別被科技侷限，施耐德：數位轉型第一步，從產品升級開始|數位時代 BusinessNext

別被科技侷限，施耐德：數位轉型第一步，從產品升級開始

許多傳統機械製造商往往不知道怎麼開始數位轉型，施耐德認為轉型時要避免被科技所侷限，要去看到額外的附加價值。先提升產品競爭力後，有錢才有能力做其他轉型。

數位轉型的第一步，從產品升級開始

很多傳統製造業業者，並不理解數位轉型的必要性及好處，「會告訴他們既然產品都出口國外，就應該順著工業4.0潮流，」而第一步就是產品必須達到這些國家的標準，可以從產品升級著手。孫志強解釋，產品會直接影響廠商在國際的競爭力，「國外客戶最先接觸到的是產品，而非公司生產的設備，一旦產品符合標準，馬上就能配合別人工業4.0 的架構。」

以機械製造業來說，可以先將機械產品聯網，而非馬上砸大錢購買自動化設備，雖然產品升級也要多花錢，相較購買新設備，投資成本相對較低。之所以會說第一步要將產品升級，是因為唯有將自己的產品數位化提升競爭力後，才可以提高獲利，提高獲利才有額外的錢，重新投資在行銷或生產上，「很多人會覺得沒有資金投入數位化，其實不是這樣的，提升產品競爭力後，有錢，才有能力做其他轉型。」

孫志強很直白的說，台灣中小企業大多比較「純樸」，走的是埋頭苦幹路線，比較不會像德國、美國的機械製造者，那麼懂得用行銷包裝推廣自己，「不只是產品，客戶也會看你的行銷、公司網頁，裡裡外外都會看到的。」因此不能把包裝、行銷當作表面工夫，一旦網站、銷售管道都朝數位化發展時，便代表這家企業是真的從骨子裡發生改變，我們常說第一印象決定了一切，行銷這件事就是如此，「包裝是要讓人家對你的產品有信心。」

數位轉型要超越科技，不要侷限於科技

位於台中的木工機械領導大廠勝源機械就是一個例子，以木工機械產業來說，競爭對手德國、義大利早在幾年前就進入數位化、智慧化的管理。

作為台灣最大四面鉋木機製造商，勝源機械從今年開始採用施耐德EcoStruxure方案，讓廠內的機台數據可以直接上傳機械雲，可以連上其他工廠的自動化系統，「就算在美國的客戶也能直從機械讀取資料，或者可以直接在台灣看到遠端機械運作的狀況。」

將數據連上機械雲，最直接的影響就是創造出新的商業模式，孫志強解釋，利用機械雲把機台運作數據蒐集回來後，可以作為改良機械的依據，也能從遠端進行維修，「過去只能夠透過電話、e-mail溝通，不僅速度太慢，溝通也不精確。」

藉由機械雲，在台灣就能遠端了解各地機械的狀況，「哪一個故障？遠端就能看，還可以管理不同的機械，過去傳統的做法都用紙本記錄，例如三年前出口一台機器到阿根廷，三年後資料可能都已經消失了，有了雲平台，機械的架構、型號都能找到，服務客戶也會更便利，甚至可以因此提供更長的保固期，這就是新的商業模式，也是跟競爭對手差異化的地方。」

改變從來不會是一件容易的事情，企業在面對數位轉型時，不能只看到技術層面，「數位轉型不是增加成本，很多時候都要從商業模式考量。」孫志強談到，數位轉型的意義是開發新的商機以及機會，業者必須看見其他轉型的附加價值，才能從中挖掘新的藍海，談轉型的時候不要被困在科技中，「數位轉型要超越科技，不要侷限於科技。」

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。