奪賓士車檢電腦大單一雪前恥，融程電如何吃下神基也沒做到的生意？|數位時代 BusinessNext

花5年長征擊敗Panasonic奪賓士大單，融程電如何吃下神基也沒做到的生意？

融程電兩度跟Panasonic交手，終於在今年奪下德國賓士車廠5年汽車檢修電腦供貨合約，董事長呂谷清脫口而出：這次是最接近營收30億元目標的時刻。

年營收目標30億元，現在是10年來最接近目標的時刻

融程電是專做特殊應用平板電腦的工業電腦廠商，客戶從石化航太到車檢物流業都有。在技術已達一線廠水準，早已出貨福斯及Continental等大廠車檢電腦下，融程這次終於以價格優勢勝出擊敗Panasonic與賓士簽約，一雪5年前之恥，「 10年都沒做到，這次是我們最接近30億元營收目標的時刻！ 」呂谷清說。

融程電多年前就設定朝30億元年營收目標邁進，但專案型態的生意模式，每次都碰巧出現某客戶被併購、訂單延後、搶標失利等狀況，讓營收始終無法向前跨一步，事實上，身為工業電腦二線廠，融程年營收已經在15～16億元徘徊7年，而呂谷清一直期望推升融程朝30億元規模邁進。

光靠一筆德國賓士車檢電腦大單，也未必能讓業績翻一翻達到30億元目標，融程電過去一向在歐洲市場相對出色，北美市場則表現平平，年營收貢獻僅1.8億元，呂谷清心想，集團要做到30億元營收，北美市場勢必要貢獻10億元才健康。

奪下Honeywell倉儲平板長期合約，第四季出貨

為衝刺北美市場生意，融程耕耘多時，今年4月也順利拿下Honeywell的倉儲物流平板長期供貨合約，第二季產品驗證，第四季開始出貨。

要知道北美倉儲物流電腦裝置業者三足鼎立，除Honeywell外，還有Zebra及Panasonic，而這三家除Zebra全數委外生產，其餘兩家都還掌握自有工廠，自製自產自銷，要打入供應鏈並不容易。

而靠著專門研發倉儲用平板，這次融程電罕見的讓Honeywell破格以「貼牌」方式跟融程電簽定長期供貨合約，過去Honeywell僅採用代工方式對外釋單，這次能跟融程電以買產品方式合作，不僅是創舉，也證明融程電倉儲平板設計功力晉級。

據了解，Honeywell也曾找神基科技洽談合作，不料雙方談了很久，最終沒有談成。Honeywell因此轉向找融程電合作，問呂谷清為何順利搶下大單？呂谷清坦言，是用「競爭語言」跟客戶溝通，說明現在產業的競爭激烈，自己開發要時間也要投資，若直接跟融程電合作，至少省1000～2000萬美元開發費用，最後成功用這套說詞說服Honeywell。

除了這兩家國際大廠談定，融程電在醫療設備領域也有一些斬獲，今年融程也取得麻醉指數偵測器龍頭醫療用平板訂單，預計2021年開始出貨。

「2008年以前我們小客戶多，但未來會陸續經營賓士這類大型客戶，因為我們發現，大型客戶受黑天鵝影響會比較小。」呂谷清分析。

融程花5年搶下的賓士車檢電腦訂單，預計在6月就將裝貨櫃海運出貨，7月認列營收，在下半年德國車廠大單進補下，車檢電腦生意將從過去一年5,000～6,000台倍增至年出貨1~2萬台， 讓車檢電腦業績占比大增至24%，一口氣成為融程電最大業務來源 。

在營運盤旋7年後，融程電期望在未來兩年加速朝30億元叩關，談到手上還熱騰騰的賓士車廠訂單，呂谷清信心滿滿地說：「未來不可能再讓競爭對手搶走！」

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。