「開除」與「用人」的準則，藏在得與失之間的「細節魔鬼」|數位時代 BusinessNext

在我眾多斜槓的工作中，有一個特別的項目就是「教書」。

有時候我會在大型企業做人員培訓，也到過政府單位或大學進行演講。然而我是怎麼開啟這項業務的呢？猶記得十多年前，才20出頭歲的我，因為當時有個機構邀請我老闆去教書，但老闆因為假日要陪小孩不太想去，於是就叫我去代課。或許教的還不錯，於是就這麼教著教著，竟已教了超過十年。

發自內心細膩的體貼，就是最特別的亮點

而我的教書旅程，也好像是張未知目的地的旅行機票。因為教書，曾讓我飛過上海、廣州，金門，台灣從北到南，遠至屏東花蓮都曾到訪過，有一番滋味。某次上課的時候，我遇到了一個學生給我的印象特別深刻。

那個孩子站在人群中排著隊，等候前面的人問完我問題才出聲。別人問問題時他也在旁靜聽，手中同時記著筆記。輪到他發問的時候有禮貌的把想問的題目條列式的給我說了一番，讓我容易一條一條回答。我要走的時候他說:「老師，您剛剛用自己的帳號登入教室的電腦，我替您登出吧。」這個動作給我很深的印象，雖說我的公眾信箱裡頭也沒甚麼見不得人的東西不怕人看，但這個小朋友細膩的「體貼」，其實就是一個少見的「差異化」。

另外有一個經驗是這樣的，某次我陪幾個醫師朋友南下去演講，因為他們是搭計程車前往，而我是開車去的，因此回程大夥全上了我的車回台北，當大家討論著要去哪吃飯，其中一位醫師就貌似自然地說:「到江子翠去找吃的吧。」我當下聽起來怪:「江子翠哪有甚麼好吃的？怎麼會想去這裡？」。而且他們幾個都住台北市，只有我住江子翠，我大可以走高速公路先把他們丟回市區再自己開車回家，後來才知道他是「體貼」不讓我一個女生最後自己開車回家，於是直接在我家附近找飯館，他們再自己回去的心意。

我覺得「體貼」是一種很微妙的行為，出自於一種「疼愛」，是以對方為中心的思考基礎下而產生的。在過程中，不去強求自己的動作非要讓對方看懂，只要是「為對方好就好」的心意，雖然淡淡的，但感動的記憶卻能存留很久很久。

隱晦的「小聰明」就像未爆彈，遠離是唯一解方

這其實也適用於職場的用人原則，雖然我沒有自己開業當老闆，但還是偶有面試助理或帶領一些年幼夥伴的職務。一直以來我都算是個頗仁慈的老闆、雖然要求很嚴格，但對伙伴們也向來都是提攜、成全、不藏私。但前幾年我曾fire掉一個夥伴，坦白說這個孩子是我歷任助手中相對聰明，學歷、語言也都優秀。我很花心思的栽培她，甚至把我某一個項目的收入提撥一部分出來，讓她跟著我去接下一份原本並沒有她位置的工作。

但是「聰明」並沒有保住她的飯碗，在某幾次的專案中，那孩子用了撒嬌政策，向我的客戶討要了一個沒有事先跟我商量的「特權」，爾後當我知道了那件事情，她給我的回應居然是「客戶都已經同意了呀，我何必那麼在意」的態度，這實在不是個太可愛的記憶。

而最終她所「討要到的特權」並沒有保住她的位置，在幾次無法配合交辦任務的事件後，我們終止了與她的合作。這樣看來，我很無情嗎？或許會有人這樣認為，但是對於我或品牌而言，「隱晦」都是個麻煩的大忌，這有可能衍生的是「八卦」，是我將因為未知而無法適時掌控的「危機」，這是個黑暗。當我沒有辦法改變這個情況的時候，遠離就是唯一的解法。（推薦閱讀：給CEO的5個教訓：不開除人是讓公司毀滅的好方法）

設身處地為人著想，不怕沒有發展的舞台

其實這幾個例子都是滿小的事，但卻衍生出完全不同的結果。當我們多替別人想一點，多問一句，或是設身處地的替人著想的時候，可以創造的是被記住的機會、接案的機會、或是一份新的工作。

當這個世界上人人都只想到自己的時候，你因為「捨己」而成為一個「奇特的亮點」。那份光芒並不是來自於你長得特別帥，外語說得特別好，而是融在血液裡的良善，你就會閃閃發光。

聖經裡有段故事是這樣的：「在最小的事上忠心的人，在很多事上也忠心；在最小的事上不義的人，在很多事上也不義。」於是主人稱讚那又良善又忠心的僕人，並且把許多產業都派給那僕人管理，並且讓他進來享受你主人的快樂！』

很可愛的，在某次我接手一個國際論壇的主持工作，因著自己的外語不好而有些自卑，但當下我的小夥伴跟我說「沒關係，以你的檔次都會直接有翻譯協助你，不用難過自己英文不好。」你說說看：這樣的人，怎麼會沒有舞台？

責任編輯：陳建鈞

《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。）

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。