終結違規的24小時無人停車場Times|數位時代 BusinessNext

某句廣告詞說，「台北居，大不易」。都會生活大不易的原因很多，但總不脫食、衣、住、行。而其中最讓人傷腦筋的，可能就是與「行」有關的停車問題。
有時候，只是下車買點東西，或是找朋友打個招呼，沒幾分鐘，愛車竟已遭拖吊，空留一地模糊不清的粉筆字；即使車子僥倖還在，擋風玻璃上可能已是紅單片片，教人好不心疼。
找不到車位讓人傷腦筋，為了短短的5到10分鐘而付停車場1小時的費用，又讓人心有不甘。
這種「沒被抓算賺到，被抓算倒楣」的路邊停車心態，已成為開車族的心聲。
心聲，往往代表著需求。最早在日本發現此一需求而成功加以滿足的，就是經營24小時無人停車場的Park 24公司社長西川清。

**活用零碎土地

**
Park24公司把旗下的連鎖停車場取名為「Times」，賣點很簡單，就是希望解決開車者「找不到停車位」因而不得不違規停車的困擾，同時也還給駕駛朋友更順暢的行車環境。
Times大多設於都會區精華地段，卻以20分100日圓到每30分200日圓不等的標準計費，對於有臨時停車需要的人相當划算，有別於其他以小時為單位或包月制的停車場。晚上的收費更便宜，1小時只收100日圓。
地這麼貴，能賺嗎？
說起來，西川清是拜泡沬經濟破滅所賜。由於房地產長期不景氣，各地出現許多賣也賣不掉，租也租不出去的私有土地，再加上住家等建築物周邊一些原本就因面積過小而難以有效利用的小型空地，全都成為西川清籌辦Times的資源。「停車位根本不夠，土地卻放著任其荒蕪，這不好，」畢業自名校法政大學經濟系的西川清直指資源的浪費。
於是，他出面承租這些無從出售或利用的土地，即使是兩棟大樓間30坪上下的小空間，他照樣租下來，為的就是讓地主善用空地，也讓更多需要車位的人可以臨時停車，是「各取所需」的雙贏。
西川清指出，日本至少有7000萬輛汽車，全球第2多；但登記有案的停車場加起來卻只能容納280萬輛，即使加上未登記的，充其量也只能容納500萬輛車，「而且1輛車可以說就需要4個停車位：車庫或自購停車位、公司周邊、經常因商業往來造訪的區域，以及個人前往休閒的地方。」
第1家Times，就這麼在1991年12月誕生。

**停車場是服務業

**
事業開始之初，西川清也嘗試在新住宅區附近利用空地成立過可容納5到10輛車子的小型停車場，結果獲得熱烈迴響，「在沒有公共停車場的地方提供停車位，受歡迎是當然的，」他表示。
11個年頭下來，該公司營收節節高升，在結束於去年10月底的會計年度中，已經有358億日圓的營收，較前年度成長15%；經常利益達44.5億日圓，較前年度成長20.2%。而截至去年11月底為止，Times的連鎖停車場在全日本已經有4444個點，共可容納52377輛車。
一般人常會以為「停車場就是停車子而已嘛」，但西川清不這麼認為。「我把停車場當成服務業看待，」他笑著解釋，「停車場過去給人又暗、又臭、又髒的印象，我卻希望從新角度給日本開車族更好的體驗」。雖然自動收費，但Times會有專人定期清掃與維護機器，不會任其自生自滅。
2000年2月24日在地近東京的川崎車站外開設的停車場，是Park 24公司旗下走另一種路線的停車場「Times Station」，不同於利用無用空地的原始想法，而是特別針對停車位奇缺無比的熱鬧繁華地帶，自行購地搭建大型停車塔。
該停車場高10層，共可容納290輛車，一樓還設有連鎖咖啡店、自動提款機、知名門票銷售系統Ticket Pia；入口處以大理石裝飾，再加上照明充足的停車位以及女性為之感動不已的高級化妝室，「感覺上根本就像飯店一樣，」一位停車者表示。
大家對停車場先入為主的既有印象，就在這兒被打破了。
由於Times的成功，Park24公司其後也進入「停車場代管」的顧問事業，協助直營與加盟Times體系之外的其他停車業者管理，或是幫銀行、醫院、政府機關等附有停車場但乏人有效管理的機構導入Times的無人收費制度，讓停車場經營得更好。
Times停車場設有所謂的「精算機」，不只計算車輛實際停駐時間做為收費依據，也同時負有監控各停車格目前狀況的任務。相關資訊每5分鐘就傳輸到總公司的停車場管理伺服器中，並於彙整後於專設的網站上公布出來，供人上網或透過汽車上的導航系統查詢。每個停車場的可容納車輛數、收費標準、目前車位使用狀況、如何前往該停車場等資訊，都在其中。使用手機的人，也可以透過i-mode查詢類似資訊，客滿打╳，車位閒置打○，擁擠打△，一目了然。
2000年1月，該公司另行成立會員制的Driver's Net組織，月費500日圓；會員不但投保汽車險或到Times停車可以打折，一旦碰到事故或車子故障時，還可獲得緊急協助，不會求助無門。更棒的是，你可以指定「預約」某停車場的停車格。
雖然該公司觸角已經從停車場擴展到以「車」為中心的諸多層面，西川清對於收費停車場仍然極有企圖心地表示，「這是個10兆日圓的市場，我們還有很大的發展空間。」
曾經販賣過「禁止在此停車」等交通標誌的西川清，現在搖身一變成為解決停車問題的人，這樣的角色轉換，或許也是一種創新。

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。