英特爾攜手雲達拓展5G邊緣運算戰場、微軟預告Azure雲端中心2022年落腳台灣|數位時代 BusinessNext

英特爾攜手雲達拓展5G邊緣運算戰場、微軟預告Azure雲端中心2022年落腳台灣

英特爾於11日舉辦「Intel Data Centric 產業論壇」，展示第3代Intel Xeon可擴充伺服器的應用，雲達科技跟微軟透露了最新進度。

雲達攜手英特爾發表5G IronCloud-Robin雲端平台

廣達科技具扎實的硬體製造基礎，身為全球資料中心解決方案供應商的雲達科技，其採用 Intel Xeon第3代處理器，協助「財團法人國家實驗研究院國家高速網路與計算中心」建置AI雲服務，提供國內產學界AI開發所需的運算資源；並以AI雲為資料蒐集平台，協助企業發掘大數據分析、AI數據。

雲達科技將此經驗延伸，研發出QPod彈性框架，提供極大靈活性和擴充性，滿足產業的不同業務需求。透過預先驗證安裝、調校優化，大量減少建置時間與人力成本，達到快速部署和輕鬆管理。

雲達科技與英特爾近日也攜手Robin.io，發表全新5G解決方案IronCloud-Robin雲端平台，幫助客戶加速雲端原生轉型；其平台可將虛擬機器與容器技術並存，更方便共享資源、進行統一自動化流程。該平台具備5G、企業及邊緣應用之最佳化配置，同時搭載最新的第3代Xeon可擴充處理器，為資本支出和營運支出得到最佳效益。

廣達資深副總經理暨雲達科技總經理楊麒令表示，運用英特爾發表的最新晶片技術，和雲達科技的未來展望完全吻合，「我們看到英特爾展現極大的企圖心，在邊緣、網路等不同需求流程提供相當彈性的效能。」

攜手英特爾，微軟Azure平台2022年落地台灣

微軟近日宣布目標每年興建50到100座資料中心，台灣微軟雲端平台事業部副總經理蔡維彬在主題演說表示，2022年台灣的Azure雲端中心正式落腳後，預期將會導入更多英特爾技術。

蔡維彬表示，大多數人不僅會在意資料應用，但也會注重資料的安全性及生命週期。為幫助台灣客戶進行蒐集分析、深度學習的進程，Azure採用第3代Intel Xeon伺服器進行機密運算；同時因應法規需求，也能提供主管機關及企業防止資料外洩的保障，確保資料的來源履歷與準確性。同時，在最小的互信程度下處理資料，在最少人碰觸的情況下亦能達到商業營運目的。

微軟即將與Intel合作推出新一代高效能運算專用虛擬機器（VM），時脈可高達4GHZ，提供一個VM高達1TB的記憶體；其運用英特爾SGX（Intel Software Guard Extensions）硬體技術，即會在CPU處理資料時進行加密保護。

透過處理器的技術切割出獨立區域，把應用程式的原始碼跟資料分開處理，即便是VM受到攻擊，也能確保運算的原始碼完整。甚至是作業系統和虛擬機器的管理程式、具有伺服器權限的人，也都無法盜取用戶資料。

隨英特爾新伺服器登場，近期這個伺服器霸主活動頻頻，也能看出要重振資料中心市場的企圖心。

責任編輯：王郁倫

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。