不景氣的因應之道
不景氣的因應之道
2001.04.01 | 科技

聽起來令人匪夷所思:所有台灣人耳熟能詳的美國企業,不約而同在3月間宣佈以千人為單位的裁員計畫,思科、英特爾、康柏全都在劫難逃。即使是最樂觀的經濟學家,在道瓊指數跌破萬點之後,都不得不承認「不景氣」(recession)已經在美國大門口。即使聯準會在3月20日降低利率2碼,還是無法振衰起蔽。
思科執行長錢伯斯(John Chambers)早就預言:美國企業的資本支出可能趨緩,同時這現象會擴散到全世界。果然一語成讖,不只美國,「不景氣」的旋風也把亞洲和歐洲企業吹得東倒西歪。
企業意識到未來景氣衰退,首先將會削減員工,接著減少庫存。

**美國需求衰退骨牌效應

**
對遠在台灣的投資人,美國企業裁員,不過是兔死狐悲,但是當美國市場需求不再暢旺,不但銷售額會降低,企業減少庫存,將會對需求降低產生乘數效果。舉例來說,原本預計會有100元銷售額的企業,會囤積150元的存貨,如今不但預計只有70元的銷售額,存貨比率也將降低為110%,只需要77元的存貨。因此30%率退,其實降低了50%需求。
美國企業降低存貨的努力﹐正如火如荼地展開。美國的不景氣將會像雙刃一般,大規模削減對台灣的訂單。而由於不景氣時,著重成本控制,恐怕也將加速台灣企業出走大陸及其他成本較低地區的步伐。總之,美國不景氣對台灣企業的打擊,恐怕超乎我們想像。
因此,雖然3月中台灣股市無懼美國股市下跌陰影,連續上漲,但是投資人仍不適宜對台灣經濟太過樂觀,因為台灣股票市場兩大主流──電子股及金融股,還是各有一本難念的經。電子股業績控制權其實在美國企業,當美國景氣好時,台灣訂單就多;當美國需求衰退,台灣訂單則加倍減少,台灣企業並不易力挽狂瀾。

**最好把錢留在身邊

**
另一方面,台灣金融業的未來,更像一團迷霧。雖然台灣政府一再宣稱:台灣是亞洲少數金融業未受1997金融風暴空襲的地區之一,但是過去幾年來政府的做法並未治本。台灣金融業的整頓,主要是由政府指名指定換股比率的金融機構合併,加上遲遲不肯打消呆帳,做法和日本金融業如出一轍,下場如何不難預料。
在日本銀行所謂十年生聚教訓,還是遭到國際金融評等機構Fitch降為「負面」評等之後,臺灣銀行業的未來恐怕也不樂觀。大部份觀察家相信,台灣金融機構的實際逾放比,還要超過表面的數字。
至於其他傳統產業,在資本市場難以提供新血的情況下,可能會紛紛以合併的動作來減少開支,東元和聲寶的結合就是最好的例子。食品業和紡織業,可能是下一個合併發生的領域。
對台灣經濟最惡劣的影響,恐怕在於資金更趨緊峭。雖然存款利率在低空盤旋,但是市場上的游資,多已在去年網路電信業吸金狂潮中損耗,例如三家固網公司所募集的2000億資金,比起大部份投信業管理的資金規模還大。更雪上加霜的是,大陸B股旋風,可能將少數剩下的資金席捲殆盡。
台灣經濟前景不明,對於投資人而言,最好的方式可能是將資產以現金的方式保管,或是以長期投資的方式持有股票。至於近來沸沸揚揚的大陸B股,投資人可能不宜忘記A股和B股的合併還遙遙無期,更危險的是:中國加入WTO之後,改採浮動匯率,長期被訂在高點的人民幣可能在短期內下跌30%以上,在如此多不確定因素籠罩之下,還是小心為上。

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