金寶花30天自製呼吸器開賣菲、泰國，沈軾榮：歡迎來到防疫專門店|數位時代 BusinessNext

花30天自製呼吸器開賣菲、泰國，金寶在後疫情時代做了哪些超前部署？

搶先呼吸器國家隊一步，金寶30天研發拚出自製呼吸器，於5月下旬在菲律賓及泰國量產，面對後防疫時代，金寶目標醫療營收占比上看10%，做了哪些佈局？

金寶自製輕症呼吸器，高階醫療用鎖定代工

不過金寶的呼吸器佈局則分走兩端，4月30日發表的屬於輕症患者使用的非侵入式呼吸器。「呼吸器技術都是金寶自己研發，當然也有參考開放資源平台的呼吸器設計，利用金寶集團機器人及3D列印技術生產製作。」沈軾榮指出。

金寶預計5月下旬將在菲律賓及泰國生產呼吸器，初期1,500套，供當地市場需求，目前已有代理商洽談中。5月將在當地取得醫療認證許可，不過因泰國限制出口，菲律賓所生產的呼吸器有機會回銷台灣，「 巴西或菲律賓這些國家許多人用不起昂貴的呼吸器，我們期望多一台就多救一個人， 」沈軾榮說。

但為何不投入高階醫療呼吸器開發？沈軾榮表示，由於高階呼吸器醫療認證過程繁複， 金寶將以代工方式生產 ，北美已有兩家潛在客戶預計7~8月將確認代工合約，目前全球泰國、菲律賓、美國、巴西4個工廠具備醫療生產認證。

為拚速度，「我們先研發輕症患者使用的呼吸器，從開始到完成研發花費30天就完成。」沈軾榮開心說，事實上在研發呼吸器過程，金寶團隊也研究醫療器材大廠 Medtronic的呼吸器開放資料，「很多零件都是10～20年前就斷料，很多現在已找不到。」沈軾榮透露，但這也意味呼吸器國家隊若真沿用該大廠設計方案，很可能面臨零件重製及成本昂貴等問題。

防疫生活進入長期抗戰，金寶轉投資打開醫療窄門

「我認為防疫生活可能是長期抗戰，很多發展中國家人口密集，資源短缺問題大，金寶研發的呼吸器比高階ICU（加護病房）呼吸器便宜很多，可以大量布建緩解需求。」三緯國際市場開發處副處長舒家誠說。

金寶轉投資持股約10%的慧誠智醫主攻醫療軟體解決方案，日本已有許多醫院採用拚30天自製呼吸器開賣菲、泰國，金寶CEO沈軾榮：「歡迎來到防疫專門店！」

零接觸醫療設備進行隔離看診，避免傳染，金寶持股10%的醫寶智人主要開發醫療自走機器人，台中榮總已經導入作為滅菌器材搬運工，未來也可以運送檢體，避免感染風險。

「以台中榮總為例，一天開刀病床100床，每套滅菌開刀器械總重15~20公斤，等於一天醫護人員要搬1～2噸重的東西，由搬運機器人代勞，可以直接將器材送至手術台後方通知護理人員。」醫寶智人總經理王鳳翔說。

沈軾榮更看好2021～2022年跟醫寶智人母公司研揚會有更多合作。

「 後疫情時代，天下大亂，情勢大好。 」沈軾榮不僅加強佈局醫療領域服務，喊出未來營收貢獻要拉高至5~10%，核心本業也沒停著，全球最大印表機工廠岳陽廠1月完工，5月正式拉高至單月100萬台產能，碰上遠距上班浪潮，電腦周邊需求大好，連印表機訂單都急增。

「訂單大增30~40%跑不掉。」沈軾榮說，雖然消費性電子產品需求下滑，但工作類型產品如硬碟、印表機訂單加溫。接下來，金寶還計劃在泰國打造一百萬坪的工業園區，招供應鏈進駐，顯然後疫情時代已準備好迎接從中國出走的零組件遷徙商機。

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。