台灣也能養出獨角獸！簡立峰：現在正是好時機、軟體要結合硬體應用|數位時代 BusinessNext

【Meet Taipei】台灣也能養出獨角獸！簡立峰：現在正是好時機、軟體要結合硬體應用

對所有新創來說，機會都在全世界。但台灣擁有得天獨厚的硬體與半導體優勢，以及特別的地理位置，應善用這些力量來推進事業。

在國際新創版圖缺席，但現階段環境已改變

台灣在半導體的地位不用再多加說明，台積電、聯電、聯發科都是國際能見度很高的企業，美國、德國甚至全球也在督促台灣提供更多的晶片。這些領頭的公司，也都投入很高的研發資金。

但是新創的發展卻一直很少有顯著的成功，簡立峰以一句話總結台灣創業環境：「有很好的科技基礎，在商業上缺乏成功。」

不過，事情在今年發生了轉變，91APP、Appier與Gogoro先後在國外上市，3間公司的商業模式與顧客也都截然不同。91APP隨著零售與電商的發展，在台灣起家將走向世界；Gogoro用特殊的電池交換技術與商業模式，整合了台灣軟硬體的強項；Appier則在台灣做全球的AI MarTech（廣告科技）生意。

除此之外，國際情勢也有利於台灣。

新冠狀病毒（COVID-19，俗稱武漢肺炎）推升了國內的數位轉型需求；上述的3家台灣公司證明了新創可以找到海外市場，再加上中美貿易戰讓資金回流，有希望挹注於台灣新創；中國對於內容的監管讓台灣在華文市場的地位有機會躍升，以及更多的創投看到了台灣的潛力。

但要怎麼做，才能不再重蹈覆徹，讓台灣不再只是擔任人才輸出的角色，而是可以在商業上也取得進展？

給新創的2個方向：擴大市場、結合AI與半導體

「想辦法擴大你的市場吧！」簡立峰說，台灣處於獨特的地理位置，除去中國之外，全球Top 10網路使用者國家中，有4個是台灣的鄰居：日本、印尼、菲律賓、越南，「機會都在台灣身邊，沒有理由不能誕生成功的新創。」

簡立峰呼籲新創運用所在地的獨特之處，擴大市場、做出改變。

他提到一個人——艾倫・尤斯塔斯（Alan Eustace），曾在Google擔任高級工程副總裁，也來過台灣，「他當時說，讓我們從台灣改變世界吧。我曾經認為這只是一個口號，人人都想要有成功的職涯，但沒有想過要改變世界。他認為我們從來不是美國之外的tier2、tier3。」

艾倫・尤斯塔斯還擁有一項驚人的紀錄，2014年他從平流層做自由落體，打破最高自由落體的世界紀錄，「永遠都要挑戰極限，讓我們從台灣改變世界。」簡立峰說。

另外，他也點出一個明確的領域：把AI用於半導體、把半導體用於AI，「沒有比台灣更適合做這件事情的地方了，我鼓勵大家做軟體，但是要應用硬體，台灣絕對是結合半導體與AI最好的的地方。」

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。