明明還沒上市，WeWork創辦人卻出售7億美元股票，這意味著什麼？|數位時代 BusinessNext

創投資金湧入，創業家出售持股不再是禁忌

諾伊曼的作法，實際上昭示著一種風氣的轉變。近年來創辦人不畏投資者目光，出售股票套現的作法已經越來越常見──甚至開始成為一種趨勢。

社交遊戲公司Zynga創辦人馬克．平克斯（Marc Pincus），就在2011年IPO前出售了價值1.09億美元的股票；Uber創辦人兼前任執行長特拉維斯．卡蘭尼克（Travis Kalanick）也在2018年出售其持有股份的29%，價值約14億美元。

外媒《Business Insider》分析，越來越多新創採用的雙層股權架構，成為創業家放心出售股票的助力。雖然分潤上權利相當，但創辦人手中的持股，擁有數倍於其餘股票的投票權，這讓創辦人即便持股較低，仍握有對公司的絕對控制權，而不必看投資人臉色。

WeWork就是採用類似的股權架構，同樣的持股比例下，其他股東可能只有一票，而諾伊曼卻有10票。（每小時虧損近700萬新台幣！WeWork上市前夕難解的3大疑慮）

另外，後期階段（late stage）創投資金源源不絕地湧入，也越來越鼓勵創業家等早期持股者，出售其手中股份。所謂後期階段，根據那斯達克的解釋，指新創企業成功從競爭者中脫穎而出，並確立其獲利可能性的時期，通常這樣的企業距離被併購或上市已不到1年時間。

在這段時期中，公司可能已經不缺資金，且投資者不希望股權被稀釋，而不願發行新股。那麼收購創業家等早期持股者手中的股票，往往是創投基金獲得公司股份的唯一方式。因此，這些新加入的投資者會鼓勵創辦家出售部份股票。

創投公司High Alpha合夥人克里斯蒂安．安德森（Kristian Andersen）表示，出售部份股權兌現，對創業家也有好處。

創業家往往把絕大部分的財富鎖在他們的股票之中，由於一個失誤就可能導致全盤皆失，許多企業家眼界會因此變得狹隘，戰戰兢兢只求IPO順利，而非專注在更遙遠的未來上，此舉可以讓他們更「放鬆」一點。

但過去也並非沒有如投資者擔憂的案例發生。2000年時，網路服務企業World Online上市前夕，創辦人妮娜．布林克（Nina Brink）出售了絕大部分持股，結果上市後該公司股價暴跌，不到1年就被併購。

Uber、Lyft殷鑑不遠，WeWork上市備受檢視

雖然創業家出售持股逐漸成為風氣，然而Uber及Lyft坎坷上市記憶猶新，WeWork上市後的表現勢必會被投資者更嚴謹看待。諾伊曼出售大量股票的行為，也將受到市場審視。

不過，《華爾街日報》指出，消息來源認為，諾伊曼敢於出售、抵押股票，反倒意味著對公司未來抱持無比信心。

在過去的許多報導中，諾伊曼被多家媒體描述為一位極具野心，同時對公司前景非常樂觀的創辦人。他始終堅信，WeWork與其他共享辦公空間新創格局上截然不同，這是一家即將改變世界的科技公司。

自2011年成立以來，WeWork已獲得超過100億美元投資。前陣子，WeWork更計畫在IPO前夕發行債務籌措40億美元資金，期望藉此向潛在投資者證明，公司有能力維持營運，撐過一時的虧損直至獲利。

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。