被德儀斬斷代理權後，大聯大為何笑說2021年營收獲利都不受影響？|數位時代 BusinessNext

被德儀斬斷代理權後，大聯大為何笑說2021年營收獲利都不受影響？

合作40年的半導體大廠德儀（TI）宣布將在2020年底終止代理，隨大客戶離去，大聯大30日為何說：對2020年營收獲及配息都無影響？

大聯大：2020-2021年營收獲利都不受影響

為什麼大聯大說，一家營收占比10%的原廠停止合作，不會對業績有任何影響？

「我只能說，下游客戶的需求最重要，市場不會消失，需求也不會消失，如何滿足客戶需求是最重要。」袁興文解釋，「下游客戶掌握住，就不用怕變化。」

言下之意，只要客戶願意合作，賣什麼（零件）給客戶，大聯大都可以充分配合，沒有德儀，還有其他原廠的貨能用。「大聯大產品布局兵多將廣，我認為明年沒影響，2021年真的變動（合作終止），我認為營收獲利上，甚至現金股息看不到任何影響。」袁興文兩度重申： 對營運沒有衝擊 。

那麼德儀的零件究竟有多少可取代？多少不可取代？袁興文笑說，這不便評論，但客戶可以決定要不要轉換，他更信心滿滿的說： 直接採購的利益跟代理商做的服務，相信客戶會在兩者之間做出明智決定 。

客戶認同代理商價值，零件替代性高

「我們前三大原廠（客戶），業績占比30%左右。」袁興文說，但他不願透露，德儀以外的兩大原廠伙伴是誰。

經過德儀事件後，袁興文透露，下游客戶的立場多數是對代理商（大聯大）認同的，這也讓大聯大信心大增。他不認為原廠轉直銷是未來趨勢，多數客戶仍然認同代理商的價值。

袁興文說，大聯大有900到1,000位研發工程師，加上採購人員，投資非常大的人力，加上資通訊產品是由複雜的零組件所整合，大聯大的任務就是把複雜的產品組合後，透過FAE（應用工程師）提供解決方案給客戶帶來幫助，這才是大聯大持續努力的目標。

「接下來，我們會配合客戶需求，準備他們所需要產品或服務，我們代理原廠眾多，隨時可以READY，業務人員也都在，會隨時提供相關服務，並展開數位轉型。」袁興文說。

說白一點，在德儀停止授權代理合作後，大聯大仍有許多跟德儀零件性質功能相同的其他原廠產品可以銷售，只要既有客戶願意。面對德儀結束三家代理商合作關係，但又還保留一位代理商Arrow，讓外界看不出具體策略，袁興文也坦言：祝他（最後一家Arrow）好運！

30億元拚數位轉型，2020年將做智慧倉儲

深知代理商必須提供更高附加價值，協助客戶智慧製造，大聯大近期剛完成特別股發行，募資百億元，其中60幾億元作為子集團業務周轉金，另外也將投資30幾億元發展智慧倉儲，打造協同生態，幫助客戶供應鏈布建，加速客戶智慧製造。

袁興文透露，現在智慧倉先自用，產能大增兩倍，但人力只要3分之1，未來除香港倉完成後，也會配合客戶需要到東南亞跟台灣設置，2020年預估數位轉型業績就將反映在財報上。

第四季淡季不淡！袁興文說，受惠於5G基礎需求拉動，手機及筆電CPU買氣旺，加上中國本土原廠跟台系供應鏈打入陸系客戶，使得第四季本來是傳統淡季，季減幅度5到9%，現在看起來也不至於如此悲觀，需求遞延到2020年第一季，顯然對大聯大來說，最壞的時間已經在今年上半觸底了。

責任編輯：陳映璇

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。