專精模型製作啟發管理能力|數位時代 BusinessNext

西門町萬年大樓是模型同好的尋寶聖地。在這兒狹小連轉身都有困難的模型店裡，是優派國際（ViewSonic）亞太區人力資源副總鄭秀家經常出沒的地方，假日常可看見他擠在一群少年模型玩家當中，悠游於各式各樣的模型世界中……

**三十歲與模型製作結緣

**今年48歲的鄭秀家，30歲才真正進入模型世界。擁有將近二十年的模型製作資歷，稱得上是資深模型玩家，同事朋友都說，他是個模型高手，家中三個櫃子也早已擠不下他的模型作品。
事實上，三十歲之前的鄭秀家，生活中排滿的都是工作，當時做的是研發工程師，專注於開發產品，工作是生活中唯一的重心。在一個爾然的機會裡，他開始接觸模型，突然喚起小時候，自己削木頭、做玩具的樂趣；他更發現，做模型是運動之外，紓解工作壓力，甚至是沉澱思緒的好方法，自此他就和模型結下不解之緣。
雖然，在許多人眼裡，做模型是個耗時又耗神的工作，但對於忙碌的他而言，像是有點「奢侈」的興趣，只有鄭秀家自己知道，這個「奢侈」的興趣帶給他工作上更多的力量，尤其在他30到45歲之間的工作歷程，更是受益良多。這段期間，他過的是空中飛人般的生活，一個月裡有半個月都在國外差旅及飛機上度過，但這段日子卻是他投入大量心力，做模型的黃金時期。

**從模型中悟出做事道理

**
他從其中除了紓解工作壓力，更領悟出做事的道理。他說：「做模型其實跟R&D的邏輯很像，一樣要構思、布局，學習如何將產品從無到有，並且要細心注意到每個細微的環節，否則成品一定會有瑕疵。」
尤其，從第一線研發工程師，晉升為研發部門主管到現在的人力資源主管，鄭秀家必須考慮到團隊裡，每個人不同的能力和需求，並做好人力調度的調整。每每遇到問題，他往往會從模型中找到答案。他發現，工作和做模型的邏輯有許多相通之處，「其實，做模型是具體而微妙的過程，需要整合能力，」他說。這是一個很好的自我訓練，因為，每項工作都需要高度的整合力。
面臨到整合品頸時，他總是保持耐心的找出解決方案。就像他在進行模型的製作時，也會做到一半遇到難解的問題，但是，完成後心中卻充滿喜悅。「曾經為了做艘古代沉船，裡面有段繩梯，竟然就只有一綑繩子，要自己想辦法編成……」鄭秀家說起這段故事，似乎又回到當時皺著眉頭，想要突破困難時的神情。可是，他也說，完成之後，成就感卻是無可言喻。
鄭秀家雖然只是個業餘模型玩家，他卻玩出了工作的哲理；同時，也找出了生命的節奏，讓工作與生活獲得平衡。「我一直相信的哲學，就是專業、熱誠、平衡，」鄭秀家談起他做模型的經過，竟然是依據著人生哲學而來。他相信，一個能平衡的發展興趣和工作的人，做起事來才不會慌亂。
從鄭秀家身上見不到年近半百的歲月痕跡，反而見到中年人少有的笑容和活力，應該就是懂得工作和生活平衡的緣故。

鄭秀家小檔案
年齡：48歲
星座：天枰座
現職：優派國際亞太區資訊技術服務處
人力資源暨行政管理處副總經理
婚姻：已婚
興趣：籃球

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。