比亞迪前三季出貨破百萬輛，輾壓小鵬、蔚來！超車關鍵在這裡|數位時代 BusinessNext

比亞迪前三季出貨破百萬輛，輾壓小鵬、蔚來！超車關鍵在這裡

中國最大電動車商比亞迪公告前三季業績預告，淨利落在91至95億人民幣間。受到新能源產業持續成長與電動車銷量上升，帶動淨利與市占率。

比亞迪汽車銷量翻兩倍以上，致勝關鍵是什麼？

比亞迪的業績預告指出，即使面臨嚴峻的經濟情勢、疫情、極端氣候影響，銷量因新能源產業持續發展強勁成長，市場占有率持續擴大，同時，上游原料價格上漲的成本壓力也緩解。在手機及組裝業務方面，雖消費性電子的疲軟需求，但比亞迪加強成本控制能力，使獲利有所改善。

根據《路透社》報導，今年初，比亞迪放棄了傳統油車，轉型生產製造電動車與油電混合車，讓全球電動車市場更加競爭。在中國，比亞迪占主導地位，克服了因疫情導致的汽車供應鏈相關晶片、電池短缺問題，讓2022年的汽車銷量成長率是去年的250%。背後原因還是在，比亞迪有能力自行生產電池與相關零組件。

回顧今年7月的上海，因為嚴格的封控政策讓美國大廠特斯拉生產受阻，前三季特斯拉在中國銷售31.7萬輛電動車，而中國國產廠商小鵬汽車和蔚來汽車分別售出98.5萬與3.1萬輛。惠譽國際信評分析，比亞迪內部生產的電池與晶片策略，助於應付供應鏈瓶頸與成本推升型的通貨膨脹。

《華爾街日報》提到，今年7月份特斯拉曾暫停運營幾日，升級產線以提高產能。特斯拉當時表示，上海工廠每年可以生產超過75萬輛汽車。到了八月，馬斯克在推特寫道，電動車銷量跨過300萬台大關，而上海就佔3成。

特斯拉的電池是由中國第一大電池商寧德時代所提供。8月份《新浪科技》報導提到，由比亞迪供應的刀片電池，已經交付特斯拉位於德國柏林的超級工廠，這是特斯拉首座應用比亞迪電池的超級工廠。細看特斯拉的電池供應商包含Panasonic、LG化學、寧德時代甚至是比亞迪，都表示大廠之間不只是競爭，更存有合作的關係。

站穩中國後，比亞迪下步進軍全球

回到比亞迪，《日經新聞》報導，星期一在巴黎車展推出三款新電動車，分別是主打續航420公里的ATTO3、使用自家電池的SUV 唐（TANG）和跑車漢（HAN），將在2022年底於德國上市，2023年陸續在法國、英國和其他歐洲市場推出電動車。顯示比亞迪已展開更多海外佈局，在歐洲與國外大廠們展開競爭。

目前來看，歐洲貢獻全球約20%的電動車銷售量，歐盟也要求在2035年後禁止販售燃油車，使電動車的需求持續成長。中國汽車工業協會則預估，中國電動車銷量將成長約56%，達到550萬輛，可預期未來比亞迪的業績也會持續往上成長。

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。