可成現金池1,179億元滿水位，將發動併購！洪水樹首談紅色供應鏈合作傳言|數位時代 BusinessNext

可成現金池1,179億元滿水位，將發動併購！洪水樹首談紅色供應鏈合作傳言

可成過去採取加速折舊策略，現在淨現金流入提高，逢核心本業成長趨緩，董事長洪水樹首度鬆口：不跟趨勢潮流對抗，客戶策略轉變，加速投資併購擴張找第二條路。

沒被併，反可能出手併購

可成不僅否認上述傳言，洪水樹還透露可能反轉立場，不被買，還要成為發動併購者。可成身為金屬機殼優等生，根據第一季度公布的財報，約當現金水位急奔至1,179億元歷史高檔，洪水樹透露，反想要透過投資或併購擴張，加速找到第二或第三條路。

「你沒辦法跟趨勢潮流對抗，當大環境改變時，（併購）是我們積極要做的事，」洪水樹說。

他指出，會積極尋找國內外轉投資，包括「有些不是那麼容易重頭開始發展成公司營運主軸的產業，就會找一些成熟公司（併購），或是其技術開發成熟，需要資源幫他們商品化的對象。」他解釋，投資標的國內外都不限，但會是以新領域為主，車用或醫療都可能，也會透過客戶推薦一些好的對象。

事實上，可成已經量產電動車外殼，甚至第二季還多接到新案件，可成也轉投資多家醫療子公司，默默佈局。

5G時代機殼設計破碎化，成長寄望車電及醫療

過去罕談併購，洪水樹的態度轉變其來有自，從他所說的大環境改變可以知道一二。回顧可成的核心本業：筆電、平板、手機機殼業務，都先後進入成長高原期，品牌客戶無法成長，甚至業績消退，就開始反過頭來砍成本以維持利潤。

跟「市場競爭」相比，對可成更大的衝擊是產業中「客戶策略轉變」，市場觀察蘋果新領導人更專注財報數字成績，產業變化造成的影響之大，即便可成維持產業裡最好的競爭優勢，也難以抵擋。

「這無可避免，客戶對支出強力控制，供應鏈會造成相當大壓力，這是去年（可成）會有這麼大逆風的原因。」洪水樹坦言。

可成是金屬機殼優等生，良率跟量產速度都數於前段班，觀察機殼產業趨勢，洪水樹表示，5G跟AI對全球科技產業造成相當大影響，尤其是5G進展將對產業帶來正向循環，刺激消費帶動需求上升，但5G天線數量增加，也使機殼結構要更破碎化，好讓天線穿透，但又必須兼顧好的強度，解決高頻散熱問題，加上造型複雜度更高，使機殼角色更吃重。

而是否加速海外佈局，洪水樹坦言，台灣產能已經相當龐大，台南永康工業區也規劃再興建新廠，但機殼因技術含量高，上下游關係緊密，目前仍需要時間，由於機殼需要高端製造環境，並牽涉複雜的製程工藝，不只是可成本身，還必須周邊配合，因此目前評估得多、行動得少，「我們是能移就移，其他遠距供貨」洪水樹說。

而核心本業上，洪水樹透露已有散熱部門研發散熱材料，比方加入散熱纖維或薄膜，很快會在5G筆電上商品化，由於上半年可成業績成長，下半年雖仍要看手機上市狀況，但仍審慎樂觀，預估今年看起來還不錯。

洪水樹說，「過去用加速折舊，在景氣好時，把資產負擔盡量降低，碰到景氣轉折，我們負擔相對輕，輕負債，好的現金流在手，當遇到機會或可以投資的標的出來，隨時可以投資搶得先機。」積蓄千金，可成何時出手，後續值得期待。

責任編輯：蕭閔云

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。