Gogoro產品長彭明義低調辭職！利潤長、稽核長今年相繼離職，Gogoro下一步怎麼走？|數位時代 BusinessNext

彭明義離職，推動人事異動骨牌

Gogoro大將、負責全球產品發展策略的產品長彭明義將在9月13日離開深耕9年的Gogoro，離職後將開始他的下一段人生旅程，目前已經在台灣大學工業工程研究所註冊上課。

彭明義在Gogoro創業初期扮演重要角色，也是執行長陸學森的得力助手，引發業界討論。

Gogoro產品長、利潤長、稽核長，甚至財務主管都在今年相繼離職，為未來的路途添加了更多的變數。

Gogoro於8月23日向美國證券交易委員會（SEC）提交了一份文件，該文件宣布了Gogoro產品長彭明義因個人因素辭職，並將於2024年9月13日生效。

這一消息迅速在業界造成不小的討論，因為彭明義不僅是Gogoro創立初期的重要人物，更是在公司多年的成長過程中扮演了不可或缺的角色。

Gogoro官方聲明：彭明義因個人生涯規劃退休、計劃進修

Gogoro官方在聲明中表示，彭明義因個人生涯規劃退休、計劃進修，並非與公司或管理層存在任何分歧，「我們深深感謝他在 Gogoro服務超過8年時間裡，對全球品牌與創新發展所做出的卓越貢獻，彭明義先生將永遠是 Gogoro的好友和忠實支持者，我們也祝福彭明義先生下一段的旅程更加精彩。」

在Gogoro任職九年後，彭明義選擇從工作中抽身，開始他的下一段人生旅程。目前已經在台灣大學工業工程研究所註冊上課，進一步深造。

彭明義：以這段經歷為榮，並持續支持Gogoro品牌

「在Gogoro服務的這9年，每天都是用盡全力在工作，innovation + startup就好像在荒山野嶺中開闢道路，沒有規則與前例可以遵循，就算用盡畢生所學的十八般武藝，也只能幸運地往前推進那麼一丁點。」彭明義在離職公告表示，一切的動力都來自於他對品牌的熱愛，以及每位消費者的支持。

彭明義表達了對Gogoro的感恩與不捨，同時感謝每一位用戶、員工以及給予公司批評與建議的人。他認為，正是這些批評與支持，讓Gogoro能夠不斷改進並成長。彭明義對公司未來充滿信心，表示即便離開，仍會以這段經歷為榮，並持續支持Gogoro品牌。

彭明義擔任Gogoro產品長長達9年，負責全球產品發展策略，提供正確與合適的產品，為Gogoro打造尖端的科技、發展卓越的工程技術、開創引人入勝的品牌基礎。除了負責產品發展以外，彭明義同時擔任國際和企業行銷規劃，將Gogoro品牌價值和用戶體驗提升到一個新的境界。

值得注意的是，儘管彭明義的辭職公告已經發布，但目前Gogoro台灣官方網站仍然保留他作為產品長的相關訊息。

Gogoro目前尚未正式發表相關消息，接任產品長的人選也尚未公布，但可以確定的是，這將是一個新階段的開始。Gogoro產品長、利潤長、稽核長，甚至財務主管都在今年相繼離職，為未來的路途添加了更多的變數。

Gogoro如何應對市場的變化，並在全球電動車市場中保持競爭優勢，將成為下一任產品長——以及各個接任的長官——要面臨的重大課題。

責任編輯：林美欣

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。