【圖解】Meta、蘋果不再是夢幻職場了？一則榜單，暗示哪些工作趨勢？|數位時代 BusinessNext

疫情、經濟衝擊交織，工作彈性、企業健康狀況成員工關注重點

今年最佳工作場所榜單前10名分別是Gainsight、Box、貝恩、麥肯錫、Nvidia、MathWorks、波士頓顧問公司、Google、ServiceNow及In-N-Out漢堡。其中Nvidia、貝恩、Google連續三年都在榜上前10名之內，Nvidia在2022年更是榮獲榜首殊榮。

科技領域仍然是這份榜單上最主要的來源，前10名內就有6間科技公司，若綜觀整份榜單，則有40%的上榜公司來自科技業，微軟、Adobe、LinkedIn等企業也在20名之內。

如同Glassdoor所指出，翻開前排公司的員工評論，經濟衝擊下員工特意將公司沒有裁員列為優點，並且重視企業如何支持員工在疫情時的需求，「Box有我經驗過最棒的企業文化，他們非常能理解及援助員工的需求，特別是疫情的時候。」一位員工表示。

又如Nvidia的員工回饋中，評論稱讚公司豐厚的薪資及給予員工的自由，放手讓員工發揮、甚至能帶著自己的狗狗去上班，為遠端辦公提供的津貼優渥，但也批評工作較為繁重，難以與生活達成平衡等。

而Meta、蘋果在今年徹底從榜單上消失，也與上述員工重視的要點脫不了關係。Meta從2011年開始便一直是榜上常客，但2022年Meta祭出成立以來最為嚴重的裁員，大約1.1萬人失去工作機會。Meta負責元宇宙的Reality Labs在2022年虧損逾90億美元，過去一年裡市值縮水超過60%，讓許多人對公司的未來感到迷茫。

蘋果、Meta十多年來首次從榜上消失，發生什麼事？

蘋果雖然沒有大規模裁員，但也凍結招募減少工作機會。丹尼爾．趙指出，蘋果過去15年裡一直榜上有名，這次他們落榜有可能跟蘋果的「重返辦公室」計畫有關。蘋果要求從2022年9月5日開始，員工必須每週到辦公室三天，這政策受到了內部的反彈。

這導致有蘋果員工開始在公司內部分發請願書，強調他們在過去兩年裡能夠繳出出色的工作成果，完全沒有必要強硬規定返回辦公室。當時的媒體調查聲稱，有67%的員工對返回辦公室的要求不滿，並有超過50%的人產生離職念頭。

雖然2022年的動盪讓Meta及蘋果離開了榜單，但由於榜單本身就競爭激烈，第一名 Gainsight收穫4.7分（滿分5分）的同時，第100名的公司也有高達4.4分，丹尼爾．趙表示，這不代表兩家科技巨頭真的表現非常差勁，只是在這一年裡略有下降。

責任編輯：林美欣

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。