在掌聲背後的戒慎省思|數位時代 BusinessNext

公元2000年的平安夜，可過得一點都不平靜。
平安夜前9天，聯電在新加坡開記者會宣布，要在當地投資興建12吋晶圓廠。曹興誠、宣明智和張崇德三位聯電集團高階主管，在新加坡官員和媒體前意氣風發，解釋未來的營運計畫。
平安夜過2天，宏碁在台北開記者會說明，整個集團改組轉型的方向。有些疲倦的施振榮，坦承組織太過複雜而溝通不良，過度授權又造成投資重複，終而導致集團競爭力衰退。
聯電和宏碁，雖處於不同領域，但都是台灣相當有代表性的企業，不論在規模、企圖心、策略和行動力上，都曾立下典範。這兩家同屬科學園區元老級的業者，同在12月中分享園區成立20週年喜悅，但彼此目前的遭遇卻是兩極化。
聯電早期從工研院電子所的團隊獨立出來，開發電子錶、筆所用的簡單IC，到後來轉型開發記憶體晶片，1995年更徹底放棄自有產品，成為專業晶圓代工廠商，20年來不斷自我革命。
宏碁的動作更多。從最早單純組裝電腦、到投資開發關鍵零組件、速食式標準化生產、主從架構組織、「全球品牌、結合地緣」策略、全球運籌服務、再到最近的聯網組織等，不斷在策略和商業模式上創新。
兩家公司的差別在於：晶圓代工業正處於高成長期，聯電只要做對決定，就可駕馭產業動能跟著成長。個人電腦業則早已進入高原期，宏碁需要的不只是做對決定，而是根本上要進入一個全新事業。從聯電將近50%的毛利率，與宏碁個位數的毛利率看起來，已非常清楚。
事實上，宏碁過去一年也很努力，投資上百家網路和軟體公司，由「硬」而「軟」的轉型企圖明顯。無奈全球股市崩盤，先前的投資變現困難，個人電腦利潤又不斷被壓縮，迫使宏碁股價重挫85%，在進入21世紀的前5天忍痛宣佈轉型。
不只是宏碁，和個人電腦有關的公司，幾乎無一倖免。康柏和惠普都在1999年更換執行長，IBM要出售個人電腦事業部的傳言已久，連一向表現優異的戴爾，股價也在近3個月內腰斬。
這些公司都因個人電腦而成名，今日反為個人電腦所累。當企業愈成功，就愈投入其中，往往忽視外在環境的新訊息，而錯失下一波新機會。企管專家湯姆．彼德斯（Tom Peters）就建議企業內部應設置毀滅長（Chief Destruction Officer, CDO）一職，專責破壞公司內部已成熟的事業，省得外人動手。2000年美國暢銷書《創新者的兩難》（The Innovator's Dilemma）也提到同樣概念。
唯有自我毀滅，才有重生契機。美國的3M，最早是明尼蘇達的礦業公司，後來以生產立可貼便條紙聞名，現在則投入生產光纖，在每個時代都重新定位自己。重要的不是營業項目，而是企業精神。在1920年代提出大量生產概念的福特汽車，也大膽描述自己將來不是生產汽車的公司。
宏碁會轉型往哪裡走？目前難下論斷。可以肯定的是，如果它還是電腦公司，未來勢必辛苦；如果它不再是電腦公司，東山再起的機會就更高了些。宏碁曾是家喻戶曉的「台灣驕傲」，現在它痛苦轉型的殷鑑擺在眼前，值得每一家正在享受掌聲的企業警惕，更值得還在生存邊緣奮鬥的企業看齊。

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。