e化要成功,領導者的決心很重要。1967年台塑電腦化,就是董事長王永慶強調一定要電腦化,有他的強力支持才能順利推動。就我所知,有些公司很尊重各個分公司的領導者,只要有一個領導者意見不合,就很難推動了。我們企業比較強勢,不過集權有它的好處,理念比較容易落實。
早期,台塑電腦化是分散到各分公司去做,後來決定集中總管理處時,也是有一些公司反彈說,我們自己也可以做,不需要總管理處來做,這種心態是有的,可是在董事長一聲號令說要集中各分公司的程式撰寫和制度設計,就全部掌握在總管理處。由於採取強制的作法,電腦化才能夠成功。
除了決心,領導者的認知和理念也很重要。你不要看董事長年紀那麼大,他可是非常先進的;1967年就是他說要開始電腦化的,用衛星傳圖也是他說的,我記得1998年時,我們都是用撥接上網傳圖,可是很慢,下載30頁,大概就是半個小時,董事長就說怎麼不試試衛星?我們那時候還想說怎麼可能,還質疑他,沒想到被他講中,後來找TVBS租借衛星,就成了。所以很多事情不要說不可能,不要怕人家笑你是瘋子。
台塑很重視管理合理化,這就是董事長的理念。從成立總管理處開始,董事長就一直強調,管理一定要追求合理化,這是台塑的中心理念。30多年來,追求管理合理化和制度最佳化,早已經融入到文化裡了,從上到下的觀念都是一貫的,所以台塑的人一看到一件事,就是想「有沒有辦法再簡化」;這已經是反射動作。大到用衛星,小到名片,都是如此。
以前名片到外面找人家印,100張100元,現在公司散布在全台灣,申請者直接鍵入電腦,由公設處處理,只要把姓名、職稱輸入電腦之後,這邊就直接批次列印,第二天就送到申請者那邊去。除了提高效率之外,成本也從100元降到30元。這已經是part of the culture了,我們看到每一件事情都是想能不能再合理化,能不能再電腦化。
什麼是管理合理化?就是如何把管理流程、所有制度精簡到最佳化。管理合理化之後,一定是想辦法納入電腦化,所以1967年台塑就已經陸續把管理納入電腦。現在外面所謂的ERP(企業資源規劃),在台塑早就已經做到環環相扣了。
e化沒有什麼了不起,了不起的是它背後的精神。如果管理沒有合理化,做e化是沒有用的。
就像我們跟廠商用Internet連起來了,我們都在想說一定要做到Just in Time,我今天傳送一個訂購單給你,我希望你明天就給我貨,可是只是e化,一條線連起來沒有用,我還是要背一個月、兩個月的庫存,因為你沒有辦法做到生產最佳化,單單台塑企業e化沒有用,我一定要協助下游廠商e化,他們內部管理也應該要做到電腦化,排程也要能夠最佳化,成本降到最低,用最少的人。
任何一個製造業都有所謂的6大機能,包括人事管理、生產管理、工程管理、資材管理、營業管理、財務管理。這6個機能一定不能片片斷斷做電腦化,很多公司讓各機能單獨去買套裝軟體,結果如何讓各機能環環相扣呢?
當然,除了領導者的決心和理念,還要有專責單位,來幫企業落實理念。你想想看,e化衝擊最大的是誰?一定是現場人員,因為他們會被節省掉,所以通常都很排斥。不過與其造成對立,倒不如讓他們參與檢討。
我們在這方面花了非常多的時間溝通跟洗腦,灌輸他們觀念,讓他們知道,哪裡可以節省,他們也可以找出來。我們的作法是,由我們當中心,結合現場人員,組成一個team,討論工作可不可以再簡化,可不可以再納入電腦化,這部份我們是用team work的方式,而不是用命令的方式,如果用命令的方式絕對行不通。
最近的財務合理化、會計合理化還有現場合理化,大家都很願意配合,因為他們已經接受這樣的理念。我們將多餘的人力安排到新擴建的廠區去,讓員工選擇要不要去,最後我們一個都沒有裁。
我想,針對各個企業都是如此,e化要成功,領導者的決心絕對是最關鍵的。
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。
