IA浪頭上的先驅者|數位時代 BusinessNext

Linux最大的時代意義，就在於使硬體設備脫離「一黨獨大」的軟體束縛。製造商可以省掉許多成本，消費者用起來可以有「量身定做」的親切感，而且再也不必為升級傷腦筋。
由宏碁董事長施振榮投資的的騰研科技，就是資訊家電（IA）與Linux兩股潮流交會下的新生兒。

**台灣搶攻全球IA市場

**
根據資策會及IDC的統計資料，至西元2005年時，台灣資訊家電的產量，將佔全球的39%，在前景看好的情況下，國內數十家資訊業者在2月份成立了「資訊家電聯盟」，準備搶攻IA市場，除了台灣原本在硬體製造上的優勢外，Linux的風潮，更讓業者掙脫微軟的束縛，有機會與世界大廠一拼。
以Linux發展「嵌入式系統」(embedded system)及軟體元件為主力的騰研科技，被視為台灣向IA投石問路的先驅者。資訊家電由於使用功能固定，不必像PC必須具有全面機能，因此將操作功能的軟體程式「崁入」到晶片中，既省錢也可省下另一顆IC所佔的空間。而運用開放程式碼的Linux來寫作程式，大幅降低開發成本，則是最佳解決方案。
走進騰研科技，接待櫃台上放著一個企鵝絨毛玩具、一個中型的橡膠蝙蝠俠造型玩偶，還有一個銅製的唐吉珂德立像，已經浸淫在PC操作系統（OS）世界十多年的李照賢，是騰研技術團隊的重要人物，他說，看似不搭調的東西，分別代表了開放的精神、戰鬥的勇氣以及對夢想的執著，這就是騰研的經營態度。騰研主要開發團隊，原本是宏碁、交大、中研院三方合作案的研究人員，後來，施振榮看好Linux及IA的發展前景，去年7月，先以個人的名義，投資成立了騰研科技，並找來原任德碁半導體總裁的呂理達，擔任董事長，負責業務開發的工作，還提供龍潭渴望村的別墅，當作騰研的辦公室。

**決勝關鍵在於妥善的開發優先順序

**
與上網機頂盒（Set-top Box）、晶片組、PDA等台灣OEM廠商合作，是現階段的主要策略，宏碁是其中最大的客戶，約佔全部的50％。呂理達表示，騰研的技術實力是他們最大的競爭利器，一位同樣從事軟體開發的工程師便說，「李照賢等人的實力，讓我們看好騰研的發展。」。但呂理達也指出，騰研最大的挑戰在於能否掌握客戶的「優先需求」（priority）。他說，每個客戶都希望自己的需求早點被開發出來，所以如何安排產品開發的優先順序，是騰研面對龐大市場時，決勝的關鍵。
施振榮與宏碁集團的支持，的確讓騰研的第一步走得比較順遂，但是這背後也有一些隱憂，呂理達說，作為一個獨立運作的公司，合作的關係的拿捏，對騰研未來的發展會有一定的影響，因為採用Linux開放原始碼的標準，業者擔心委託騰研開發的元件，會提早外流而影響公司產品的競爭力。「我們相信未來合作關係會取代競爭的關係，」李照賢說，單打獨鬥的時代過去，唯有以開放的心態面對市場變化，才能真正創造出產品的價值，這也是開放原始碼運動對社會最大的意義。

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。