微軟新創加速器一年培育32團隊，創造5.3億商機！為何執行長說「不應追求獨角獸」？|數位時代 BusinessNext

微軟新創加速器一年培育32團隊，創造5.3億商機！為何執行長說「不應追求獨角獸」？

自2019年成立以來，微軟新創加速器已經培育了32家新創團隊，不僅獲得3.8億新台幣的資金挹注，也創造出超過5.3億新台幣以上的商機規模。

靠微軟背書，跟新創團隊一起打世界盃

32家新創團隊裡面，更有7家已經成為微軟的全球合作夥伴，跟著微軟一起打世界盃，孫基康有感而發的表示，真正走在科技前端的都是這群新創團隊。他認為，新創團隊是一群資源相對少的夥伴，卻冒著很大的風險，帶著新技術試圖驅動各種科技商業模式改變，因此微軟的使命就是要協助這些新創團隊在發展路上可以更順利。

經濟部次長陳正祺也認為，正因為微軟是全球知名企業，進入微軟的新創加速器不僅可以讓新創團隊了解大公司的運作、法規、經營等面向，而有了微軟這個知名招牌的背書，也能幫助新創團隊去全球找訂單，不再是單打獨鬥。

新創團隊靠AI分析消費者，成全聯合作夥伴

這次第二期的微軟新創加速器也募集到了包括人工智慧、物聯網及區塊鏈等不同領域、共計18家的新創團隊。其中作為智慧工廠解決方案的杰悉科技，利用雲端運算打造出3D虛擬智慧工廠，讓物聯網視覺化管理變得更容易；而主打智慧零售的深義分析，則是透過團隊在零售產業的知識背景，結合人工智慧來革新零售產業，推動大數據分析預測技術的產品化，更成功打進全聯成為其合作夥伴。

深義分析的執行長李浩德就表示，這套解決方案是採用月租費的方式收費，可以針對客戶需要解決的痛點進行不同模組的提供，例如能透過消費者在APP上面的購買行為來預測下一次的購物時間點，利用通知等方式掌握消費者的購物習慣、不讓消費者有機會在其他通路購物。他也以發傳單為例分享，過去要發出50份才能獲得10位來客數，現在透過這套預測系統，只需要25份就能達到同樣的效果，成本還降低一半。

李浩德也透露，微軟鼓勵他們可以帶著這套系統去爭取國際訂單，他認為雖然各國消費者的習慣略有不同，但是零售的概念其實大同小異，憑藉著他們擁有的零售知識背景跟技術專業，透過機器學習要進攻國際市場不成問題。

我們需要獨角獸嗎？先讓大家都成功才是重點

台灣微軟專家技術部總經理暨微軟新創加速器執行長胡德民就指出，新創團隊最常遇到的就是商業模式、架構成熟度以及資訊安全等進入市場的障礙，而微軟不僅能透過自有的雲端系統提供給新創團隊一個安全的平台，利用微軟的背書跟協助讓新創團隊在企業拜訪、敲門的時候，能給客戶更好的信賴以達成商業模式的成形。

至於近期一直在討論台灣「新創獨角獸」的議題，胡德民認為相較於追求獨角獸，微軟更在意的是如何讓新創團隊找出真正的商業模式成功獲利，並讓新創團隊能更安穩的活下來才是重點。有了更多的活水加入就會推動更多人加入新創團隊，如此要有一隻新創獨角獸的夢想就更不再是難事。

接下來，胡德民表示依舊會持續透過產官學等各界的合作，協助新創團隊打造出更高的市場能見度跟觸及力，展現微軟新創加速器為台灣帶來的各種機會。

責任編輯：錢玉紘

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。