基因教父陳奕雄
基因教父陳奕雄
2001.06.01 | 人物

肝癌及鼻咽癌向來是台灣人前十大癌症死因殺手,卻沒有人能解釋為什麼。拜人類基因定序完成所賜,數年內,科學家可望從基因找到答案與解藥。
賽亞基因科技公司總經理陳奕雄,知道找解藥最短路徑。
在《傑克與魔豆》的故事裡,頑皮的傑克用一頭母牛換來的豆子,在一夜之間竟長入雲霄,傑克攀著豆藤爬上巨人的家,抱走會下金蛋的母雞,又砍斷豆藤摔死追來的巨人,從此過著富裕的生活。
陳奕雄,就是童話故事裡的小男孩,要從巨人手中將金母雞抱回台灣。著名基因資訊公司賽雷拉(Celera),搶先美國政府完成人類基因草圖定序,宣告生物科技產業進入「後基因時代」。賽雷拉的人類基因資料庫,及基因資訊解讀技術,正是會下金蛋的母雞。

**不愛實驗,只愛打球

**
討厭唸書的陳奕雄,跟童話裡的傑克一樣頑皮,在台大唸農化系時考試都靠同學的筆記,現任輔仁大學校長,陳奕雄的同班同學李寧遠打趣說,幫陳奕雄最多的「同學」就是他的女友,後來的陳太太。
中研院院長李遠哲胞妹,中興大學環境工程學系教授李季眉最記得,大學時同組做實驗,陳奕雄常常下課鈴一響就抱著籃球往外衝,也不管實驗還沒做完,陳奕雄有點靦腆地說,「那時很多同學不願意跟我同組做實驗。」
熱愛籃球的陳奕雄,即使工作再忙,多年來從未放棄練球的習慣,他以球會友結交不少生技科學家,他與賽亞另一位創辦人徐立之每次見面,不切磋一下球技,總覺得渾身不舒服。
陳奕雄每周三、六都會跟哥哥陳武雄,和桐化學董事長到金華國中廝殺一番,有次跟幾個國中生賽球,小男生急了還跳上陳奕雄的背,差點沒把他的腰壓斷,所以陳奕雄身上總是有著大大小小的傷痕,採訪當天,他的眼角還留著前幾天打球被撞的瘀傷。

**一頭栽進基因解碼世界

**
大學畢業後,陳奕雄到肯特州立大學攻讀博士學位,又在兩度獲得諾貝爾生化獎的辛格(Fred Sanger)博士門下做博士後研究。二、三十年前,唸生物科技最好的出路是教書。衝著對DNA雙螺旋的興趣,陳奕雄選擇加入剛成立不久的Genentech。
陳奕雄在Genentech一待就是12年。從拿著「剪刀和漿糊」剪貼DNA,「誘拐」大腸桿菌製造胰島素做起,他一頭栽進基因解碼的領域,還得了個外號叫「基因定序的老祖宗」(grand daddy of sequencing),連賽雷拉總裁凡特(J. Craig Venter),都得敬他一聲前輩。
但Genentech並不把解碼當成核心業務,為了得到充分資源,陳奕雄決定加入製造醫療器材的PE(Perkin Elmer)公司,參與設計基因解碼設備。當PE和凡特共同成立賽雷拉,全力從事基因解碼定序,陳奕雄也參與草創,成為基因定序計劃主持人。
返台創業,並不在陳奕雄的人生規劃內,賽亞,原本也不會是台灣本土的生物資訊公司。兩年前,賽雷拉注意到亞洲快速興起的經濟力量,與佔了世界1/3的龐大人口,決定在台灣成立子公司,及早佈局。身為賽雷拉首席科學家的陳奕雄幾乎每個月都要在太平洋兩岸奔走考察,累積的哩程數讓他每次都能從經濟艙升等到頭等艙。
在一次會議中,陳奕雄猛然發現只有他不是白種人,「一個東方人在一群白人中談論白人的事業,」這樣的落差讓他擔心,中國人是否會在生物科技領域缺席。
陳武雄數年來一直極力遊說陳奕雄返台創業,但他始終不為所動,經過這次衝擊,陳奕雄決定回台催生賽亞。

**國內最大的生技投資案

**
賽亞的成立可說未演先轟動。擁有35億資本額的賽亞,不但是國內最大的生技投資案,而且董監事都是赫赫有名的人物,技術顧問團隊也大有來頭。
徐立之是加拿大首席遺傳學家、世界基因組織聯盟主席,詹維康是台灣神隆執行副總,方瑞賢則是美國知名生技公司Clontech的創辦人。這些人在台灣知名度也許不高,但在生技界可說無人不曉。
陳奕雄規劃,賽亞成立初期,先向政府申請科技研究專案,或向大藥廠申請研究經費,再逐步建立亞洲常見疾病基因資料庫,及SNP(單一核甘酸多形性)資料庫,尋找致病基因,再由這些基因追索功能性蛋白質,賣給藥廠。
交通大學生物科學系副教授黃鎮剛觀察,賽亞扮演的是內容提供者(content provider)的角色,供應藥廠資料庫的內容和應用工具。黃鎮剛認為賽亞真正的利基在資料加值,例如找出基因與蛋白質的關係,蛋白質與疾病的關係,並繪出蛋白質結構,提供給藥廠開發新藥。
生物資訊的應用就像網際網路一樣,一切才剛開始,發展空間無窮無盡,「賽亞能做的事太多了,搞不好還會推出基因算命服務呢!」陳奕雄半開玩笑地說。

**踩著巨人肩膀往上

**
基因定序完成只是序曲,生技產業組織(BIO, biotechnology Industry organization)主席費德邦(Carl B. Feldbaum)表示,「基因解碼是一場馬拉松,我們才剛繫好鞋帶準備起跑而已。」
人體內有數十萬種蛋白質,某種疾病可能與某幾種蛋白質相關,利用生物資訊找尋特定蛋白質,針對蛋白質構造與機轉設計特用藥品,能縮短新藥開發時程,提高成功機率。針對特定種族、甚至每個個體的基因型量身製藥,已是當前生技公司努力的目標,這也是賽亞的利基所在。
生技產業變化速度比IT產業更快,台灣並沒有比其他人更早起步,所以腳步必須更快。快速成功的最好策略,就是站在巨人的肩膀往上爬。
賽亞以賽雷拉的資料庫與解碼技術為基礎,建立亞洲人特有疾病資料庫,開發分析基因、解構蛋白質的工具及專利,建立賽亞的智慧財產權,陳奕雄相信賽亞5年後就能獨當一面。「等到賽雷拉轉型研究蛋白質,我們已經跑在前面。」
「賽雷拉現在靠賣資料庫賺錢,所以它不好左手賣地圖右手搶淘金,但它總有一天要轉型,在那之前,就是賽亞的機會,」即使成立10年的賽雷拉巨人仍處於連年虧損的狀態,陳奕雄仍大膽說出4年後損益兩平的承諾。
「這是台灣千載難逢的機會,」中研院院長李遠哲認為,基因定序剛完成,太多資訊等著被解讀,全世界差不多站在相同的起跑點上,台灣第一次有機會跑在科技大國之前。身處生技產業上游的賽亞,若能在生物資訊領域站穩腳步,將大幅提升台灣生技製藥產業競爭力。

**人才決定台灣未來

**
想像若干年後,我們不必再走進瀰漫消毒水味道的醫院,只需在家裡採一滴血或吐口口水滴在生物晶片上,由家用電腦判讀後,自動將資料經由網路傳送給醫師,醫師再回傳個人化處方籤──只對病人有效,對其他人不會發生作用的基因藥物。
全球進入高齡化社會,醫療需求與日俱增,市場潛力無窮,處於生技製藥產業上游的生物資訊,被《新聞周刊》(News Week)評為前景最看好的行業(Job of the future)。連比爾蓋茲(Bill Gates)都親口說出下一個超越他的世界首富必定出自生物科技產業。
但生物資訊人才正面臨空前的缺口,同時具備資訊與生物專業的人才全球難覓。黃鎮剛表示,台灣過去是資訊工業大國,生物基礎教育也不差,能不能結合兩種專業,儘快填滿人力空缺,將決定台灣能否趕上這波產業起飛。
陳奕雄也很清楚,人才是最大的問題。賽亞正大力挖角,預計3年內研究人員要增加為210人。「3年後,我們會是世界上前20大基因資訊公司之一,」目前,全世界已有二十幾家公司投入SNP研究。
放棄賽雷拉首席科學家的高位,放棄比目前高三倍的薪水,放棄27年天堂般的安逸生活,陳奕雄非但不感失落,反而活力旺盛、衝勁十足,「好像再活一遍,回到二十幾歲的年輕歲月,過去在美國的日子簡直像一場夢。」
陳奕雄盡全力呵護從美國帶回來的金母雞,希望能為故鄉盡一點力,台灣生技列車正在添煤加溫,蓄勢待發。

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓