量身訂做理財情報|數位時代 BusinessNext

「這些其實都是過去大型券商一直想做都做不起來的一塊，」現任嘉實資訊執行長的王貞海說。這位曾任元大證券副總、元大投信總經理與統一證券執行副總的金融老將，「數字敏感度極高，設計管理報表及行銷能力相當強，」過去為王貞海部屬的嘉實資訊企劃部副總林昆諒形容。
之所以能請到王貞海坐鎮這個年輕的網路團隊，今年35歲的嘉實總經理李政霖說：「去年3月剛創業時，為了幫朋友尋找金融專業經理人，因而拜訪當時任職統一證券的老長官王貞海，沒想到卻因此種下合作契機。」
當時王貞海正準備推「全民利多」免費電腦專案，便問李政霖是否能介紹資訊設計公司給他。「當時便直覺我們可勝任，」他回憶，當天下午四點回去，與三位台大資工系畢業的創業夥伴溝通需求，七點半便接到「Sample已經好了」的電話，成為嘉實與大型券商合作的起點。
目前這支擁有十餘年證券金融經驗的經營團隊，已先後與20多家如元大、統一、元富等券商合作，以建立網路盤後分析系統、收集整理研究報告以及提供電子郵件發送機制等為公司爭取營收，「自今年2月已出現利潤，」李政霖說。從過去直接服務券商，嘉實目前正著手的網路投顧平台，可說是從B2B延伸服務戰線，擴大到直接面對投資大眾（B2C）。
「外國的月亮不一定比較圓，」王貞海指出。在成熟的股票市場，券商所能收取手續費的高低，決定於研究品質好壞，這也是為什麼美林證券手續費高，卻仍吸引諸多投資大戶趨之若鶩。
而在國內，卻沒有一套便捷機制明顯分出券商研究品質的落差，網路投顧的推動，目的是仿效國外個股評級制度（Rating System），建立比較機制。「我們對個股評級有明確定義，投資人可清楚看到券商對個股的態度（如逢低買進、賣出等），」李政霖指出，投資人也可經由日後股價檢驗，看出哪家投顧的推薦與市場趨勢最貼近。
換句話說，網路投顧建立了一個讓投顧在此「華山論劍」的舞台，「讓投顧們不得不全力以赴，」參與這個平台的建弘投顧副總林英貴如此形容。
對大型券商所屬投顧來說，過去只能服務自己集團客戶，現在藉此則可增加成果展示的管道；但另一方面，也如同在百貨公司開精品店般，隔鄰就是同業，因此研究報告的質與量顯而易見，競爭也更激烈。
目前網路投顧是免費提供服務，但「白吃的午餐」究竟能持續多久？
「如果投資人需要更明確如多少價格買進或賣出等投資建議，我不認為免費提供是長久之計，」李政霖表示。相較於第四台或0204語音服務動輒上萬元的會費，嘉實未來將以每篇數十元的價格，把看與不看、或選擇哪家投顧報告來看等選擇權交給投資人，「這個平台若能順利運作，對投資人、投顧業者與嘉實是三贏的合作，」王貞海也說。
想為自己的投資找一個可以為之起舞的理由嗎？或許這個旗下還有基金、花店甚至育兒等網站的DJ系列家族，可提供您眼睛一亮的選擇。

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。