東奧首度傳出選手確診、唐鳳取消行程！東京疫情擴大，全面採閉門賽|數位時代 BusinessNext

東奧首度傳出選手確診、唐鳳取消行程！東京疫情擴大，全面採閉門賽

G7落幕，日本當局透露考慮開放觀眾進場，而門票已售出約500萬張，相當所有門票的42%。預料東京的觀眾人數最巔峰在7月31日，估計有22萬5000人。

2021.7.19

東奧選手村首度傳出有選手確診。東京奧運暨帕運組織委員會今天公布在選手村2名海外選手確診COVID-19。日媒報導，這2人是南非男子足球隊球員，他們將於22日首戰對上日本隊。與17日確診的外國隊伍職員，目前選手村總計3人確診，南非男子足球隊的成員，他們將於22日首戰對上日本隊。

東奧組委會表示，這3人已被安排在選手村外隔離，其餘的成員在選手村內自己的房間自主隔離，今天並未練球。即使被認定為密切接觸者，經過檢查結果若呈陰性，還是可以練球。

此外，行政院也於昨日表示，行政院政務委員唐鳳將取消原訂前往東京奧運的行程。

2021.7.9

東京新冠肺炎（COVID-19）疫情擴大，日本首相菅義偉日前對東京都4度發布「緊急事態宣言」，期間從7月12日到8月22日共6週，並對餐飲店祭出禁酒令，至於有關23日開幕的東京奧運要開放給多少觀眾觀看一事，國際奧林匹克委員會（IOC）、東京都政府等召開五方會談決定，東京所有比賽場館採閉門賽。

2021.6.15

在英國舉行的七大工業國集團（G7）領袖峰會昨天落幕，峰會公報記載支持東京奧運。預定7月23日開幕的東京奧運是否開放觀眾進比賽場館，日本首相菅義偉表示本月內將做決定。

日本富士電視台新聞網（FNN）報導，日本政府相關人士表示，東京奧運暨帕運（簡稱東奧）不可能不開放觀眾進場，目前朝向讓觀眾進場的方向做研議。

日本政府的立場一直是希望舉辦一場有觀眾進場的東奧。但今年4月底至5月初，東京都單日新增2019冠狀病毒疾病（COVOD-19）確診數逾1000例時，政府內部有人認為東奧可能採閉門賽（不開放觀眾進場）的方式舉辦。

不過，隨著2019冠狀病毒疾病的疫苗接種加速進行，菅義偉認為東京舉辦有觀眾的奧運的可能性增大。

菅義偉昨天對媒體表示，將視日本境內的疫情，以及參考其他的體育活動的人數上限，於6月做出決定。

報導說，日本政府內部有看法認為，觀眾人數可能是比賽場館容納人數的5成或最多可容納5000人。

有關東奧是否開放觀眾觀賽，日本政府防疫對策分科委員會會長尾身茂最快本週將提出建言。有一名分科會成員憂心地說：「若以傳染病專家的立場來說，東奧將成為疫情擴大的要素。」

東奧組織委員會11日表示，東奧舉辦期間如果包括選手和相關人士共7萬7000人來到日本的話，估算COVID-19單日確診病例平均一天是7.7例，這不包括在日本境內的東奧相關人士和觀眾確診的情況。

東奧期間，來自海外的相關人士平均每天住院數巔峰期將達11.7人、住宿療養人數約57.6人。不過，這是在沒接種疫苗的情況下的估算，實際上可能比這些數字大幅減少。

東奧組織委員會表示，東奧門票已售出了約500萬張，相當所有門票的42%。預料東京的觀眾人數最巔峰期是7月31日，估計有22萬5000人。

日本醫師會副會長豬口雄二表示，這是沒估算到觀眾染疫的風險，如果要開放給觀眾觀賽的話，就應提出包含觀眾在內的數據等做說明才是。

本文授權轉載自：中央社

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。