納智捷電動車2023問世、將在台灣製造！裕隆：車型是休旅車Model C|數位時代 BusinessNext

納智捷電動車2023問世、將在台灣製造！裕隆：車型是休旅車Model C

裕隆在今（16）日的法說會上透露，最快在2023年，第一款電動休旅車產品就會問世：此外，跟義大利品牌Adiva研發電動物流車，明年第一季就會開始出貨。

跟鴻海合作，納智捷2023年推電動休旅車

自從嚴陳莉蓮上任以來，就積極替自有品牌納智捷（Luxgen），尋找轉型的方向，可以確定的是，裕隆跟鴻海合資公司「鴻華先進」的首發客戶，就會是納智捷。

裕隆副總李建輝在發說會上表示，第一款電動車產品是休旅車Model C，會在台灣生產製造，明年（2022）整個計畫會正式啟動，預計在2023年，產品就會正式推出。

裕隆集團旗下的「裕電能源」，負責提供保時捷、現代汽車等多家車廠，在台灣的電動車充電設備，李建輝表示，未來納智捷電動車推出後，也會由裕電能源負責所有的充電配套規劃。

與義大利品牌Adiva研發電動物流車，明年Q1出貨

除了電動車，嚴陳莉蓮也積極尋找新的商業機會，包括跟義大利三輪重機品牌ADIVA的生產代工合作，已經進入第三年。李建輝談到，除了代工生產，今年也跟Adiva共同合作開發並委託製造電動物流車i-Cargo。

這款電動車具有高機動性、高載重、可抽換電池等特性，後方有一個載貨平台，主要用於短程物流用途，未來規劃滿足外銷市場為主，包括：歐洲、日本、新加坡等，詳細的訂單數量內部仍在盤點中，預計明年第一季，就會陸續開始出車。

觀察台灣整體車市，今年因為全球景氣回升挹注出口表現，加上疫情趨緩、疫苗覆蓋率提升，搭配政府推動紓困振興政策下，經濟有望維持穩定成長。

今年1~10月汽車銷量為35.7萬台，較去年同期成長0.7%，李建輝表示，預估全年銷量或落在43~44萬台，晶片供應、全球物流會是兩大變數。

主要是Delta變種病毒，影響國際經濟情勢，各國疫情控制程度不同，導致全球供應鏈及人力短缺問題持續，進一步導致汽車生產、運輸延遲，此外，車用晶片缺貨，可能導致沒有足夠新車可以賣，這些都會影響第四季的銷售表現。

疫情影響，裕隆城延至2023年第一季開幕

裕隆集團另一個受到關注的焦點，是位於新北市的「裕隆城」開發案，李建輝表示，依照目前規劃，商場建物樓層為B3~8F，約為4.3萬坪；B1F～4F為誠品商場、5F~6F為商場、7F～8F為影城。

目前，已經完成地面層鋼構，以及外牆帷幕工程，現在正在裝修電梯、機電、景觀等工程，預計明年第一季可以拿到使用執照，受到疫情影響，開幕時間會從最初預計的明年底，延遲到2023年第一季正式開幕。

責任編輯：錢玉紘

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。