再提數位發展部4大訴求！TiEA呼籲政府：幫業者移除過時法規|數位時代 BusinessNext

再提數位發展部4大訴求！TiEA呼籲政府：幫業者移除過時法規

由於疫情帶動了產業數位轉型的速度，TiEA認為，要協助產業轉型，政府應負責幫業者把過時的、擋路的法規移除掉。

疫情推動數位轉型，TiEA：政府能做的是幫業者移除過時法規

台灣擁有強大的數位創新能力，在疫情期間迅速布建口罩地圖、防疫路線圖等，數位科技加乘社會創新，不只為國人守住防疫第一線，「數位抗疫」經驗更成為友邦借鏡的對象。而在產業界，遠距工作、線上學習、無現金支付等服務因應疫情而生，實體零售及服務業也加入電商行列。

「這一次疫情幫台灣的數位轉型往前推了一大步，」回顧今年的網路產業情勢，TiEA理事長陳建弘這樣說。

他進一步說明，如今各行各業都是網路業，已不侷限數位內容及電商，疫情加速各產業數位化，網路成為食衣住行各面向的基礎建設。在數位轉型的路上，「政府可以做得很簡單，就是幫業者把過時的、擋路的法規移除掉。」

他以OTT法案為例，「對台灣業者管這麼多，海外業者又管不了，這時候會加重台灣業者經營的負擔。」他認為，「什麼樣的狀況可以讓消費者滿意、可以賺錢，業者對這些的嗅覺是比政府敏銳很多的。」

再次呼籲政府成立「數位發展部會」，TiEA：官方尚未正式回應

TiEA在會員大會現場，陳建弘表示，從今年5月提出「三要一不」訴求、呼籲政府成立數位發展部會以來，尚未得到官方的正面回覆。因此，他也再次呼籲政府盡速成立專責數位發展部會，並重申關於此部會的四大訴求：

一、要專責於數位經濟長期健康發展

在發展數位經濟的過程中，可能會遇到各種矛盾、衝突與障礙，該數位部會必須協助各機關以及社會各方落實數位轉型，以期讓所有國內產業同享數位轉型，帶動數位經濟作為國家發展基石。

二、要建立健全的法規環境，排除法規障礙

數位發展部除了帶領國內企業轉型之外，亦須帶領政府從內改變各部會面對數位轉型的心態。更進一步，讓各目的事業主管機關正視數位轉型的必要性與迫切性，協助排除現行法規障礙，改變現行主管機關、不接受協調各自為政的困境。

三、要具協調各部會功能之「首長制部會」

數位發展部會建議應設立為專責於數位發展之首長制部會，統籌國家數位產業發展。其首長應以推動發展為專職，有效解決針對國家整體數位發展策略與當前行政管理破碎化的問題。

四、不應同時為監理單位

數位發展部會應專注於協助發展數位經濟，帶領全國產業進行轉型升級，不應同時兼具監理功能，避免陷入發展與監理矛盾的困境。

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。