台灣14條海底電纜太重要，可能成中國攻擊目標？該怎麼應對？|數位時代 BusinessNext

台灣14條海底電纜太重要，可能成中國攻擊目標？該怎麼應對？

華爾街日報報導，中國可能不會直接武力犯台，而是透過攻擊、阻斷台灣周邊海底電纜的方式企圖癱瘓相關網路通訊，而台灣又有什麼方案來應對?

海底電纜的歷史與戰略地位

發明於1940年代左右的海底電纜，管徑類似花園的水管，內含數據的光纖。電纜在海底綿延數千公里，連接全球各國進行數據傳輸功能。報導提到，第一條商業化的海底電纜是在1850年建設的，連接美國本土與子夏威夷和關島。如今，海底電纜傳輸約98%的國際傳輸流量，而台灣的基礎設施更是處在亞太地區的關鍵地位。

北亞地區到東南亞地區都需要經過台灣附近的海域，黃勝雄指出，電纜如果有一些硬體上的小毛病，將帶給鄰國嚴重的影響，過去由於繁忙的海上活動和自然災害（地震、颱風）帶給電纜不同程度的破壞，例如2006年台灣的恆春地震，就讓部分纜線斷裂，導致部分公司的通訊中斷。他比喻，「電纜之於各國的重要性，就像是人體中的血管」。

如果台灣和中國之間發生軍事衝突，電纜絕對是第一個攻擊目標，而且對美國而言不是新聞，去年美國智庫已經兵推出這樣的看法與證明。報導提到，7月25日曾發生，北端連接東北亞的電纜需要維修，日本派船前往察看，但三天後中國卻進行大規模演習，讓日本船隻無功而返。

加強對戰略設施的保護

面對這樣的威脅，台灣正在考慮許多替代方案，像是加入更多網際網路的連接，例如「Apricot」。根據《Google Cloud》的文章，Apricot是一條連接新加坡、日本、關島、菲律賓、台灣和印尼的新海底電纜，目的是提供亞洲數據傳輸有更多的選擇途徑，並預計在2024年正式啟用。

另外，無需透過陸地或海上的實體連接的低軌衛星也是解法之一。最知名例子就是SpaceX的Starlink在烏克蘭的應用，俄羅斯入侵烏克蘭後，Starlink即在烏克蘭提供低軌衛星的網路服務；先前東加群島因為火山爆發而造成海底電纜損毀時，馬斯克的也藉由SpaceX提供50個小型衛星地面終端設備（VSAT）給受災影響嚴重的離島。

回到台灣來看，數位發展部在9月的新聞稿提到「應變或戰時應用新興科技強化通訊網路數位韌性計畫」，部長唐鳳就指出，目的是要確保在緊急狀況下，若海纜、行動網路、固網等既有通訊系統遭到破壞時，我國通訊網路仍可藉由非同步軌道衛星，向外傳遞訊息。而網路對台灣來說是國家安全議題，數位發展部將在接下來兩年內投入5.5億元，確保台灣通訊網路的應變韌性。

黃勝雄也說，衛星通訊並非一蹴可幾，而是需要幾年的投入，才能在必要時發揮重要戰略功能。

責任編輯：錢玉紘

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。