「能和不同領域的人定期meeting,是發現自己不足最有效的方法」
「能和不同領域的人定期meeting,是發現自己不足最有效的方法」
2007.01.15 |

「能和不同領域的人定期meeting,是發現自己不足最有效的方法,」今年就讀台大電子所博七的林建志指出。從博二到博七超過五年的時間,林建志都是台大與聯發科技整合無線通訊實驗室的一員,實驗室從草創初期到揚名國際的這段過程,幾乎就等於他博士班的經歷。 每月兩次與實驗室指導教授們的進度會議,是他快速累積專業知識的來源。跟一般博士班學生只跟著指導教授做論文的方式不同,這個實驗室結合了各領域專長不同的教授,每次的進度會議大約都有五到六名教授主持。

**自己得給自己壓力

** 以林建志為例,他的研究領域主要在無線硬體部分,但包括高頻、訊號、系統等方面,每次的會議都必須準備充分,才能面對各領域不同教授的問題,「meeting是壓力的來源,但這些壓力是自己給的,」他指出,透過每次的會議,不僅能從教授們提出的問題中找到自己思考的盲點,更能因此督促自己涉獵更多領域的知識,「各教授都有不同的專長與方法,每次往來都可能是一次新的學習經驗。」正由於五年來紮實的學術訓練,二○○五年,由他做的關於超寬頻的研究論文,獲選為ISSCC(國際固態電路會議)論文。 除了在本身學術的研究之外,身為實驗室的一員,最大的收穫則來自國際交流。林建志指出,除了不定期邀請國際級的大師來演講之外,每年也會定期到國際各大學做國際訪問,「國際訪問其實對研究本身幫助不大,但學習的是國外大學討論的方式,」他指出。 印象最深的,是之前參訪美國柏克萊大學的經驗,他們非常重視「圓桌討論」,不同專長背景的學生會組成小組,從各自的領域提出對問題的解答。此外,美國大學也非常重視文獻探討,從文獻蒐集、討論、分析,再從既有文獻中找到創新的想法,進而針對創新想法做全新研究,產生原創數據,相對地,台灣因受限於研究資源與條件,往往只能拿國外的數據來模擬找出可行的方法,研究原創性較為不足。 這套重視討論的做研究方式,隨後也成為實驗室中的重要精神。由學生們自主式的討論,從各自領域中提出解答,讓研究更完整,他舉例,曾經和三、四位同學一起研究過3G系統,貢獻各自專長彼此交流後,不僅解決問題,更因此建立起多元的能力。

**一切得靠個人摸索

** 「當博士生一開始會很迷惘,既找不到論文方向,對未來也無所適從,」林建志指出剛念博士班的心情。由於相較於碩士班,博士班的時間更長,畢業論文的要求更高,也不像碩士班時期有學長帶頭做研究,一切要靠自己探索。 他指出,過去幾年,大約每學期會與聯發科相關人員正式開會一次,由指導教授提出未來想做的研究領域與聯發科討論,聯發科也會提出本身在產業中看到的機會,但短期內暫時不會投入人力的研究領域,雙方討論後,也讓他漸漸找到論文的方向。 透過學術與產業交流,也可讓他建立起對未來科技發展更寬闊的視野。聯發科技設計技術、資訊暨製造工程副總經理張垂弘就指出,當面臨實際產業內的問題,會回過頭來請實驗室的教授與學生進行論文研討(paper study),從學術上已有的理論中找出可行方案,協助解決實務面的問題。 林建志指出,透過這樣的模式,一方面可以了解產業最新動態以及廠商關心的重點,慢慢修正自己的研究方向讓成果更有價值,另一方面,也可因此讓自己更清楚未來的發展。 經歷過台大電子所博士班七年的學習與訓練,在未來的職場與人生的發展上,林建志比別人更多了一份信心。

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓