從一張數位證書的發展來看：我們與數位轉型的距離|數位時代 BusinessNext

從一張數位證書的發展來看：我們與數位轉型的距離

台灣在數位轉型的路途上，往往只做到開端的程度，而從數位證書還停留在pdf的階段來看，在真正完成數位轉型前，還有「人」的問題得先克服。

自動化是數位轉型的「開端」而非終點

但在筆者實務上參與了許多與客戶端的會議後，發現這其中有著非常大的落差和誤解，如同已經有許多的顧問業者在輔導傳統帶設備的產業時，到最後客戶端可能認知到的數位轉型結果常成了把過去的人工轉成自動化，或者只是導入自動化設備，卻非以純數位的角度來思考。

當然這樣的過程是優惠到了自動化設備和自動化顧問業者，但若把過去有人工的狀況透過自動化做到無人的狀況，其實只是數位轉型的「開端」卻非數位轉型的「終點」。

舉一個近期參與的好案例。目前現行大家習慣看到的證書證照型態大多都還是紙本形式，於是相關單位決定應該啟動一個數位證書的專案，可惜的是，負責專案的成員都還能明白目前的數位證書相對於真正的數位化證書，充其量只是先把目前的紙本證書直接mapping轉換成一個數位的文件，而非真的以數位資料為主的數位化，而在真實的數位轉型中，有意義的並非這個數位證書（PDF），而是以資訊流為主的資料，因為在不同的系統中所能解讀的其實並非是文件的PDF而是資料，它可能僅是一串看似亂碼的數值而已。

但為何相關成員都明白，卻又還是得先做一個好像很跛腳的數位證書呢？答案很簡單！一切都是為了「人」。

因為人類能理解看懂的並非這些數值，而是如同現實世界中的各式印出的優美證書，這些證書代表了他所能認知的意義。

我們知道了最終的答案和終點，但在走到終點前，我們就必須找到一套與過去或者與現在相容的方式，來讓這個終點有機會開始走的到，而非只是抱怨為何不一次到位。

在真實的世界中，一步到位必須搭配著天時地利人和，就像過往大家會說為何中國可以把行動應用及支付做的極好，都是類似的原因。並非我們不行或者先進國家不行，而是彼此在發展的路徑中客觀環境才是真正影響你前進的因素，而非只是單純的幾個原因。

在數位證書這一個過程中，我看到團隊已經知道有這個現象，因此在現在雖然只是先做了紙本對應的數位文本，卻又已經開始埋入了真正啟動數位轉型的因子，讓數位證書可以接著真正開始演化，直到最後會發現不再需要「證書」，這時數位轉型可能才終告一段落。

而這樣的過程可能得花上數年的時間才能完成。但也因為我們得考量到各種Legacy（延遲）的存在，而不是過於理想的去掉Legacy來思考，這樣才可能有機會完成一個好的數位轉型。 只是也因為如此，可以看到我們到底離數位轉型有多遠？若無法建立以資料優先數位為主的心態，那麼數位轉型恐怕就還只是停留在空談吧！

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。