福特剛接待完拜登，又傳攜手韓國SKI建電池廠！執行長暗示：垂直整合是電動車競爭關鍵|數位時代 BusinessNext

福特、SKI傳攜手建立電池公司，韓國總統也恰巧來訪

韓國總統文在寅預計會在美國時間週四抵達華盛頓，4天的訪問行程裡便包括探訪SK Innovation位於喬治亞州的電池工廠。SK Innovation已在喬治亞州投資25億美元，預計該廠房今年內正式完工，並會在附近建立一座新工廠，預估2023年啟用。

SK Innovation目前在韓國、美國、中國及匈牙利擁有電池製造設施，年產能接近40GHw，目標2025年將產能提昇至125GWh，可供180萬輛電動車使用。

根據研究公司SNE Research的資料，2020年SK Innovation出貨量約為12GWh，較2019年有著接近200%的成長幅度，目前是全球排名第五大的電動車電池廠商，也是韓國第三大的電池廠商。

本週美國總統拜登才造訪福特位於密西根州的電動車工廠，搶先一睹最新的F-150電動皮卡車。美國正大力推動電動車發展，提出1,740億美元的電動車投資計畫，希望能將電動車及電池的製造留在美國本土，其中一部分便是補助企業在美國建造電池工廠。

福特本身也計畫大舉投資電動車，預計2025年前將投資220億美元在電動車發展上，並強調目前已在美國電動車及電池製造上投入了90億美元。同時福特期望擁有在美國自行生產電池的能力，前陣子也宣佈斥資1.85億美元建立電池實驗室，投入電池技術研發。

車廠加速合作投入電池製造，福特稱垂直整合已是必經之路

而在雙方傳出將合資成立電池公司的消息前，SK Innovation才陷入離開美國市場的危機當中。今年2月，美國對SK Innovation與LG纏訟已久的專利爭議做出裁決，倘若雙方無法順利和解的話，SK Innovation未來10年內將禁售部份電池產品給美國廠商。

最終雙方在4月逼近期限前達成和解，SK Innovation同意支付2兆韓元的和解金，挽回了美國市場的發展機會，股價因而大漲18%。

LG則與通用汽車在電池製造上有著深入合作，4月才宣佈雙方將共同投資至少23億美元，在田納西州建立第二座電池工廠，預計將提供35GWh產能。同時LG還計畫在美國挑選另外兩個建造電池工廠的地點，預計2025年時美國電池產量可提昇至140GWh。

通用汽車同樣對電動車有著龐大的野心，計畫未來5年內在電動車及自駕車領域投資270億美元，以達成2025年時全球推出30款電動新車，銷售100萬輛電動車的目標。

通用汽車本身已是北美電動車市場僅次於特斯拉的第二大業者，今年初更宣佈以插頭、電池組以形象基礎變更Logo，對外宣示了拓展電動車業務的決心。

回到福特，執行長吉姆．法利（Jim Farley）便透露，他們將加強電動車領域的垂直整合，除了身為電動車核心的電池以外，也投入電動車馬達、懸吊系統的製造，強調要在這塊領域保持競爭力，垂直整合將是無可或缺的重要任務。

資料來源：Reuter、CNBC

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。