Google重返中國內心掙扎，Alphabet主席：難道我們沒有改善他們生活嗎？|數位時代 BusinessNext

Google重返中國內心掙扎，Alphabet主席：難道我們沒有改善他們生活嗎？

Google在今年八月時，傳出要打造一個符合中國審查標準的搜尋引擎版本，Alphabet主席約翰·軒尼詩（John Hennessy）最近接受《彭博社》專訪時，透露出他內心的疑慮，不確定把帶有審查功能的搜尋引擎帶到中國，會不會是一件好事。

約翰·軒尼詩：必須向部分核心原則妥協

曾擔任過史丹福大學校長的約翰·軒尼詩（John Hennessy），自2004年加入Google董事會，於今年二月接替艾立克‧施密特（Eric Schmidt），擔任Alphabet主席。

執行長桑德爾·皮蔡過去曾多次談起「蜻蜓計畫」，他曾說：「這項計畫仍在很早期的階段，並沒有確定是否真的會推出。」加入內容審查的中國版搜尋引擎，普遍被外界認為與Google的企業核心價值相牴觸，接受《彭博社》專訪時約翰·軒尼詩表示：「我心中一直很掙扎在思考的問題是，即便在某些情況下需要受到限制和審查，我們要給中國一個像樣的搜索引擎、有能力的搜索引擎，而不是一個品質不佳的產品，這樣難道沒有改善他們的生活品質嗎？」

話雖這麼說，卻也難掩約翰·軒尼詩心中的疑慮，他認為中國的規範跟世界上大多數的國家都有所不同，「所有在中國做生意的，都必須向部分的核心價值做出妥協。」

對進入中國有疑慮，但仍相信能創造影響力

時間倒轉到2010年，當時中國政府試圖「限制網路上的言論自由」，Google斷然退出中國市場，八年後，卻傳出Google內部正推行一個叫「蜻蜓（Dragonfly）」的計畫，有意推出配合言論審查的特別版服務，要打造一個符合中國審查標準的搜尋引擎版本，重返中國市場。

約翰·軒尼詩這次的立場，是認為雖然很多時候搜尋服務會面臨限制，但Google因為有能力提供高品質的搜尋服務，可以讓中國用戶因此受惠，這套說法跟執行長桑德爾·皮蔡，先前在《連線》（Wired）雜誌 25 週年峰會上發表的想法類似，當時他說：「在許多領域，Google可以提供比中國現在更好、更優質的資訊。」

在桑德爾·皮蔡心中「品質」就是一大優勢，「在許多領域，Google可以提供比中國現在更好、更優質的資訊。」他以癌症作為一個例子，2016年一名大學生在中國搜尋龍頭百度上，搜尋癌症治療資訊，卻因為找到「假資料」延誤治療而喪命，「這類事件帶給我們沉重壓力，」他補充：「對於進入中國，我認為這要放長遠來看，是個必須認真思考的問題。」

面對用戶資料可能遭到中國當局監控，所引發的人權隱私擔憂，約翰·軒尼詩則認為，這種情況確實應該要擔心，「不過最少要做到讓你的用戶了解這件事情。」他說。

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。