敢約CEO吃午餐嗎？Intel台灣總經理：一對一效率更好，但要先做到這三點|數位時代 BusinessNext

敢約CEO吃午餐嗎？Intel台灣總經理：一對一效率更好，但要先做到這三點

你在推展新計畫時，要如何快速得到整個團隊的認同？台灣英特爾總經理告訴你，一對一溝通，除了能維持公司的彈性與速度外，也能提升你推展新計畫的速度。

30% 時間花在一對一會議，直接溝通成效最好

劉景慈解釋，在英特爾因為跨部門、技術領域的專案繁多，主管的行事曆隨時開放，任何人都能預約，他自己也會找一線工程師一對一開會，關心計畫執行狀況。有新點子，他也會聯繫國外的副總一對一討論，「英特爾的經理人，平均花近 30% 的時間在一對一會議上。」

英特爾新竹辦公室總經理謝承儒也分享，自己剛進英特爾時，原本不習慣什麼都要一對一會議的文化，但透過同仁及主管的頻繁面談，他發現，比起以往公司，性質相似的專案，英特爾推進速度更快。因為以前計畫碰壁，向上求助，主管也不一定能解決你專業領域的問題；但在鼓勵一對一的環境下，你可以直接找相關專家諮詢。

能有這樣的風氣，劉景慈指出，關鍵在於主管能不能打造具心理安全感（psychological safety）的環境，當員工表達自我時，不必擔心會對個人形象或職級帶來負面影響，才會願意溝通。劉景慈說，打造心理安全環境的3個關鍵是真誠（authentic）、承諾（commit）以及謙卑（humble）。

一對一「遊說」爭取認同，快速推展新計畫

劉景慈分析，通常團隊成員對新計畫的接納態度，呈常態分布（normal distribution），這時發起人只要尋求 30% 關鍵成員的支持便能啟動，其他團隊成員自然會跟上。

面談中聽到的需求，立即化為行動

劉景慈分享，曾經他注意到一名員工的出缺勤異常，就在面談時提起。細問之下，對方向他傾訴有家人生病，使他心力交瘁，無法兼顧工作。劉景慈得知後，請公司幫他添購設備，讓他在家上班。

所謂承諾，劉景慈攤開自己密密麻麻的記事本，上面都是答應要協助員工的事。劉景慈說道，主管除了一再表達幫忙員工的意願，也要拿出行動力，說好的資源想辦法討，要牽線的人才，趕快發信聯絡。

劉景慈分享，曾有部屬面談時，透露自己想去國外闖闖、增加歷練，「當時我第一個念頭是，他要離開我的團隊！」但他後來想想，拓展視野是好事，所以跟部屬協商先留下，他幫忙安排去國外的機會，最後讓部屬去美國英特爾，加入負責 ChromeBook 的團隊。現在那位員工碰到跟外部廠商的合作狀況，都還是會找劉景慈討論。

謙卑，則是把員工當作專家

謝承儒分享，英特爾內部有個「 employee recognition 」的獎勵系統，當員工想稱讚同仁時，可透過該系統寫信傳達感激之情。系統除了發放點數獎金，也會寄副本給部門主管。謝承儒有次透過系統，得知某員工在專案中扛下多項重任，獲其他員工感謝。面談時就向對方請教，如何獨完成這些工作，表揚之餘也督促自己學習。

疫情以來多數會議改由視訊，謝承儒提到，視訊較難營造與員工深談的氛圍。謝承儒的解法是提高頻率，像半小時的面談，就分成兩次 15 分鐘。謝承儒指出，面對面時，單次時間愈長，愈容易聊得深入，但視訊反而要透過次數來建立習慣，拉近距離。

在分工精細、變動迅速的科技產業，一個專案會牽涉到各種專業，劉景慈說，主管不可能用命令的方式管理團隊，將頻繁一對一溝通的文化落實，公司才能維持彈性與速度。

本文轉載自：經理人月刊
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。