全球企業5G需求強勁，但電信商還不敢跑太快|數位時代 BusinessNext

全球企業5G需求強勁，但電信商還不敢跑太快

國際研究機構Gartner（顧能）表示，全球約66%企業，有意在2020年之前部署5G，但電信業者的準備還不足，「現有的5G網路不是尚未完成，就是還沒有能力滿足用戶的需求。」

企業難解渴，電信商不願大量投資5G

Gartner資深研究總監法布雷（Sylvain Fabre）表示，「終端企業用戶對5G使用有明確的需求和期望，然而通訊服務供應商（CSP）仍準備不足。現有的5G網路不是尚未完成，就是還沒有能力滿足用戶的需求。」

Gartner預測，到了2022年，全球提供商用5G的電信業者，仍有半數會因系統無法完全滿足企業需求，難以從後端技術基礎架構的投資中獲利。

法布雷認為，大部分的電信業者需等到「2025至2030年」這段期間，才能在網路上實現完整的端對端5G基礎架構。電信公司起初會把焦點放在消費性的寬頻服務，可能因此拖延對「邊緣運算」和「核心網路切分」（core network slicing）的投資——這些關聯性更強且更有價值的5G專案。

國際研究機構的看法，和台灣電信業者的看法也很類似，例如台灣之星總經理賴弦五曾預言：「到2025年之前，5G都不會幫台灣電信業者賺錢。」中華電信總經理謝繼茂日前則說：「5G商業模式仍需要驗證，到底錢會從哪裡來。」

不過，物聯網通訊仍是5G最受歡迎的目標使用案例。在Gartner調查中，有59%受訪的企業預期，物聯網會是最廣泛的5G應用。

因為目前已有其他經過實證，且具成本效益的技術，例如基於4G技術的窄頻物聯網（Narrowband IoT; NB-IoT），以及低功耗廣域網路解決方案（Low-power wide-area solutions; LPWA）提供企業使用；但5G物聯網的高密度連網端點特性，每平方公里最多可達一百萬個感測器，可提供極高密度的連網端點，則能夠創造獨特的應用案例。

五年後，全球5G用戶將達15億人

5G企業商機有潛力，賺錢方式卻還不明朗。相較之下，提供消費者5G行動上網，增加用戶數，則是兵家必爭之地。

愛立信預計，到2019年年中，市場上將有6種5G中頻智慧型手機，以及2種以上的5G高頻毫米波(mmWave)智慧型手機，並在《愛立信行動趨勢報告》指出，到2024年，5G將覆蓋全球40%以上的人口，其中5G增強型行動寬頻用戶數將增加至近15億，這將使5G成為全球部署最快的行動通訊技術。

全球行動數據流量正在大幅成長，以2018年第三季來說，流量比2017年成長近79%，創下自2013年以來的最高增幅。

愛立信認為，「在2018至2024年間，行動數據總流量預計將增加5倍，而5G在2024年時將占其中25％的流量。」影片所占的行動數據流量也持續增加，受到觀看時間、線上影片、串流服務和解析度提升的影響，2024年時，影片將占74%的行動數據流量，平均每月約136 EB。

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。