看好微服務發展!創雲數據挾建立大型運算中心經驗,推AI企業資源自動化管理平台
看好微服務發展!創雲數據挾建立大型運算中心經驗,推AI企業資源自動化管理平台
2020.04.03 |
創雲數據行銷經理朱淯蓉
”當問題的發生時,沒有捷徑,就是靠經驗!

2014年創立的創雲數據團隊,專注基礎技術開發,以實踐開源的 OpenStack 架構切入,為大型軟體資料中心進行規劃設計、系統建置、同時考慮後續的維運模式。成立之際面臨激烈競爭的創雲團隊,以八年以上的 IT 規劃/維運經驗,持續在高技術門檻的雲計算產業耕耘,協助客戶進行彈性的技術佈局。

創雲數據 OpenStack

編按:OpenStack是美國太空總署和Rackspace合作研發的雲端運算軟件,為自由和開放原始碼軟件,擁有三大模組運算模組、網通模組和儲存模組,加上一套集中式管理的儀表板模組,來組合成一套OpenStack共享服務,可提供有需求者彈性擴充或調度,也可進行二次開發。

穩紮穩打帶來技術高含量和意想不到的機會

有別於大廠對於客戶而言無法釋出彈性、難以完全符合需求,創雲數據為因應不同需要,藉由客製化現有軟體和延伸其功能,更符合客戶需求。

創雲數據_Meet創業午餐會_2020-01-16_賀大新攝影_4118_Lr.jpg
圖片由左至右為創雲數據行銷經理朱淯蓉、董事長特助董啓豪與執行長徐振威。
圖/ Meet創業小聚

2015年創雲數據成功接洽中國湖北省級政務雲端計算運算及大數據資料中心的案子,打造共用雲平臺。當時,創雲用不到20名技術人員,在不到兩個月的時間,為資料中心建置1000個節點,成功讓200臺實體伺服器落地,「我們完成儲存總量約 2pb 的雲端計算中心,現在看起來雖然不大,但在當時是個創舉。」執行長徐振威提到。

相較於傳統數據中心,創雲數據提供的整體計畫讓硬體採購成本下降70-80%,維運人力節省高達90%。除此之外,資料平臺應用涉及相當廣泛,舉凡政務、交通、醫療、教育、工業、農業、金融等,直到2017年底覆蓋整個湖北、分佈在六個城市,實現省、市、縣三級互聯互通的智慧城市需求。

微服務整合平臺,讓資源管理不再是企業的痛!

大型資料中心不只側重於建置,更應在問題發生的當下,快速地找出問題並有效解決,建置湖北資料中心的經歷,使得創雲團隊的整合能力大幅提升。

2017年,團隊將技術搬回臺灣,看準企業數位化需求,創雲開始為企業建置微服務系統,目標對準虛擬銀行和金融科技,有效地為客戶實踐更彈性的數位服務建置、以及更長遠的成本節約。過去兩年,創雲數據攜手國內金融巨頭,建置一個整合微服務平臺,將全臺近200個據點、管理人員達一萬人以上大規模的資料管理一網打盡。

以金融產業為例,一個銀行App時常包納相當多元的服務,包含:點數累積兌換平臺、外幣兌換平臺、網路銀行平臺、信用卡繳款平臺、證券交易平臺等。然而,這些獨立的平臺服務相當分散且關聯性太低、難以統整,對於龐雜資料管理上除相當耗時外、系統多半老舊,執行長徐振威提及:「如果要回到公司做整合會耗費相當多時間,所以我們幫企業做,未來應用就是在一個平臺完成所有作業。」可以說,微服務是因為系統的有自己的資料庫、可以把資料獨立快取、儲存。而傳統的系統架構就是牽一髮動全身,如果公司要改其中一個類別的資料的話,不同類型的資料庫都要連同一起修正。有了微服務,有效解決資料處理龐雜又耗時的問題。

創雲數據 AI Ready 的混合雲架構設計

為Redhat認可合作夥伴,看好微服務於全球的發展

自2017年返臺以來,創雲數據為Redhat提供產品顧問一條龍服務,其實關鍵在於Redhat十分看好微服務的發展,且認可創雲數據的專業技術含量高,至今持續合作,Redhat也成功縮短50%的開發及測試時間,目前有30項微服務正在運行、仍有20項微服務正在開發,未來將提供移轉服務。

執行長徐振威分享:「微服務應該是要把原本web做拆解,而不是一直花費成本買,就是不該一直擁抱核心,而是診斷流程,用原本的東西轉型提供最好的應用。」執行長也舉例:一個內含Java的ERP(Enterprise Resource Planning,企業資源規劃)系統,創雲教導企業自行移轉企業過往自編的程式─「像是拆解積木,企業內部的工程師已經組裝好,創雲就是教他怎麼拆開。」

期盼產品化的合作夥伴加入,讓價值加成!

另一方面,看準AI應用愈加廣泛,市場將會有「資源如何應用」與「如何有效管理」的問題產生,為解決市場痛點,創雲數據AI資源自動化管理平臺應運而生,他們規劃於今年(2020年)第二季上線,對此,董事長特助董啟豪也補充道:「就像我手上有好幾百臺車,這麼多資源我就需要自動化管理,所以我們協助夥伴去建置,尤其是東南亞很喜歡。」

「雖然我們有knowhow,但Open source其實全球都在做,創雲將投入臺灣AI戰局,必須花更多心思做整合。」朱淯蓉提到,創立以來,創雲數據一直都面向 B2B 業務,除目前因應求新求變的金融產業,未來也將擴大與 AI 應用單位合作、協力整合資源,資源最後勢必要集中化,將採開源的角度邀集相關企業投入。此外,創雲數據也看準學術單位較願意接觸新的應用且user數量多的優勢,2020年也將市場版圖再拓及學校;在人才方面,下一個策略會聚焦於品牌思維的建立,團隊將延攬市場開發(Business Development)跟行銷(Marketing)專業的人才進駐。

在資金方面,募資會是創雲數據今年度最關鍵的階段目標,因為團隊需要人才讓技術優化,才能進行上下垂直與軟硬體整合。預計在 Pre A 輪可募集2500-5000萬臺幣,望募資者的產業可與創雲數據相輔相成,形成策略性投資,加強技術產品化的能力。

創業快問快答:

Q:長遠來看,公司想成為一家何種類型的公司?下一步的目標是什麼?你們如何完成?

A:我們想成為技術型的產品顧問服務公司,下一步目標除了整合RedHat原廠及合作廠商加強marketing外,學術單位客戶群更是重點經營目標。

Q:服務的創意來源,是因為發生甚麼事情而有這樣的想法?

A:
1. AI人工智慧在未來十年將改變全球經濟產業鍊供應方式,進年正處於爆發式成長。但並非所有企業的IT或資訊部門都了解該引入AI。AI Force除了解決此入門門檻相對較高問題外,並同時提供自動化的流程管理,一次性的解決客戶在面對AI人工智慧時所面臨的所有痛點。

  1. 企業的產品研發人員從撰寫程式碼到產品正式上線都有個生命週期,在此過程中會面臨非常多的問題及挑戰,例如版本測試、管控、需求變更、源代碼備份、資安等問題。創雲數據為客戶提供的產品解決方案,可協助客戶一站式的解決這些問題,讓研發人員專注寫code,維運人員透過自動化流程輕鬆管理,縮短產品上線時程。

Q:創業,教會了你哪些事?簡單分享創業至今以來的心得感想?

A:
1. Always要有plan B。
2. 商場是多變且現實的,沒有永遠的敵人或夥伴。
3. 慎選核心團隊成員!
4. 永遠要有最壞的打算。
5. Never say Never!

公司資訊

公司名稱:創雲數據股份有限公司
成立時間:2014/6/25
產品名稱:AI資源自動化管理平台 / DevOps CI/CD自動化平台 / RedHat全系列產品服務
上線時間:2019/11/8
團隊人數:11人
官方網站Facebook新創資料庫

關鍵字: #Meet創業之星
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