輸給AlphaGo的韓國棋王宣布退役，李世乭：「拿下第一名，我也不是冠軍。」|數位時代 BusinessNext

永無可能戰勝AI，李世乭萌生退意

然而，即使雖敗猶榮，依舊無法消弭他面對AI的挫敗感。11月19日，李世乭向韓國棋院遞交了退役申請，結束他24年的職業棋士生涯。根據《韓聯社》的訪談，他決定退役的原因，便是3年前與AlphaGo的一役中，感受到了AI在圍棋領域人類無法抗衡的強大。

「隨著AI進入圍棋世界，我理解到無論我再怎麼拚命拿下第一名，我也不是真正的冠軍。」李世乭說。

最初李世乭認為自己能大勝AlphaGo，然而一切並未如他所料，他壓倒性地輸給了AI，賽後他向對自己寄予厚望的民眾道歉，「我輸了，我很抱歉最後比賽以這樣的形式結束。」

當他被AlphaGo連下三城時，他感到非常低落，「坦白來說，比賽開始前我就嗅到了一絲落敗的可能性。Google的科學家們從一開始就表現得非常自信。」

雖然在比賽中落敗，世人對李世乭沒有一絲苛責，「當我連續輸給AlphaGo三場時，我很好奇人們在網路上的評價，但超乎預料地很少人批評我。」

「神之一手」奪全球讚賀，卻認為贏在系統錯誤

與AlphaGo的第四局比賽中，執白子的李世乭下出的第78手棋──這被譽為「神之一手」的一步棋，讓AlphaGo表現失常，進而逆轉局勢拿下比賽。這局棋為世人所稱頌。韓國棋手安永吉（An Younggil）聲稱，這場比賽是李世乭的最傑出的一局棋，一場足以流芳後世的經典對弈。

外界相信，這一局向全球揭示了人類勝過電腦的可能性，但李世乭認為，他能從AlphaGo手中拿下一勝，是因為AI在面對出乎預料棋步時的「缺陷」。

李世乭向《韓聯社》解釋，「我的白78手不是一個該直接對付的棋路。在絕藝（中國圍棋AI）中也有一樣的錯誤。即使讓人類兩子，絕藝也是位非常難以拿下的對手。但因為錯誤的原因，當它輸時會以非常奇怪的形式落敗。」

與AI對弈為棋士生涯畫下句點，李世乭：「我這次很可能也會輸。」

雖然與AlphaGo的對弈，是李世乭萌生退意的原因，作為棋士生涯的收尾，他計畫將與韓國IT公司NHN Entertainment的圍棋AI「HanDol」進行對弈。HanDol於2018年研發，出道短短1年已有擊敗韓國排名前五圍棋選手的出色戰績。

與HanDol的比賽中，第一場李世乭將被禮讓兩子，後續比賽是否會讓子則依據第一局的成績而定，「即使被讓兩子，我也不覺得自己能贏過HanDol。」

儘管對於能否獲勝沒有把握，屆臨退休的他對於勝負顯得相當坦然，「這陣子我甚至沒有關注圍棋界的新聞，我希望就像已經退休般，與HanDol輕鬆地下一局棋，當然我仍會全力以赴。」

對於李世乭退役的消息，DeepMind執行長德米斯．哈薩比斯（Demis Hassabis）聲稱，他在與AlphaGo的比賽中，展現出了真正的戰士精神，「我謹代表DeepMind AlphaGo團隊為李世乭的傳奇歲月致上敬意，並祝福他未來一切順利，我知道他將成為這一代最偉大的棋手之一。」

責任編輯：蕭閔云

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。