誰說苦蹲才能熬出頭?攀岩式職涯發展必修課!
誰說苦蹲才能熬出頭?攀岩式職涯發展必修課!

「誰說轉換職涯的同時,不能往上晉升,如同攀岩往斜上走呢?如何規劃自己的『攀岩式』發展路徑?」

在上海醫藥生技重鎮──張江高科技園區的匯智廣場咖啡店,抽空見了一位藥業的朋友,我們一如往常聊到行業趨勢與各公司動態,順便也談到職涯發展。

我想是之前做投資、併購產品,醫藥環境動態看的較多,總有許多朋友諮詢職涯發展,問題涵蓋「在現在的職位待了四年,但一直升不上去,也遲遲沒有發展,另一家公司的中央市場部職位換治療領域,不曉得好不好?」「有個民營企業的新成立部門,其職位內容是戰略規劃、商務發展,我覺得很有挑戰,但有沒有什麼風險?」,而我,除了從公司背景、產品結構與後續管線、決策授權程度做客觀分析以外,最重要的一件事是了解自己對未來的職涯期許,和自己在下一個職位的「即戰優勢」在哪?

推薦閱讀/商業思維:人生持續成長的三個引擎

一、後疫情時代,加速企業跨專業人才需求

在疫情前,已經有越來越多大型藥企,從組織架構上,學習IT產業調整成敏捷工作模式(Agile Model),用類似創業小團隊模式,轉換組織僵化結構,增加靈活性提高產出。對於人才的跨職能協作能力要求高,且要在短時間快速生成可行解決方案(Minimum Viable Product, MVP)。

此工作方法就如同15年前參加YEF,跨不同領域的夥伴一同合作,並完成創業專案,針對市場痛點提出解決方案。此趨勢在全球經濟重創的後COVID-19時代,企業對人才的多功能力以及即戰力要求更是加速進行。

如何在變動的環境下快速調整、做出成績,結合跨領域專業與全局觀點,已經不是過去傳統垂直晉升人才所能滿足的,在變動的時代下,「攀岩式」斜上發展,優勢逐漸展現出來。

shutterstock_562137391_mountain.jpg
在後疫情時代,企業更需要的是高度整合的攀岩式發展人才,來面對競爭與高度變化的環境。
圖/ Vixit via shutterstock

傳統的垂直發展,專注於特定領域的向上升遷,例如:一線銷售,經過幾年經驗,開始往區域銷售管理工作晉升,後續往更高層級的全國銷售總監等職位走,專業紮得夠深,並持續培養管理技能;傳統的橫向發展,則是跨不同職位的發展,例如:從銷售開始,後轉市場部職位,再轉至培訓職位等,觀點培養得廣泛,跨部門溝通思考會更全面,但晉升容易受限,除非是儲備幹部的輪調計畫。

過去大家對於跨職涯的轉換,總是很擔憂要放棄自己熟悉的舒適圈,認為要苦蹲吃苦,才能漸入佳境。然而,誰說轉換職涯的同時,不能往上晉升,如同攀岩往斜上走呢?帶著核心專業的即戰力,在下一個職位迅速適應。專業人士如何規劃自己的「攀岩式」斜上發展路徑,已然成為職場晉升的必修課題。

推薦閱讀/你低估了職涯長度嗎?回答這5個問題,就能掌握你的職涯人生

二、攀岩式職涯發展,三點不動一點動,晉升更有策略

攀岩式發展不是無限的跨職位橫向發展,畢竟跨度太大就如同轉行一般,專業無法累積,轉換職位後沒有即戰力。攀岩式發展在跨職涯轉換中要求:三點不動,一點動。不動的三點維持「核心」的穩定,動的一點進行登峰的「攀爬」,才能確保自己的即戰力。

意味著在現任職位中,你要為了下個機會,儲備一個不可取代的核心專業,在轉換職涯後,還能立即取用的優勢,例如:一個銷售代表,如果轉換從事早期藥物的篩選,能銜接的專業很有限,然而,如果銷售代表擁有專家客戶的信任與專案合作經驗(核心),轉換到市場部(攀爬),對於後續推廣工作就有最好的基礎,「專家客戶的關係」正是他的核心專業。

我多年前創業時,當時跟股東合作,從股權結構到決策機制的失誤都吃盡不少苦頭,把事業賣出後,便開始學習股權結構、公司法等知識,後續做醫藥投資併購(攀爬)的時候相當有助力,醫藥業市場操作與創業財會的深耕(核心),才能讓我一上任就能有即戰力。

而且基於深耕的專業,進一步橫向強化供應鏈整合的專業知識(核心),除了對投資併購的工作有助益以外,也對後續轉做境外技術引入的工作(攀爬),有相當正向的幫助與即戰力。因此,在每個職位的當下,帶著前面經驗的積累作為即戰力,規劃橫向拓展能力的培育,為下一個職位做準備,當有新的機會出現時,你不是從零開始,藉由整合獨特的優勢和與眾不同的即戰力,將為你爭取更好的條件,甚至是斜上攀岩式晉升。

三、瞄準好目標峰頂,有效規劃攀爬路線

回歸到常被諮詢的問題,無論職業發展怎麼評估,最重要的是自己對未來的職涯期許以及了解自己在下一份職位的即戰優勢,對自己有5年或10年職涯期許的最終方向。就像明確知道自己要登哪一座山峰,對於眼前的攀岩式發展路徑也會更明確,有取有捨,規劃路線逐步往橫向或斜上走。對於「攀岩式發展」的建議,大家無論換不換工作不妨思考以下3個問題:

  1. 明確攀岩山峰: 你是否對自己職涯有明確的5年或10年期許?
  2. 攀岩路徑選擇: 在職業發展路徑預計怎麼轉換,才能逐步達到想要的目標?
  3. 核心力量訓練: 在現在的職位,你為了下一個職涯儲備的獨特即戰力為何?

在COVID-19後疫情時代,企業更需要的是高度整合的攀岩式發展人才,來面對競爭與高度變化的環境,當你清楚職涯山峰後,趁現在培養自己的攀岩型實力吧!

責任編輯:陳建鈞

(本文由時代基金會—付諸行動的夢想家權轉載自其Medium

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場)

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓