醜,卻健康的台灣
醜,卻健康的台灣
2003.05.01 |

近兩、三年來,台灣人充滿了焦慮感;然而,這種焦慮感其實是沒有必要的!讓我們先以史為鑑:美國從1970年代初期開始的「恐共焦慮症」跟我國目前的焦慮症其實相當類似。美國從1970年代初期開始碰上一連串使其灰頭土臉的事件:1973年開始第一次石油危機(顯示美國無法節制OPEC產油國家),1975年由越南的泥淖中撤退(美國國內在1960年代末期就有反越戰的學生運動),1979年美國撐腰的伊朗巴勒維國王垮台,而且開始第二次石油危機。反之,蘇聯在1970年代受惠於油價上漲與世界革命形勢大好,聲勢頗大。在這種我消敵長的表象之下,美國人對蘇聯與其他絕大多數的共產政權於1989年突然崩潰,根本沒有心理準備(在1987年,美國股市還有一場極其戲劇化的大瀉)。
事後,經過深入檢討,史家才發現:蘇聯在1970年代時,其實已經外強中乾;只不過有利的國際形勢讓它頂著一圈光環,而且其內部問題為極度缺乏彈性的政治制度所隱蔽。
大概都已經知道,日本的經濟從1990年代初期就已經開始陷入泥淖,而且現在大概也不會有人認為日本足以挑戰美國的經濟霸權。但是,如果我們回到1990年代初期,當時的氛圍與目前的共識恰好相反。筆者曾於1994年至1995年到美國賓州大學作一年研究,當筆者離開美國時,美國人事實上還沒有從懷憂喪志的氣氛中醒過來。在這種氛圍之下,我們不難想像有一個美國人在1993年還警告大家,日本已經兵臨城下,即將打敗美國。這個人不是別人,正是目前被奉若神明的Intel總裁葛洛夫(Andrew Grove)!

**「敗絮其外,金玉其中」

**
台灣目前的焦慮症其實與美國當時的焦慮症有一個相同之處:為短期的表面現象所迷惑,忽略了自己的國家在深層所進行的寧靜革命,沒有察覺到蓄勢待發的態勢。當然,台灣的焦慮症有一個獨特之處(姑且不論政治上的惡鬥):台灣其實是一個很難理解、很弔詭的體系;因為台灣可以說是一個「敗絮其外,金玉其中」的體系,台灣也可以說是一個「潛水艇」式的體系:很有力量,但是看不見。
台灣有「敗絮其外,金玉其中」的特色,早為發展經濟學者所注意到!去年去世的倫敦政經學院匈牙利籍經濟學家Tibor Scitovsky 在1990年的一篇論文中,利用許多種數據「證明」了台灣在許多面向都優於南韓。但是,他在文中也特別強調:「國際的觀光客一定會得到相反的印象,因為漢城的市容在表面上遠比台北體面多了!」。他解釋這是因為:南韓的國民平均所得雖然低於台灣,但是南韓的所得比較不平均,所以南韓有比較多有錢的上流階層,可以支撐起比較多光鮮亮麗的店面等有助於美化市容的要素。
Scitovsky的論點事實上可以把它一般化:很多開發中國家(包括中國在內)的光鮮亮麗,事實上是因為它們的體系具有一些「病態因素」;而這些病態因素之中最重要的是:所得在「地區之間」與「階層之間」的極不平均的分配。當所得被集中在少數經濟個體(上階層或大企業)與少數地區(如大都市)時,我們如果只注意這少數經濟個體與地區,我們會覺得這些國家並不比先進國家差。

**從表象容易低估台灣的實力

**
筆者三、四年前曾到巴西的聖保羅(Sao Paulo)考察,聖保羅在很多方面比台北氣派多了;例如許多富人都是開直升機上班的(巴西對民用直升機的需求量,可能是全世界最高的)。當地的台商領袖張先生還告訴我們這個考察團說:巴西當地的經理人薪水是向歐美看齊,薪水相當高。
高等教育的統計數字很能具體呈現:許多落後國家常常具有頗為體面的上流階層。1980年代後期,在英國,大學生人數約佔總人口數的1.5%。但是巴西、印度、墨西哥與菲律賓均佔2.5%以上,厄瓜多爾更佔3.2%,祕魯也達到2%。這些國家大學生的比例比英國這個先進國家還先進;但是這些國家的底層可能極度落後:例如,印度當時的文盲比率竟還高達40%以上!這些國家可以說把資源集中在高階層,因此,其中某些國家的高等教育的表現可能比我們台灣還要傑出。但這其實是一種病態,而非值得慶賀的事;因為發展中國家表現比較好的,幾乎都是重視基礎教育的國家(尤其,當國家尚處於落後階段時)!
Scitovsky的論點可以解釋為何表面的印象會低估台灣的實力;因為,相對於其他的開發中國家,台灣的特色乃是:所得在地區之間與階層之間的分佈比較平均。這使得,如果我們拿上階層或大都市來比較,台灣可能都比不上巴西、阿根廷、智利、印度、墨西哥與菲律賓等等,遑論與南韓相比。
我國許多有識之士動輒抨擊台灣出國旅遊的民眾沒有水準,敗壞國家名聲,其實,真正的實情是:台灣所得比較平均,所以,連「沒有水準的人」都有辦法出國旅遊。出國旅遊的民眾有沒水準的表現,不代表台灣人的平均水準比較差!
台灣的表面形象比較難看,還有底下的原因:一般民眾控制比較多的資源(相對的,其他國家的資源大多控制在大企業手中)而且市場的進入障礙較低。這些特色使得稍有資金的阿貓阿狗也可以創辦企業;既然阿貓阿狗只是稍有資金,企業的長相當然就比較抱歉了--例如用個鐵皮屋當工廠,將就了事。

**中小企業為主的體系較健全

**
我們應該注意的是,台灣以中小企業為主的體系其實是比較健康的體系,雖然長相不體面!
讓我們訴諸外來的和尚吧!美國籍經濟學者Brian Levy在一篇1991年的論文指出:南韓是以大企業為主的體系,台灣則是以中小企業為主的體系;而且之所以如此的原因乃是:南韓的市場機能比較不健全,台灣的市場機能比較健全。Levy的這個推理乃是立基於制度經濟學的一個定理:如果市場機能比較不成熟,則廠商會發現零組件由自己生產比向外採購更划得來,因此企業規模必須較大。因此,制度經濟學告訴我們:一個體系如果以大企業為主,可能表示該體系的市場機能有病。
台灣以中小企業為主,還導致台灣的競爭實力會隱而不露;因為中小企業是無法在國際上從事品牌競爭的,台商站上國際舞台露臉的機會當然相當少了。但是,如同Levy所強調的,台灣的中小企業體系其實是比較健康的。基於這些理由,台灣可以說是一個「潛水艇」式的體系。
一個很有趣的事情是,論語所記載的一段兩千多年前的對話,恰好切中時弊,讓我們抄錄這一段話作結束:司馬牛問君子,子曰:「君子不憂不懼。」曰:「不憂不懼,斯謂之君子已乎?」子曰:「內省不疚,夫何憂何懼。」
台灣其實不必怕什麼,時間將說明結果!

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓