在復甦行情中淘金
在復甦行情中淘金
2001.01.01 | 科技

原諒現在這些彷如驚弓之鳥的投資大眾吧!每個投資人,都驚惶失措地納悶道,自己該往哪裡去?經濟發展慢了下來,政治的前景不明,美好的昔日(隨便撿支股票、都享有點石成金之樂的那個年代),已經遠去了;原本的股王之王,現在卻一敗塗地。科技股?2000年的科技股掉了28.5%;電信股?滑落了32.8%。2000年的贏家,竟然是(水、電、瓦斯等)公共事業股、醫療股,和銀行股,直叫人跌破眼鏡!還有什麼比這更令人灰心呢?
嘿!開心一點吧。2001年的景氣即將復甦,前提是,你得先知道績優股要上哪兒找。先恭喜你,因為尋寶圖就在你眼前。

**選股技巧相對重要

**
不用懷疑,現在要投資,是比兩年前困難得多;展望2001年投資前景,並不像2000年Nasdaq的驚險萬狀,也不會大起大落地像道瓊指數。基本上,美國的經濟是很健康的:參與本調查的54位經濟學家,預料美國2001年的經濟成長率是3.1%。緊張的投資人,可能會以攀升的油價,或者自由落體般的美元,構築出世界末日就要到來的連環場景。但是聯邦準備理事會主席葛林史班鎮守一旁,嚴防景氣滑落;而華府各方勢力雖不相上下,膺任總統的小布希,未來只能小心行事,但適度的減稅方案,應該是可被期待的。
華爾街指望的多頭是,在聯邦儲備率(Fed rate)削減後,可帶動景氣的回升。而主流派的華爾街投資人不以為然:只有32%的受訪者,認為2001年的股市會上揚。這是5年以來,最空頭的調查結果;不過現在的投資人,指望的已不是整體的景氣,而是本身的選股技巧。79%的受訪者認為,他們自己會比市場更高明。
股票要怎麼選?不妨先從非科技類高成長個股,以及小、中型資本額的股票開始下手。這些股票,有不少是屬於舊經濟的範疇;由於開放民營與善用科技,舊經濟吸引了新血輪,加入工業與服務業的行列。而考慮海外股的投資者,歐洲的股票,會比亞洲或拉丁美洲的股票更被看好。
雖然與2000年3月的最高點相較,Nasdaq已滑落40%。但是科技類股中,寫軟體的公司、製造資料儲存設備的公司,應該都會大發利市;甚至還可以在主機代管(web-hosting)和網路安全提供者(net-security provider)等.com類股中挖到寶。
如果這些類股都還不夠勁,那麼起落不定且富含.com風味的生化類股,保證讓你又愛又恨。生化類股中,已有350種正在進行臨床實驗的治療方法,又有充足的現金資助這些產品上市。長期而言,投資生化類股,應有豐厚的回饋。
2000年給我們的教訓是:世界一切沒有保證。1990年代咸認定「萬無一失」的好股,轉眼卻成了21世紀大陷阱。今日做投資,少不了的是研究、遠見、以及膽量。有了本專題在手,您起碼三者中有二;如何?就以此來展開新的一年吧!

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