搶救貧窮
搶救貧窮
2003.04.01 |

春節前,剛剛為上海某家汽車大廠完成了一支耗資巨大的廣告影片,請來德國的重量級導演,為這部4年來首度改款的新車建立新形象。這家車廠是中美最大的合資企業,成立僅4年,年銷量已突破10萬輛,去年成長了175%,創下了中國成長率最快的紀錄。
在我的印象中,不曾記得這個客戶什麼時候說過「這會超過我們的預算」這句話;只要符合市場行銷需求的,他們永遠要這地球上最好的(如果月球上有,他們也會考慮)。彷彿這個市場只要他們願意,沒有做不到的,因此設定目標後再來提高目標,就成了有點多餘的事,「定預算」只會限制了自己的成長可能性。
而不僅他們公司賺錢,他們自己也過得很好,頭頂交通大學高材生的光環,個個背景家世有來頭,上下班開著台幣50萬的車,住在市中心的高層。雖然大家已經相處久了,但是平時依然可以聞到一股貴氣淩人……
春節後,從台灣回來,隔週搭上往瀋陽的飛機,這是我初次拜訪另一位汽車客戶。

**不愛崗就下崗,不敬業就失業

**
初春的瀋陽挺暖和的,白天有2~3度,路邊一堆堆泥色的雪丘,市景顯得有些蒼涼,讓人不禁想起這裡正是歷代所謂的流放「邊疆」之地。
這間車廠在解放後沒有多久就已興建(算來50年歷史),是典型的「國企」(國營企業),生產各型卡車。進入接待室,只見一張木板凳,一面班駁的小鏡掛在沒有油漆的水泥牆上。我們一行人跟隨著謙虛親切的廠方人員,逛了一下整個廠區。
走進工廠內就聞到一股濃濃刺鼻的油煙味,偌大的車間,仿佛罩在濃霧裡,這片煙霧來自機器上的機油被高溫引起,廠方人員不以為意的繼續帶著我們走一趟生產線。工廠建築相當龐大,相對的,工人卻非常少,還有些三三兩兩地坐在一起抽煙。途經總裝區,幾位年輕的工人,衣服上沾滿油漬,扛著大型點焊機(這裡沒有台灣常見的robot機械手臂),按照規定的焊接鋼板,一片又一片,認真且賣力,火花不斷噴向他們的臉。我問:「他為什麼不帶護目鏡?」
廠長說:「護目鏡不合標準,容易模糊,工人們都寧願如此。」
再經過噴漆車間,裡面一部部空車在上漆,全部使用人工。雖然我們只是經過,仍受不了刺鼻的味道,忍不住快速通過,裡面一張張好奇的蒼白的臉,透過小窗看著我們,我才發現,竟清一色是女性。「他們一個月多少工資?」我問,「800元錢,…但是現在銷量差,只有總產能的1/10,原來6000人的廠,只剩下1000人。每個月只有10天有工,扣除保險等 ,一個月只拿300塊,不過比起來,我們這還算好的。」我隨口說:「那他們其他時間就可以打別的工囉?」一位經理苦笑著:「哪裡有工可打?」抬頭一看,牆上粗大的標語似在警告:「不愛崗就下崗,不敬業就失業」。我心想那被裁掉的5000名工人,就真的是不敬業嗎?他們做錯了什麼?
回上海的路上,我心情有些沉重,激動,一直想起那一張張在火光下認真工作,淳樸的臉。
我握著拳頭向同事說,不論他們能付我們多少錢,「搶救貧窮,一定要成功!」

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