施振榮捐500張台積電股票股息給「陽明交大」！盼產學共創孵化潛力新創|數位時代 BusinessNext

促產學共創，期望陽明交大偉大

施振榮表示，希望藉此抛磚引玉，並建立有效利用捐助的新機制。他指出，喜馬拉雅計畫將配合教育部推動的創新條例，建立產學共創機制，培養教授及學生在產學合作的過程中，協助產業界解決具挑戰性的課題，由產學聯手，深化教研成果，使學校研發能量與效益最大化，並對產業和社會產生具體影響。

此外，喜馬拉雅計畫也建立研究成果的回饋機制，將授權獲利回饋給喜馬拉雅計畫專款專用，以此讓資源循環生生不息，創造價值。

校長林奇宏表示，感謝施振榮拋磚引玉捐贈股票，透過股票捐贈以及研究成果專利（IP）授權回饋機制，可為學校建立永續的支持資源。這樣的良性循環，將更有效鏈結產業與學術界，並對社會產生具體影響。

施振榮是交大大學部第一屆畢業生，畢業後並就讀交大電子研究所。他表示，由於沒有出國念書，交大畢業後因此有機會碰到台灣電子產發展的契機，當時並與交大校友一同創業，1976年創辦宏碁公司。

施振榮指出，「引水思源」是交大的精神，校友回饋母校更是傳統。此次捐贈500張台積電股票的現金股息（以目前台積電配發之現金股息估算，首年現金股息約550萬元，預期將會逐年增加），用以支持陽明交大委由交大思源基金會積極投入推動喜馬拉雅計畫。

他認為，台灣科技產業能有今日舉足輕重地位，關鍵在早期政府重視理工人才的培育，加上政府長期投入教育資源，這是針對隱性價值的長期投資，再配合政府高科技產業及科學園區的政策，才使台灣在科技領域的能量能發揮。

面對國際競爭激烈，施振榮表示，除了他所倡議推動的「產學共創」外，為促進國家重點領域產學合作及人才培育的創新，教育部也已通過產學合作及人才培育創新條例，希望企業與政府攜手投入資源。

企業資金重視「投資」，盼學校建立負責任新機制

施振榮強調，透過「產學共創」希望在5～10年可以建立起生生不息的「小循環」機制，才能與政府投入30～50年在教育研發的「大循環」相互配合，以發揮綜效，進而讓所投入的資源可以回收。

他並指出，此次捐贈台積電股票的現金股息，是希望不動用「母金」（指台積電股票），藉由捐贈股息讓喜馬拉雅計畫能有永續的支持資源。此外，未來透過產學共創所資助的新創事業，一旦成功就有股票回饋學校的機制，如此有助資源持續擴大，讓計畫的預算來源可生生不息。

施振榮也提醒，過去因教育研發多是由政府投入的大環循資源，對於如何有效用利用資源的管理較寬鬆；但未來有企業的資源加入，企業是以「投資」的觀念來評估計畫的有效性，這有賴大家改變思維，建構一個鼓勵容錯、勇於嘗新、負責任的新機制，有效利用預算並講求成效，才能讓小循環所投入的資源在5～10年後開花結果。

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。