蘋果向高盛提分手，Apple Card跟高利率帳戶誰接班？雙方發生哪些問題？|數位時代 BusinessNext

虧損數十億、被監管機構調查⋯高盛傳考慮退出信用卡業務

《The Wall Street Journal》報導，高盛的幾名高層希望公司放棄那些與蘋果還有通用汽車（General Motors）合作的消費性貸款產品，像是信用卡與儲蓄帳戶等等。對於高盛來說，與蘋果合作推出的Apple Card可能是一場夢魘，光是監管的業務部門與GreenSky（一家負責先買後付業務的公司，高盛斥資22億美元收購）就已經損失了數十億美元。

一名高盛合夥人甚至動怒表示，「我們根本不該做這種該死的事情」，而許多員工也同意他的看法，認為高盛不應該再繼續投入消費者貸款領域了。（高盛過往的服務對象都是企業、金融機構與政府）

除了業務的虧損外，更雪上加霜的還有與監管機構的衝突。美國消費者金融保護局(Consumer Financial Protection Bureau)調查了高盛對於信用卡帳單錯誤以及退款的處理，由於Apple Card與其他卡別的帳單處理方式不同，高盛的客服人員要面對更龐大的業務量與壓力。而公司高層也未能說服蘋果改變這種帳單處理方式。

在高盛內部，許多人抱怨消費者貸款業務遇到的麻煩超過了預期，他們將高盛在該領域的擴張歸咎於執行長蘇德巍（David Solomon）。包括信用卡和負責消費者貸款業務的GreenSky在內的部門，已經損失了數十億美元。知情人士透露，高盛合夥人之一，原本負責處理蘋果與通用汽車這塊業務的馬丁（Liz Martin）已經轉到其他部門。

如果高盛無法減少信用卡部門的支出，接下來就可能會嘗試出售與蘋果還有通用汽車的合作關係。但對於高盛來說，考量到已經存入蘋果儲蓄帳戶的數十億美元後，做決定變得十分艱難。因為一但蘋果轉移資金，高盛將可能被迫去籌集另一筆高昂的資金來彌補缺口。

下一步可能尋求美國運通的幫助？

《Engadget》指出，高盛早前已經與美國運通（American Express）討論過轉讓業務的事宜，但目前並未做出任何決定，因為美國運通也對Apple Card及高盛的其他問題擔憂。而知情人士透露，參與蘋果合作項目的高盛員工有提出另一個選項，就是讓蘋果接管更大的合作份額，像是讓蘋果成為信用卡支出和發行的貸款人，但也有高管認為這並不是一個可行的選項。

如果高盛放棄這些產品，也代表高盛所做的消費者貸款實驗（consumer-lending experiment）結束。在財報即將出爐之際，華爾街投資人也希望執行長蘇德巍回到初心，做出公司將再次專注於核心業務的承諾。

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。