創投業應該建立跨國性平台，才有賺頭|數位時代 BusinessNext

這三年，台灣創投業真的很辛苦，在現有的兩百家創投公司中，90%創投手中有的不是錢，而是燒錢的案子，是沒有辦法期待的。現在的景氣看起來要明不明，儘管大家認為景氣循環總是「起久必落、落久必復甦」，但是經過30個月的空頭，雖然市場資本支出有增加趨勢，但人在谷底久了，會變得比較謹慎，投資的錢就不會這麼大方，過去10個案子可能投資5個，但是現在只會投資一到兩個。
面對空頭市場，創投業者有種說法是「先低調、守台灣，其他不要碰」，這種創投公司什麼也不能做，或是只投資台灣未上市公司，但是現在要在未上市公司中挑到明珠是不可能的，而好的未上市公司，股價又太高。

**建構獨特平台，發展全球化

**
因此在現階段，創投公司本身的平台要獨特，要能找到錢、找到好的案子，也就是所謂有獨特的pipeline（產品發展進程），做到客戶做不到的事，讓客戶覺得你成為股東之後，公司的價值會增加。中經合過去一年在台灣投了4個案子，算是滿活躍的，投資了包括光寶集團和友訊，他們就是看好中經合在美國和大陸的資源，可以幫助集團將來的發展。
這一兩年全球都在「瘋亞洲」例如，INETL、DELL，但是這些老外對於中國跟亞洲還是不懂，因此需要找創投當vehicle（催化劑）。這些大公司來到亞洲，不管是為了成本、市場或產品的考量，都需要藉由創投協助克服語言文化等隔閡；同時在亞洲子公司的管理及IPO業務（新公司股票初次在公開市場發行），也都是創投最擅長的。儘管環境不同、時代不同，但是過去兩三年有認真架構跨國平台的創投，還是有很多機會。
美國跟歐洲廠商現在都體會到全球化的重要。例如，在美國做行銷與打品牌、Know-How和管理以及上市放在台灣、製造生產在大陸，而研發和創新則放在日本或韓國，強調專業專工。
因此一般創投認為理想中的好案子，就是「美國找錢，台灣設置研發與上市，北京負責生產與市場」。

**投資上遊產業，掌握主導權

**
但是，中經合在1992年就進入大陸市場，發現大陸企業思維跟其他國家不一樣：國際大廠會認為，外包是要降低成本，代工廠商只要賺取高毛利率就好。但是大陸企業卻要有自己的規格、執照、甚至品牌，不願意把好處與跨國企業分享，例如大陸現在發展EVD（高清晰度光碟播放機）企圖取代DVD。有鑑於此，我們正嘗試一種新的模式：投資上游產業，取得建立產業標準的權利。
中經合在大陸投資四個產業標準，MP4便是其中之一，一旦取得MP4規格化的權利，其他的中下游廠商也會來找我們，希望能透過我們協助他們建立產業標準和取得許可。
各家創投文化不同，有些創投只是想要分一杯羹，但是我們是希望有主導權，投資上游產業建立縱向的pipeline，再加上既有的橫向發展平台，我們就可以不用等待DEAL，而是創造DEAL。

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。