形。

平台提供支撐整個生態系運作的基礎設施，讓其他角色自由在平台上交易。

這像政府提供水、電與土地等基礎設施，並提出相關管理法則。人民只要不違反管理規則，要如何使用這些基礎設施則是個人自由。因此我們在台北能看到東區夜店、內湖科學園區、西門町次世代文化等多元生態。

而每個區域特色又能為整個城市提升價值，形成生生不息的正向循環。至於生態系會演化成怎樣，平台方僅能規劃方向，但卻無法百分百掌控。

當平台完成時，它便擁有了獨立的性格和生命。

本文由陳廷鴻授權轉載自其Medium。

《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。

（觀點文章呈現多元意見，不代表《數位時代》的立場。）

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。