為馬斯克的火星夢撐腰！她靠卓越銷售技巧幫SpaceX找客戶，如何成為新一代太空女力？|數位時代 BusinessNext

為馬斯克的火星夢撐腰！她靠卓越銷售技巧幫SpaceX找客戶，如何成為新一代太空女力？

《時代》雜誌將她選為2020年百大人物，《彭博》說她是SpaceX的秘密武器，揭密專屬於夏特威爾（Gwynne Shotwell）的太空夢。

從工程研究踏入太空產業，獲前同事引薦認識馬斯克

夏特威爾從大學畢業後，第一份工作是克萊斯勒公司的儲備幹部計畫，但她不喜歡那裡的保守文化，於是重返校園，在西北大學獲得機械工程與應用數學的碩士學位，接著進入非營利組織航太（The Aerospace Corporation），進行航太工程的相關研究，正式展開她在太空業的職涯。

2002年，當時夏特威爾正在火箭製造公司小宇宙（Microcosm）任職，她的前同事、於今年退休的SpaceX前副總裁庫尼斯曼（Hans Koenigsmann）引薦她認識執行長馬斯克，馬斯克向她述說自己的太空夢，夏特威爾聽了之後覺得太瘋狂了，但也對他的大膽感到驚豔，於是決定放手一搏，接下SpaceX業務推廣的重任，當時她對自己說「來看看我能不能把火箭賣出去！」

深厚的科技知識，讓她成為最佳銷售員

夏特威爾在SpaceX連一支火箭都還未成功發射前，就必須開始銷售業務，她必需說服美國太空總署（NASA）以及軍方，資助SpaceX進行火箭發射前的測試，還必須成功談定衛星公司客戶，購買SpaceX太空運輸服務，為SpaceX發射火箭出資。

她最厲害的銷售技巧，就是能將複雜的資訊以清楚的方式傳達，讓客戶真正了解。SpaceX最重要的商用客戶銥衛星（Iridium Communications）執行長戴施奇（Matthew J. Desch）認為，夏特威爾用深厚的科技知識，支撐她成為最佳銷售員。

在失敗中繼續找方法，讓馬斯克能繼續作太空夢

除了知識，夏特威爾還有一個更難得的特質，就是她能在失敗中看到走下去的方法，在「獵鷹1號」（Falcon 1）第三次發射失敗後，連馬斯克都感到身心交瘁，她告訴自己「好吧！一定能想出方法！」她向原定資助第四次發射的馬來西亞衛星公司表示，第三次的發射其實是成功的進步，她相信這會讓SpaceX確知需要再調整的部分、精準改善。

她的信心喊話，讓對方決定繼續合作，也如同她的信心，「獵鷹1號」在2008年進行第四次發射，終於發射成功。

將馬斯克的天馬行空，轉化為可執行的計畫

在「獵鷹1號」順利升空的2008年，夏特威爾升任SpaceX總裁暨營運長，負責管理旗下6,000多位員工的她，擔任天馬行空的馬斯克與員工之間的橋樑，將夢想轉化為可執行的計畫。最初引薦她的SpaceX前副總裁庫尼斯曼就說，當馬斯克喊出「我們上火星吧！」夏特威爾則會跟員工說「好吧！我們需要什麼，才能真的登上火星？」

對馬斯克而言，夏特威爾為他的築夢之路找出方法，帶領團隊鋪下每一塊踏實的磚，他說「她是一位非常棒的人和傑出的領導者，如果沒有她，我們不會有今日的成就。」

夏特威爾成功實踐她成為機械工程師的目標，在此同時，不僅幫助馬斯克繼續他的太空夢，她認為在接下來十年，SpaceX也將幫助更多人完成太空旅行的夢想，「沒錯，我們正在做的事情真的很酷！」她如此說道。

責任編輯：郭昱彣、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。