「選擇權」不再是個好選擇？|數位時代 BusinessNext

股票選擇權的出發點很有說服力，希望把員工變成股東，鼓勵員工積極為公司效力，同時也鼓勵企業經理人做出能提升股價的決策。在過去長達10年的多頭市場中，不僅多達90％的美國企業已經採用股票選擇權的制度，歐洲的企業也蔚然成風。台灣企業雖然囿於法令限制，不能發給員工股票選擇權，但是類似的股票分紅(restricted stock bonus)，也造就了數以萬計，身價以億計的高科技新貴。

**股票空頭，選擇權光環消失

**
過去其實一直有投資人，還有拿不到選擇權的商學院教授，質疑股票選擇權的作法，根本是慷股東之慨。但是當股市持續上漲時，這樣的論調只是馬耳東風。然而在股票市場驟然變天，股票價格直直落的情況下，上市企業的股東會上，投資人紛紛質疑企業有濫發股票選擇權的嫌疑。台灣少數可以發放股票選擇權的和信超媒體，最近就傳出了管理階層大量換血，更令投資人震驚的消息，那就是原先的管理階層，已經陸陸續續處分股票四、五百萬美元，幾佔目前市值的1/10。
其實和信超媒體的管理階層，對公司能在華爾街上市功不可沒，因為股票上市，也才能留住保命的現金，成為台灣少數存活的網路公司之一。只是風水輪流轉，股票選擇權和股票分紅制度，一夕之間淪為人人喊打的過街老鼠。忍了很久的《經濟學人》 (The Economist)和《財星》 (Fortune) ，最近也不約而同撰文檢討股票選擇權的缺失。
一般投資人想像不到的是，無論股票選擇權或是股票分紅，都不會當作成本出現在公司的損益表上，而是由公司直接發行新股(或由市場買回庫藏股)交給員工。因此不但過度美化了獲利數字，同時也稀釋了原有股東的股份比例，等於說是將公司價值，由原有股東身上，五鬼搬運到員工手中。根據統計，如果微軟(Microsoft)將發給員工的股票選擇權作為費用處理，則過去幾年的獲利，會是一張慘不忍睹的紅色成績單。
在稅務方面，股票選擇權激起更大的爭議，因為股票選擇權雖然不出現在損益表上，卻可以抵免企業所得稅。美國稅務機關沒有大驚小怪的部分原因在於：照實價課稅的「資本利得」，在美國是併入個人所得稅計算，因此當擁有所有權的員工賣出股票時，國庫的收入依然源源不絕。
不知道是不是因為股票所有權制度是從美國坐飛機來的有時差，還是怎麼回事？往往遠遠落後於潮流的台灣，最近才開始有引入股票所有權制度的提議。但是股票所有權不僅已經證明不是振興企業的萬靈丹，恐怕還有潛力成為扭曲機制的元兇之一，如果在沒有合適的配套措施配合下實施，不難想見管理階層配合股市作手炒作股票，或是大股東濫發股票選擇權，圖利自身的情況將會層出不窮，股票選擇權將會是一隻不受獸檻限制的野獸。看來如果想要激勵員工，還是想想「股票選擇權」以外的選擇吧！

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。