專訪｜迷你電腦還有戲嗎？華碩接手英特爾NUC一周年，如何衝出15%營收成長？|數位時代 BusinessNext

專訪｜迷你電腦還有戲嗎？華碩接手英特爾NUC一周年，如何衝出15%營收成長？

華碩接下英特爾NUC事業已滿一年，已經創造15%營收成長，NUC事業部總經理趙國維接受《數位時代》專訪，分享接手至今的歷程。

NUC是什麼？華碩為什麼接手？

NUC是「新一代運算單元」 ( Next Unit of Computing ) 的縮寫，巴掌大小的機殼中是接近桌機等級的運算力，滿足用戶對體積小、效能高的需求。同時，NUC還保留擴充的彈性，用戶可以自行依照需求加裝硬碟容量，或者外接顯卡提升效能表現。過去英特爾NUC發展10年，是許多遊戲玩家口中的「神機」。

當英特爾宣布退場，曾有外媒評價，隨著PC越來越強大，「NUC存在的意義已經不像10年前一樣強烈」，但華碩在3個月就火速決定接手，對於NUC未來的發展潛能相當樂觀。趙國維指出，NUC定位介於筆電和桌機之間，正好可以往雙邊吸收「需求沒被滿足」的用戶，能兼顧體積和高階性能的裝置。對華碩而言，也能吸納更多客群，包含商用、IOT（物聯網）、工業控制、電競等多元領域。

以最多客戶的零售產業為例，可以把POS機連接NUC，或者大型連鎖餐飲業者的點餐機都把NUC嵌在機台中，製造業工廠的邊緣運算、醫院的機台，也是需求非常大的產業，因為體積小、性能強大，能夠非常穩定地支應每日營運的使用需求。

接手一年，華碩已經推出自家主導開發的3款新產品。其中，也包含AI NUC，在華碩NUC銷量中已經有20%佔比，預期在AI PC商機帶動下能在明年達到50%佔比。

在相對疲軟、多年成長都僅個位數的整體PC市場相比，NUC成長性相當好， 華碩NUC在2024預期帶動營收成長15%，明年期待在產品線擴大之下，再向上成長25%。

納入英特爾百名員工，組成「混血軍團」

要進行如此龐大的事業體轉移，華碩壓力也不小，趙國維分享，華碩和英特爾雙方從2023年6月開始討論可能性，9月真正接手，只花了短短3個月時間，要解決雙方組織整合、客戶承接、拉出產品發展計劃，每一項都是大工程。

會如此「心急」的原因，就是擔心對原有商用客戶帶來衝擊，「和消費性市場不同，商用或工控的客戶都是很討厭變化的，希望一次導入就簽約3-5年，都穩穩地用下去最好。」趙國維說，因此華碩接手全球數千名用戶後，後馬上拉出未來產品線發展計畫，溝通未來合作方式，並承諾持續保障服務品質。

趙國維指出，因為華碩和英特爾長達30年的深度合作，對大多數客戶來說是「熟面孔」，減少信任問題，加上華碩橫跨全球的服務團隊，在客戶承接上並不是最困難的任務。反而是內部組織整合，相對困難。

目前NUC事業部的團隊，包含PM、研發團隊、後期維修服務等人員就有接近150人，其中台灣、美國人員各半，華碩和英特爾的人員也是各半，儼然成為一支「混血軍團」。

趙國維指出，雙方的在產品、技術、溝通上的「語言」都不相同，分工定義也不一定，短時間內要把組織整合、彼此了解相當不容易，但不同文化之間的交流和火花，也讓這個團隊的力量更加茁壯。

趙國維認為，華碩在製造研發的DNA，也成為和蘋果、DELL等對手競爭的優勢。例如，華碩加強AIOT、工控領域經營，就和蘋果鎖定影音創作者等客群做出差異化，有效細分市場，持續推出創新的產品。

責任編輯：李先泰

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。