五年後特斯拉變一般車廠？鴻華先進副總：傳統車廠落後的是市佔、非技術|數位時代 BusinessNext

提到過去一年的熱門產業關鍵字，「電動車」絕對榜上有名，受到疫情影響，2020年全球汽車總銷量初估不到七千萬台，電動車卻一舉賣出250萬台，占比提高至3.5%。

勤業眾信分析，消費者接受度的轉變、政策和監管措施、及商業車電動化等利多因素下，讓電動車市場在疫情影響下依舊被看好。預估未來10年，電動車市場將以29%的年複合成長率持續增加。

市場對於電動車需求的劇增，讓汽車大廠、科技業者爭相投入電動車科技的研究與創新。值得注意的是，電動車產業正逐漸朝著專業代工的方向前進，也帶動資通訊業者、電子業者、零部件廠商及擁有整合能力的業者之成長力道，創造產業整體發展的機會。

傳統車廠在電動車戰場落後？陳正夫：落後的是市佔非技術

未來十年，你我所開的車子，不只來自傳統車廠，也可能來自蘋果、特斯拉、亞馬遜，這些新興科技廠商。

成立於2003年的特斯拉，過去幾年一直未能實現獲利，前景一度不被看好，在順利解決產能等問題後，特斯拉在2020年不僅繳出全年獲利的成績單，市值更首度超越豐田汽車。

鴻海與裕隆合資的鴻華先進副總經理陳正夫觀察，特斯拉是一家非常有創意的公司，擅長優化一些傳統車場忽略的細節，在製程上做改進。

例如，把傳統汽車很重很貴的電線輕量化，又或者將本來需要多種材料，才能製成的汽車底盤，優化成只使用一種材料壓鑄成型，缺點是，在造車的工藝、細緻度上，比較沒有那麼好。

在電動車領域，許多人也許會說傳統車廠落後，陳正夫的觀點是，現在的落後，是「電動車市佔率」的落後而非技術，「假設豐田決定要賣電動車，他們有很多技術是很厲害的，產品不會比特斯拉差。」

延伸閱讀：鴻海找蔚來汽車共同創辦人掌舵，MIH聯盟軟硬體兩大支柱什麼來頭？

陳正夫認為，特斯拉因為一開始就專注在電動車上，因此得以在前期取得領先優勢，他分析：「未來不到五年，特斯拉的競爭優勢，會慢慢被磨平。」理由是，特斯拉現在是在軟體上佔有優勢，然而，一旦傳統車廠卯足全力追趕，很快就能趕上，「過不了幾年，特斯拉就會變成一般車廠。」

而展望下一個十年，電動車不僅是產業最熱門關鍵字，也會是台灣產業的新機會。但資策會分析師何心宇觀察，台灣汽車產業其實很破碎，單打獨鬥的狀況非常多。

針對此問題，陳正夫建議，可以由政府出手，集結所有產業的菁英，才能夠在這波電動車浪潮中掌握優勢，「台灣只需要一隊就夠了，好好管理，就會出類拔萃。」

不做品牌也能躍上國際，鴻華先進副總陳正夫揭密原因

電動車的起飛，改變了汽車產業的供應鏈樣貌。陳正夫表示，傳統車廠零組件的供應商，分為很多層級，一般來說，車廠只會對應Tier 1廠商（即一級供應廠商），「Tier 1再去對Tier 2，接著2再去對3，一層一層往下。」

這套合作模式的問題是，車廠對Tier 1廠商所採用的元件組合，掌握度比較低，「這個架構因為電動車，開始有改變，車廠可以更握有主導性，把成本往下壓。」

陳正夫舉例，像是裕隆跟鴻海所合作的MIH電動車開放平台，就打破過去Tier 1廠商的遊戲規則，「我們常常笑說我們是Tier 0.5，」，原因是，鴻華先進不會自己做品牌，賣的是平台跟系統。

若是A廠牌來買MIH的平台使用，加上自家的車體設計、Logo，就會變成一台A品牌的車，同理，B品牌用MIH平台做底盤，加上自家的設計、Logo，就會變成一台B品牌的車。

過去裕隆自有品牌納智捷，一直很難走出台灣市場，陳正夫認為，電動車開放平台對於台灣最大的差別，在於有很大的機會可以躍上國際，「以前我們是做B2C，賣車給消費者，現在我們是B2B，客戶就是汽車業者，市場變得很大。」

MIH電動車平台的一大特色，在於開放規格，陳正夫舉例，過去如果有一個開發商，想做一個跟汽車連結的軟體應用，光是要調整規格、修正設計，至少要花費半年以上，如今所有規格都公開，大家都可以使用，「對整個供應鏈體系來說，就很容易打入車廠，做自己的產品開發，大家都是雙贏！」

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。