北大光華管理學院|數位時代 BusinessNext

投資鬼才索羅斯（George Soros）和行銷大師科特勒（Philip Kotler）來亞洲時，最期待到那裡演講？答案是北京大學的光華管理學院。這兩位世界頂級學府爭相邀請的貴賓，先後主動和北大聯絡，表達到訪意願。結果，索羅斯成為去年光華管理學院年度論壇專題演講者，今年則是科特勒。
中國近年極力發展商業和貿易，並在去年加入WTO（世界貿易組織），希望與世界接軌，但是本身卻極度欠缺商業和貿易人才，特別是熟悉西方資本主義的金融、財務、行銷、人力資源和組織管理等專才。這塊新興市場吸引了索羅斯和科特勒的注意，也炒熱中國近兩年的MBA（企管碩士）風潮。
「市場需求大，就業機會好，現在愈來愈難考，」北大光華管理學院副教授王亞非指出，今年報考光華管理學院MBA的有3500人，錄取200位，錄取率僅5.7％。今年錄取名額中，有不少外藉面孔，包含13位韓國人、3位新加坡人以及來自日本和馬來西亞等地學生。「他們都是想畢業後直接在中國就業，」王亞非分析。

**破例採取「一校兩制」

**她指出，中國過去是計畫經濟，企業最重要的功能，在於提供就業機會，維持穩定的就業環境；在轉型到市場經濟後，西方企業那一整套制度，包含營收要成長，要有盈利，要服務顧客，要創造股東價值等，「在中國是新概念，需要有人把這些經驗帶進來。」
將近40的王亞非，是在文革結束、中國於1978年重開大學後的前幾批學生，因為表現良好，在1980年代中期中國對外開放時，獲選到美國擔任訪問學者，並在1990年到英國攻讀MBA，再到華爾街投資銀行任職，接著派任香港管理基金，最後回到中國創業，並兼任北大教職。「教MBA需要國際視野，光華聘了很多外面企業經理人來當老師。」
光華管理學院目前有90位老師，3473位學生（含大學部各科系和研究所），為了儘早縮短與國外一流學府差距，這幾年積極到國外延攬留學生回國任教，「金融系主任原本是英國曼徹斯特大學終身職教授，經濟系主任是哈佛博士，人力資源系最近回來好幾位博士，」王亞非隨口就舉出許多例子。
為了吸引人才回國，北大破例採取「一校兩制」，提供商學院教授高額薪水，年薪從4萬、5萬一路調到6萬美元，另加25萬人民幣購屋補助。「這些錢比不上他們在國外拿的，但在北京相當不錯，」王亞非說。
在強化教學陣容上，北大和賓州大學、西北大學及史丹佛等名校合作，邀請對方商學院老師到光華開4天到一個月不等的短期課程，讓學生有機會接觸不同教學方式和內容。光華也向22家大企業（微軟、新力、聯想、康佳和中國海洋運輸等）募款，贊助學生短期出國進修。」

**狀元集中地

**
傳統的中國知識份子，重學問而輕商業，士農工商的意識始終存在。在全力拼經濟的同時，士大夫的觀念開始質變。中國每年大學聯考的各省市狀元，有60多位，其中有1/4選擇進光華管理學院金融系，「這裡是狀元集中地，」王亞非驕傲地說。
民國8年5月4日，高舉「外抗強權，內除國賊」標語的北大學生上街遊行，感染全國人心，形成五四運動，是中國從傳統走向新文化運動的濫觴；而當下正在擴散的新商業運動，又是一次轉型關鍵，先鋒旗手的角色，巧合地又落在北大。

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。