從廚師做到美福餐飲副總！陳重光看見「表單」以外的事，持續優化做菜和管理的SOP|數位時代 BusinessNext

從廚師做到美福餐飲副總！陳重光看見「表單」以外的事，持續優化做菜和管理的SOP

美福餐飲副總經理陳重光認為，流程管理有SOP，但SOP不是死的，而是在每一次的操作中不斷改良、精進。

遇問題就是翻新好時機，打造持續進步的清單

有次曾發現酸菜裡出現塑膠袋殘屑，團隊檢討後發現，酸菜外包裝使用的是透明的塑膠袋，如果盛裝人員不小心處理，容易忽略。後來團隊成員討論出新的作業流程，規定供應商未來供貨時需使用有顏色的塑膠袋，員工拆開酸菜時，可以輕易辨認。

同事最後上報修改結果，他提醒這樣還不夠，因為已經有部分酸菜銷售到餐廳樓下的超市，必須立刻追回。這個經驗也讓團隊知道，之後即使再遇到同樣狀況，不僅要檢視現在流程，更要回追或推及到其他工作，才能減少疏漏。

流程管理有SOP，但SOP不是死的，而是在每一次的操作中不斷改良、精進。同樣的道理，在他最擅長處理的乾式熟成牛排，更能展現他精益求精，熱愛鑽研、學習的性格。

而在Fresh & Aged Italian Steak House美福乾式熟成牛排館中央，就是陳重光一手打造的乾式熟成室。一推開熟成室的門，就能聞到陣陣酒香。這就是100多塊「乾式熟成牛排」（Dry-Aged Steak）的味道。

為了追求更卓越品質，運輸過程、牛的飼料都探討

乾式熟成起源於高緯度、天氣乾冷的國家，冬天時把牛肉放在自然環境中風乾與保存，烹煮時能鎖住肉汁，烤出酥脆表皮。但台灣又熱又潮溼，得仰賴人工打造保存條件，陳重光便打造了台灣第一間乾式熟成室。

13年前，陳重光當時在西華飯店擔任行政總主廚，老闆指派他到美國學習乾式熟成技法，返台後為了重現牛排風乾熟成的環境，從熟成室的空調氣流怎麼流動，確保室內每一處溫度相似，這些都得反覆測試。

由於肉本身品質、溫度、濕度等，會影響最後成品的因素，而乾式熟成保存的天數，一般國外的起跳天數是15～28天，陳重光則是做到55天、75天、100天到現在可以做到300天。天數愈長，口感會軟嫩，香氣也會更加濃厚。為了拉長熟成時間到300天，需要把關、追蹤的事情愈來愈多。陳重光說，從熟成天數75天跨到100天，是印象深刻的一次關卡。

那時發現同樣技法，有些牛肉會成功、有些卻腐壞，他開始把目光從熟成室回推到運輸過程、肉品源頭，研究肉品學與食品學，才知道像是貨櫃冷凍過頭，肉都結冰，就不適合長天期熟成。有時還得往前追到飼養階段，了解牛隻吃什麼飼料，會影響牛肉的味道與口感。他們進口肉品時，這些條件也列為檢查的事項。

一塊成功乾式熟成牛排的條件不會有終點，需要一直調整，直到現在他仍持續改良熟成式室設計，「我們每個環節，都記載下來而且可以追溯。」日後遇到困難，其解法便會成為未來工作遵守的清單項目，成果才可以與時俱進。

責任編輯：林芳如

本文授權轉載自：經裡人月刊

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。