全球股市頻傳捷報|數位時代 BusinessNext

即使是金融界的老兵，有許多現在才發現到，台灣的金融環境，已經和美國唇齒相依，美國的中央銀行——聯邦理事會（Fed）的降息動作，不但讓美國股市急速攀升，全世界的股票市場，都陸續傳回捷報。台灣的股市，也在接下來幾天內重回5000點大關。
利息對股市的影響，以投資人角度來判斷，最容易理解。當投資人發現把錢放在銀行的利息很低，會考慮把投資轉往股票市場，股市可以重拾動力。
另一方面，企業借貸成本降低，投資意願也會增加。因此各國中央銀行，往往利用利息調升調降來調整經濟，雖然若干經濟學家並不贊成這種做法，但是目前看來，還是中央銀行的壓箱寶。最近8次Fed的降息，下一年道瓊工業指數平均上漲24.5%，連台灣的加權指數，都上漲19.5%。
經濟景氣如果拿飛機來比喻：當經濟成長由景氣走向衰退，就如同飛機要下降時，經濟的機師——央行總裁會調降利率，希望經濟以比較平穩的方式降落，也就是「軟著陸」，如果景氣失速下墜，就是所謂的「硬著陸」。
在天際翱翔超過10年的美國經濟，目前各項經濟指標均顯示已步入衰退局面，葛林史班終於如預料之中開始降息緩和落地，不過時機上比想像中來得快。
在Fed突如其來的降息動作之後，包括美林以及知名券商的經濟分析師都認為，在利率下降之後，股市再向下跌的空間已經有限，原因不只是投資人把錢放在銀行的動機降低，更重要的是：美國股市其實已有超跌現象，降息動作讓投資人瘋狂殺出的動作驟然停息，讓股市有重新回到基本面的機會。
美國企業在資金成本下降以及股市逐漸穩定的情況下，無論要舉債或是發行新股來籌措投資所需的資金，都應該比幾個月來容易。
對於以出口和代工為主的台灣經濟而言，美國和其他國際企業持續投資的動作，是Fed帶來的第一個好消息。
第二個好消息是投資人資金外流的速度將會減緩。過去幾個月內，美元利率超過新台幣利率，再加上台灣的經濟發展也不如預期，投資人認為美金的利率和匯率都比台幣吃香，大量的儲蓄轉入美元，讓新台幣匯率雪上加霜。
如今美元的利率和匯率都不再風光，資金外流的現象應該會改善。但是在台灣經濟中另一個舉足輕重的力量——外資，卻取決於台灣股市。
摩根史坦利的新指數計算方式，明顯有利於台灣市場。但是由於台灣股市還是以散戶居多，在本土投資人信心和政治經濟局勢尚未明朗前，外資對台灣的信心恐怕也要打折扣。因此，即使Fed降息創造了較有利的局勢，最終還是得靠自己。

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。