吳燦坤卸任前進北極|數位時代 BusinessNext

2003年剛開春沒幾天，國內一家今年預計會有400億營收，每股稅後純益可望逾5元的集團，就傳出執行長因為「公司治理」而下台的消息。
這人竟是在台有105家分店，第3季準備在中國開設第1家3C店面的燦坤集團董事長吳燦坤。
別吃驚，吳董這回可不是因為出了類似安隆或世界通訊的公司治理紕漏而黯然下台，反而是為了讓燦坤集團有更良好的公司治理體質，才把執行長的棒子交出來。
為落實經營權與所有權分開，尊重專業經理人的才幹，吳燦坤自去年辭去總經理職務後，又在開春沒幾天辭去執行長職務，專心擔任董事長一職。
吳燦坤表示，燦坤集團不能再依循過去的營運模式，必須要向上提升，「也就是要推行公司治理，確實分離所有權與經營權，透過專業的董事會與經營團隊，讓公司營運更上一層樓。」
接任執行長的，是前光寶集團總管理處副總經理，也是原本旭麗電子副總經理、財務長暨發言人余敬倫，過去並曾任職於德州儀器與台灣飛利浦等公司。余敬倫在旭麗電子5年多的財務長資歷，以及和吳燦坤在台大EMBA相識，當是他雀屏中選的主因之一。

**好學的精神

**
有趣的是，吳燦坤因為怕自己忍不住又管起事來，還曾半開玩笑地表示，他早就在北極準備好了房子，要在淡出經營層之後躲到北極去，斷絕一切聯絡。
即便如此，1月初一場有關「企業報告透明化」的研討會中，人高馬大的他除了致詞外，後來也坐在台下不斷發問，表現出積極進取，只為了讓燦坤集團體質更棒的好學精神。
「六個標準差不做，會死！」聽到研討會發表人以韓國LG電子為例說明落實企業報告的透明化時，雖與研討主題關係不大，吳燦坤仍中氣十足地脫口而出對LG電子透過六標準差健全公司體質、與三星電子一較高下，彼此在競合中成長的欽敬。
「LG電子很厲害，燦坤一定要好好向LG學習如何修改來自摩托羅拉與奇異的六個標準差手法，以最符合企業特質的態勢分段落實它。」燦坤日前才因讓人跌破眼鏡的電漿電視價格一事，讓為維持品牌形象而不便跟進的LG電子挨了悶棍，但LG在流程改造方面畢竟有其實績，吳燦坤也就千方百計想從對方身上取經。
不只這樣，休息時間吳燦坤還不忘拿著一本《天下第一DIY店 Home Depot》研讀，與從不看商業書的比爾蓋茲和直指「大師無用」的嚴凱泰對比起來，顯然是另一種類型的企業家。
「每週六台大EMBA的賽局理論課程，吳董再忙，也從沒看他缺課過，而且一定坐最靠近老師的位置，」和吳燦坤是同學的《商業周刊》總編輯王文靜笑著說。
從活用賽局理論推出9.9萬元的42吋電漿電視，到調整家族式經營、聘用外部董事、延攬財務背景人才接任執行長力行公司治理，再到一心想效法LG把六個標準差應用得爐火純青，看來，即使淡出經營團隊，時常吸收各方知識精華的吳燦坤，不折不扣仍會是一個幫燦坤集團調製健康食譜，醒腦強身的首席營養師。
話說回來，吳燦坤到底會不會去北極？從他對寫論文的反應或許可以看出一點端倪：「我還不想那麼快畢業，不然我就沒事做了。」既然有實用的EMBA課程把吳董留在台北，北極熊啊，你就委屈一點，再多等吳董一陣子吧！

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。