賈伯斯、Google都是他一手帶起！「矽谷總教頭」一堂價值上兆元的管理課|數位時代 BusinessNext

賈伯斯、Google都是他一手帶起！「矽谷總教頭」一堂價值上兆元的管理課

前半生在球場上度過的比爾．坎貝爾（Bill Campbell），進入矽谷後也帶出了一群子弟兵，成就了現在的Google和Apple。

領導者的職責：讓員工的生活變得更好

Google內部曾去除管理職，當時擔任執行長的施密特認為，他們有最聰明的人才，知道自己想要什麼，所以只要讓員工找尋自己有興趣的專案，不需要主管插手，自然就會看到績效。

但坎貝爾2002年受邀到Google擔任顧問不久，到處走訪各部門後，便向施密特說：「這裡需要主管。」施密特心想，你怎麼一來就唱反調，並對坎貝爾說：「我們運行這個制度一年了，一切正常。」於是，坎貝爾帶著施密特詢問工程師：「你想要主管嗎？」接連幾個員工都回答：「想要有人能幫我變強。」施密特才發現，他只想到員工能不能完成工作，卻忽略對方的成長需求，最後在2002年底Google恢復主管職。

坎貝爾有一句名言說： 「職稱讓你成為經理人，但部屬讓你成為領導者。」 施密特認為工程師不需要主管，也能勝任工作，去除多層級，更有利於快速溝通，這確實做到一位經理人該做的事：提升工作效率。然而，坎貝爾認為，讓員工認為跟你一起工作很有價值，才稱的上是領導者。想讓部屬感覺工作有價值，除了讓 他們感覺到自我成長（幫員工變強），還得照顧對方情緒（工作不能受委屈） ，如此員工才願意跟隨你。

找到適合的人組建團隊，問題往往能迎刃而解

Google 變大以後，創業投資家雷姆．希里蘭（Ram Shriram）曾表達過憂慮：公司變大，問題也變多了，我們是否該多了解一點細節？坎貝爾回他：別擔心，我們已經有最好的團隊，他們會處理的。

作為一位經理人，總是練就快速解決問題的能力。然而，坎貝爾指出，領導者不分析問題，而是思考如何找到人，組建好的團隊，確保團隊有能力解決問題，尤其是執行長更是如此。 所以他認為領導者要有先安排團隊，再處理問題的思維。

建立好的團隊，關鍵在於找到適合的人才。在面試的時候，透過問題了解面試者的性格和價值觀。坎貝爾會觀察面試者的用語，會說「我」做了什麼，還是「我們」。如果是前者，他可能偏向個人主義，若是後者，表示他以團隊為先。

此外，坎貝爾還會在面試時，看一個人受不受教。羅森柏格憶起他在 Google 面試的最後一關，坎貝爾只問一個問題：「你願意虛心受教嗎？」羅森伯格回：「要看教我的人是誰。」結果，坎貝爾說了一句：「小聰明不代表什麼，」就離開會議室。

羅斯伯格驚嚇之餘衝出門外，請坎貝爾再給他一次機會，坎貝爾問他：「所以你想從教練身上學到什麼？」羅斯伯格在寫《一兆元的領導課》的時候回想，那瞬間就像是電影常說的「改變人生的時刻」，幸運的是，他當時想起一位美式足球教練的話：「教練就是跟你說你不想聽的話，要你看你不想看的事，最後讓你成就你想成就的事的人。」

這個回答體現出願意學習的態度，才是坎貝爾想聽到的。對坎貝爾來說， 他只教導值得教導的人 ，如果不願意學習，就算是個天才，也寧可不用。

本文授權轉載自：經理人；作者：高士閔

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。