微笑曲線理論26年了，施振榮為何說要改？關鍵是隱性共享價值|數位時代 BusinessNext

拼價值，全波主導LPWAN技術新標準

所謂的新微笑曲線，高價值產業在何處？或許可以從宏碁佈局窺見一二。

宏碁自建雲事業（BYOC）近日尾牙中，宣佈grandPad用戶數衝上1萬人，年增一倍，數位看板abSignage出貨量也大增，施振榮坦言「BYOC（自建雲）事業群產品出貨量跟電腦不能比，但創造的附加價值更高，追求價值而不是數量而已。」

他舉轉投資的GrandPad為例，是一款老人用平板電話，規格是能無線充電跟LTE連結，定位是給75歲以上老人用，因此不需要插線充電，聯網不會斷線，目的都是要給目標客戶好的體驗。

另一個成果是轉投資的全波科技，在低功耗廣域網路（LPWAN）專案上獲得捷報，全波2016年參與中科院商用雷達的釋商計畫，將雷達訊號處理軟體移植到LoRa晶片內，解決了LoRa過去被詬病容易被環境干擾，而無法穩定連結多裝置的問題，全波2019年更新該技術名稱為Super TaiRa（Taiwan Radio簡寫），已在全球10多國註冊，期望主導世界物聯網通訊標準。

技術升級，毛利率多一個零

目前電信業偏好NB-IOT技術佈局物聯網商機，主要原因是可以與4G網路基礎架構結合，但電信網路容易遭攻擊及耗電成本較高，都是被挑戰的缺點，要長距離做廣域監測佈建成本不見得有優勢，也使得台商在取得Super TaiRa專利後，認為有機會與NB-IoT一決高下。

施振榮透露，全波主導的專案已有客戶做概念驗證（POC）中，所以毛利率是「毛三到四」，但是30~40%，Super TaiRa可應用於智慧工廠及智慧城市應用，目前已有半導體大廠以建立內網方式，管理各地工廠訊息，優點是安全性高，穩定又具長距離能力。

目前全波的技術已經獲得宏碁、緯創、台積電、日月光、數位光訊，以及三個國外重大客戶實測。施振榮說，目前Super TaiRa技術已有客戶，獲得台灣半導體大廠計畫商用，他直言這是世界領先的通訊技術，

找出隱性共享經濟價值

施振榮過去創造的微笑曲線理論，只有一條線，那麼新微笑曲線是什麼樣貌？施振榮直言「很難畫，還沒畫出來」。他舉例，「體驗經濟」就是其中一種價值，消費者端的體驗價值最高，但體驗的價值該多少？體驗經濟服務必須跨領域結合，資源需共享。

「如何跨界走出新的價值鏈，這裡面會有好幾條微笑曲線，在不同的面，展現出新的消費者體驗。」施振榮說，業者可以借重現有的資源，去產生新的價值，這就是共享經濟。

現在市場上的資源共享經濟都屬顯性，如共享車或房子，施振榮也拋出疑問：是否有「隱性資源共享」可以發揮呢？他建議台灣可以在醫療跟資訊領域發揮力量，讓經濟價值從顯性走向隱性。

「太多隱性價值在那邊，不用白不用，如何讓不同領域的人互相合作，運用隱性價值，展現出顯性價值，才是投資報酬率最高的。」施振榮說。台灣最能發揮的隱性共享經濟仍在醫學跟資通訊結合領域，醫學與科技能量很隱形，如何跨領域整合應用，才能找到體驗價值。

而施振榮關注的銀髮經濟如何運用？施振榮坦言，仍在研究，思考如何組合價值鏈。他也觀察到現在的研發跟以前不一樣，以前研發是在實驗室裡，現在社會就是實驗室，是一段生活體驗不斷優化的過程。

宏碁價值創新中心也跟醫院及大學展開合作計畫，探討使用者的價值是什麼？對病人或對醫生各有何價值？透過瞭解需求，用資通訊跟大數據，以人工智慧找到新的有效模式。

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。