工研院推技術加值融資保證專案，攜手信保基金、26家銀行挺中小企業|數位時代 BusinessNext

工研院攜手信保基金、26家銀行，挺中小企業與新創用「技術」融資

到2021年底前，只要符合5+2產業的中小企業或新創，都能透過工研院來進行技術融資。

工研院評鑑、信保基金擔保、26家銀行提供資金

「這是金融界支持科技界的最好案例。」工研院院長劉文雄說，「根據瑞士世界經濟論壇（WEF）的報告，台灣是全球前4大創新國，但在創投資金方面卻落後跟不上。」

在中小企業或新創公司要取得資金上，融資放款仍大多建立在有形資產上，而「技術加值融資保證專案」的概念很簡單，符合5+2產業發展方向的中小企業、新創公司，只要握有專利或技術皆可申請， 由工研院做評鑑、信保基金當擔保、銀行來提供資金 。

2019年，工研院就推出了「智慧財產權融資信用保證」，只要購買工研院產出的技術，或進行技轉，經由無形資產評價機構出具評價報告，再由工研院評估過後，就能進行智慧財產權相關的貸款。同年，工研院也找來台企銀、信保基金，讓新創可以用無形資產進行貸款。

本次的「技術加值融資保證專案」則是上述計畫的延伸，擴大可借款的銀行，以及可申貸的對象。

經濟部次長林全能也出現在記者會現場，先是針對新冠狀病毒（COVID-19，俗稱武漢肺炎）的紓困現況說明，截至7月22日，透過信保基金融資的產業紓困金額超過3,300億元，「非常感謝金融業的支持。」而他也提到，台灣中小企業或新創企業在發展上，在資金、人才、技術3面向常是創業初期最大的挑戰，尤以資金短缺為最。

「過去資金與技術之間並沒有很好的橋樑，此次專案也是打通『任督二脈』，透過技術加值，加上信用保證拿到資金，讓優秀的技術往產業化、商品化發展。」林全能表示。

「技術加值融資保證專案」3大特色

「技術加值融資保證專案」主要有3大特色：

1. 單一窗口：中小企業與新創公司直接透過工研院就能進行融資申請。

2. 中小企業信用保證基金提供最高2.2億元融資保證額度。

3. 融資銀行多、受惠企業多：全台共有26家銀行受理貸款，5+2新創重點產業之中小企業和新創公司皆可申請。

融資受理銀行：臺灣銀行、土地銀行、合庫商銀、第一商銀、華南商銀、彰化銀行、輸出入銀、兆豐銀行、臺灣企銀、上海商銀、台北富邦、國泰世華、高雄銀行、京城銀行、瑞興銀行、新光銀行、陽信商銀、板信商銀、三信商銀、聯邦銀行、永豐銀行、玉山銀行、凱基商銀、星展銀行（台灣）、台新銀行、中國信託。

責任編輯：張庭銉

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。