NFT將成為新的汽車標配？義大利車廠導入區塊鏈技術，是單純跟風還是有其策略？|數位時代 BusinessNext

NFT將成為新的汽車標配？義大利車廠導入區塊鏈技術，是單純跟風還是有其策略？

NFT熱潮已經持續一段時日，近期吹進了汽車產業。義大利車廠Alfa Romeo首度將NFT導入車輛中，可以發揮何種功能？又將在產業中扮演什麼角色？

將NFT裝置在車中，帶來了哪些好處？

首先，將NFT應用導入車輛能使車輛往後的交易能更有保障，其中的風險也跟著降低。車輛送修後，修車廠會留有維修紀錄，但再次賣出這輛車時，下一個買家不一定能拿到維修數據，車輛的狀況也相對較沒保障。在車內裝置NF 後，車子的維修數據將被記錄在區塊鏈中，除了能保證新買家取得數據，也能確保數據不被任意修改。

再者可以提升車輛的價值。每輛Tonale都將擁有一個獨一無二的NFT，記錄下其完整的生命履歷，透過NFT記錄的數據，買家能更具體地了解車輛狀態。「在二手車市場上，NFT可作為車主或經銷商可信賴的資料來源。」Alfa Romeo行銷長Francesco Calcara表示，「NFT 基於區塊鏈技術，以不可複製、隱密和不可篡改的方式完整記錄了汽車的整個生命週期。其可以保障汽車經過正確維護，並在轉售時對汽車的剩餘價值建立正面的影響。」

除了Alfa Romeo之外，愈來愈多汽車廠商也計畫在產品中加入區塊鏈相關的最新技術。如中國上汽集團底下的汽車生產商MG，擬將區塊鏈融入汽車中。MG與印度的區塊鏈公司Koinearth合作，準備運用區塊鏈蒐集車輛數據，像是耗油量和行進速度等，記錄在每台車的數位護照中，並讓保險公司取得數據，更精準地計算保險費率。

但針對NFT在汽車中的運用，仍存有質疑的聲音，認為汽車產業將該應用導入車款中僅僅是在追求最新科技潮流，並沒有對產品有實質幫助。有些人認為每輛車本身就已具備車輛識別碼（VIN)，並不需要NFT作為額外的識別工具；同時也有人認為在買賣車輛時，賣家對維修數據造假，是否是一個汽車交易常見的問題仍有待商討。

區塊鏈和NFT在未來汽車產業所扮演的角色

區塊鏈和NFT走入汽車產業中是個明顯的趨勢，但其功用也不僅限於車輛數據的蒐集。

多倫多大學金融學教授Andreas Park說：「NFT的應用是沒有限制的，現在一些在數位世界的應用我還想像不出來，就像過去人們無法想像網路能有線上支付等盈利的功能。」他進一步指出，NFT將來可用數據去標記真實世界的物品，重塑我們對「所有權」這一概念的既有認知。

隨著近年來自駕汽車的逐漸興盛，麥肯錫公司預測在2030年的汽車產業中，「共享汽車」的發展將會更加興盛，一台車不再只能完全歸一人所擁有，有了NFT可以標記（tokenize）物品的特性，得以表示出一台車所有權，以及每個所有人持有的比例。

另外，區塊鏈也有助於自駕汽車的行駛。根據《Investopedia》報導，自駕汽車必須時時刻刻都注意著路況及其他車輛的情況，而區塊鏈可讓車輛即時得到這些數據。區塊鏈去中心化的特性，讓每個節點的數據可以即時傳遞，當每輛車的數據點成為區塊鏈中的節點，就能以最快速度獲得路況資訊，有效保持交通安全。

本文經授權轉載自：未來商務

責任編輯：吳佩臻、侯品如

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。