找出AI「真實力」，商業價值無限大|數位時代 BusinessNext

找出AI「真實力」，商業價值無限大

若沒有充分考量商業價值及目的，所謂的AI應用，不一定能徹底解決商業問題，反而抓住重要命題，才是贏家。

超越人類，AI能否「真情流露」、增進服務體驗？

當科技持續進步，例行庶務類、勞力投入、欠缺創造性的工作會逐步被機器取代。將來AI技術的最大挑戰，仍在於如何觸動人心的那分溫暖。

說實話，現階段AI的商業應用，要完全做到「真情流露」，並非那麼容易，但若只是模仿人類語氣、在基礎互動中完成交辦業務，倒也沒這麼難。

從AI基礎應用談起，包括語音轉文字、自然語意分析（NLP）、機器學習、光學字元辨識（OCR）、聲紋辨識、數據分析及行銷決策系統等，由演算法構築而成的「智慧」技術比比皆是。更重要的是：如何將這些技術應用帶到商業活動裡，協助流程優化、提升客戶體驗？

關鍵在以商業智慧（Business Intelligence, BI）為核心，從創造商業價值的角度思考，落實到客戶體驗的各個環節裡，包含AI行銷溝通、授信審核、資訊安全管控及客戶服務等。

以FinTech（金融科技）領域為例，國際間，早已有多家銀行採用智慧客服機器人，代替行員回覆客戶詢問，或是運用聲紋辨識、核實客戶身分。

資產管理公司（俗稱催收公司）更運用AI技術，以催收機器人致電債權人，替銀行催收帳款、降低人力成本。機器人更可依據客戶回應，語音辨識後進一步對話，亦可適當調整為更強硬或溫和一些的口吻。

保險業則可運用AI影像識別，辨識車禍發生的真實性，同時搭配衛星定位系統（GPS）移動軌跡，釐清肇事責任，綜合評估理賠與否。

解決商業痛點，擺脫「虛晃一招」

近幾年，金融機構在法令遵循、風險管理等領域，投入的人力成本逐年攀升，RegTech（法遵科技）也成顯學。

如「智慧法遵分析」需求，建立法規整合資料庫，AI自動撈取監管機關或政府機構發布的法令規章，透過語意分析技術，比對金融機構的內部規範，提出調整與更新建議，降低法遵人力負擔。

像是法遵科技新創Corlytics，能做到自動法規分類，找出與客戶業務相關的遵循法規、監管機關的公告，並運用大數據建立客戶當前或未來的監管風險模型，提醒企業合規、提供法遵的計畫建議，大幅降低法遵成本。

未來更進一步應用發展，或許還能由AI系統直接解讀商業活動、提出法遵建議，即時判斷「規畫中的專案業務是否合規？已上線的產品或活動是否需要因應調整？」

若沒有充分考量商業價值及目的，所謂的AI應用，可能只是虛晃一招，不一定能徹底解決商業問題。舉例來說，現今OCR辨識成功率高達97～99％，但這是就字數而言，每100個字，可辨識出97～99個字。實際應用上，更重要的命題在於：身分認證的證件比對時，每100件申請案裡，系統正確辨識成功率有多少？

能解決真正痛點、有效地執行，才是贏家；在將來的世界，AI的發展，勢必要將基礎技術與商業智慧結合，才能創造商業價值。企業追著消費需求跑的時代已經過去，要利用AI從數據當中抓住顧客體驗，最終目標是提供超乎客戶期待的服務——客戶智慧（Customer Intelligence）。

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。