什麽是DevOps?(一)從管理與商業思維角度切入
什麽是DevOps?(一)從管理與商業思維角度切入

DevOps是資訊界這幾年在提倡的一種思維,就字面上來説,是Development(開發)+ Operation(營運)的縮寫,臺灣有的人把Operation翻作「維運」,但我覺得翻作「營運」會更好,因爲以前的資訊系統商,在談系統售後服務,都是講維運合約,也就是Maintenance,而「維運」的含義我覺得相對來説被動,「營運」比較強調主動去做更多事;另外我覺得,DevOps還要再加上Deployment(部署)才完整,也就是Development(開發)+ Deployment(部署)+ Operation(營運),這樣才是網路時代,一個系統需要的完整流程。

爲什麽這幾年會出現這樣的概念?在2000年之前的軟體時代,因爲空間上的限制,程式開發完,打包成光碟,交付給使用者就結束了,如果程式有問題,就要等之後再推出新版本才能更新,每次交付給使用者的時間基本上是以月為單位,所以這個時候的軟體開發方式是用傳統的 「瀑布式管理」,一開始一定要先將需求規格定的很明確,才會進行開發、測試,以免最後出問題。

而進入網路時代之後,一切開始改變了,透過網路,可以跨越空間的限制,將程式快速上線,這代表,產品交付給使用者的時間大幅縮短,而在商業競爭的本質上,能快速回應使用者的需求,就能更獲得青睞,因此現在的開發模式變成 「敏捷式開發」,講究快速交付、快速修正、快速回應,可看我另一篇文章談瀑布式與敏捷式的差別

DevOps主要的概念和内容是什麽?

DevOps強調的是,現在網路時代的程式開發,不再只是開發測試完就結束了,還要考慮到程式部署時所需的環境,以及後續長期營運,持續優化的問題,這些過程都會影響到使用者感受,唯有全面考慮到了,才能在這競爭激烈的市場脫穎而出,讓使用者願意持續使用這個產品,這樣的概念下,就產生了快速開發、快速部署、快速上線、快速修改、快速回應的循環。

但要達到這樣的效果,當然不是那麽簡單,要考慮的事情會很多,所以DevOps的實際内容在講些什麽?其實它融合了非常多的方法論,不管是管理手法或開發手法,包含「商業思維」、目標管理(MBO)、限制理論(TOC)、資訊科技基礎資料庫(ITIL)、精實生産(Lean Production)、持續整合與部署(CI/CD)、看版(Kanban)、敏捷式開發(Agile Development)。爲什麽要融合這麽多?後續分享一些我自己的想法。

資訊科技在網路時代的價值

很多IT技術出身的人,會覺得只要把程式開發好,系統維護好,這樣就夠了,其他什麽財務、銷售、製造不用去管,但我覺得這樣是大大低估了資訊人的價值!在網路時代,資訊科技可以為企業帶來的價值,是以前無法想像的,資訊人可以做的事比以前多出非常多。

未來將會是由「數據分析」引領其他專業部門。

怎麽説呢?不管什麽產業,都會說經驗很重要,以前的各項行爲,不管是行銷、業務、製造,因爲無法明確地記錄各項數據,只能靠人的大腦去記憶,所以經驗越豐富,理論上越知道如何做出正確的決策,所以會很常聽到「以我多年的經驗,我判斷XXX」,但實際上準確率多少,是無法確實掌握的。

但網路時代的到來,透過資訊科技帶來的數位化,可以蒐集到以前完全無法得知的各項數據!數據蒐集的越多,越能透過這些數據去分析出使用者實際的行爲是如何。舉個例,現在的電子商務,爲什麽在談 「精準行銷」?以前的廣告投放方式,説白一點就是亂槍打鳥,靠大量的曝光來讓使用者知道產品,但這樣的廣告成本越來越高,而且最重要的是,很多並不是目標客群,所以競爭激烈的情況下,廣告投放的投資報酬率越來越低,但如果透過系統蒐集到的數據,就可以分析出哪些才是真正的目標客群(TA),針對這些TA再去做精準行銷,就能以最經濟的成本,達到最大的效果,同樣的方式對業務推廣、生產製造,都是同樣的道理。

培養商業思維,進行目標管理

但要怎麽樣才能達到這樣的效果,首先要培養商業思維,什麽是 「商業思維」

簡單來説,不能只是被動地聽主管的指示才去做事,而是要主動去瞭解哪些是對公司更有價值的事。

很多人時常會問,投資導入了資訊系統,到底為公司帶來什麽價值?常聽到的回答是,可以提高生産力啦,提高效率啦,降低人工成本啦…等,但最根本的價值是什麽?任何公司,最根本的目標只有一個,就是賺錢獲利,這非常現實但也實際,公司經營不是在做慈善事業,只有公司賺錢了,員工才可能有更好的薪資待遇。

因此,每間公司一定是從這個最根本的目標,再根據自身的條件和環境,來發展不同的策略目標,這就是「目標管理」,只做對目標有幫助的事情,任何對目標沒有幫助的事情,都是資源的浪費。

而資訊系統的價值,就是協助公司更有效率地進行管理及評估,以達到策略目標,像是前面寫的,透過系統,協助行銷部找到目標客群在哪裡,協助業務部找到哪些客戶更容易成交,協助製造部找到產線的瓶頸,提高有效產出(Throughput),製造這部分,是限制理論(TOC)的範圍,之後的文章再來談。

本文由李正霖授權轉載自其blog

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

關鍵字: #數據分析
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓