是誰獵殺了紅色四月?
是誰獵殺了紅色四月?
2000.05.01 | 科技

雲淡風清的四月天,在矽谷的街道上,人們相遇的第一句話卻是:「這一切結束了嗎?」
持續多年多頭行情的美國那斯達克股市,卻在短短一個月內下跌超過三成。「新經濟概念股」,被認為是這一波股市下挫的元兇,雅虎跌幅超過三成,和信超媒體超過五成,EToys更高達九成以上。影響所及,告別「新經濟」的聲音,逐漸蔓延。

**什麼是新經濟,anyway?

**
要了解股市下挫對「新經濟」的影響,必須先釐清什麼是「新經濟」?媒體、經濟學家、未來學家、和華爾街分析師眼中的「新經濟」,其實是包含了一組既相關、卻又不盡然相同的概念的名詞:
◆新經濟指的是90年代美國持續的經濟擴張,同時又能夠維持低通貨膨脹率、低失業率的總體經濟現象;
◆新經濟指的資訊科技和網際網路所帶動的經濟成長;
◆新經濟指的是網際網路的發明,和網路所帶動的經濟和社會轉型。也就是說,新經濟就是網路經濟;
◆新經濟指的是網路和資訊科技類股所帶動的美國股市榮景。
美國「官方」觀點下的新經濟,可以用美國聯邦儲備理事會主席葛林斯潘的看法為代表。葛林斯潘認為,美國企業自從1980年代末期以來持續在資訊和通訊設備上的投資,是層面更廣的技術與經濟轉型的重要關鍵。葛林斯潘相信,美國是處於整個二十世紀絕無僅有的時光,科技的創新與發明從根地改變了經濟架構。資訊科技的普及,讓不斷更新的資訊變得垂手可得,從而改進了企業的經營效率;生產的規劃變得更加容易;庫存得以降低;運送的時間縮短了;通路的本質則全然被改寫。基於這樣的信念,美國的聯邦儲備理事會在整個90 末期都採取了較為寬鬆的貨幣政策。

**真有新經濟嗎?

**
但是經濟學家克魯曼則認為,「生產力」才是經濟領域中,唯一重要的事情。只有生產力顯著地提昇,才有所謂的「新經濟」。從統計數字上來看,美國非農業部門的生產力提昇,的確讓人耳目一新。自從1996年以來,美國的生產力每年有2.2%的平均成長率,過去25%年來的平均成長率則只有1%左右。生產力的增長在1998年下半年更跳升到3.4%,1999年第一季則是3.5%。經濟學人指出,除非這樣的生產力增長能夠持續,「新經濟」之說才能成立。
然而,西北大學的經濟學教授高登(Robert Gordon)指出,從1995年第四季到1999年第一季這段期間,電腦製造部門的生產力大幅提昇了將近42%,所以儘管電腦製造部門僅佔美國總體經濟產出的1.2%,這樣的成長幅度仍足以推升總體經濟的生產力。換句話說,資訊科技部門本身的成長有著無與倫比的力量,但是對其他經濟部門生產力的影響,「要不是小到無法察覺,就是根本是負面的,」高登說。
生產力提昇有限,為何先前股市能夠大漲?為何又能維持低通貨膨脹率?《經濟學人》雜誌指出,低通貨膨脹率和低失業率之間的關係,本來就不需要靠一套「新經濟」理論來解釋,一些小小的舊理論的結合,就足以說明過去幾年來美國股市為何得以持續上漲,卻又有著低通貨膨脹率:強勢美元、低物價、華爾街的力量、美國以外地區(例如97'~99的亞洲)的循環性經濟低潮、和非薪資的勞動成本壓力減輕等等。

**哪個「新經濟」完蛋了?

**
美國過去幾年來因高經濟成長率、低通貨膨脹率和低失業率「同時」存在而浮現的「新經濟」奇景,很可能也就是資訊科技部門的生產力驟然大幅翻揚的「偶然」結果,而不是全新的總體經濟結構轉變。美國股市的漲漲跌跌,既不是因這樣的「新經濟」而浮現,當然也就不是因為這樣的「新經濟」破滅而下跌。
資訊科技部門的成長,是美國90年代經濟發展的主要動力,則是無庸置疑的事實。根據美國商務部的統計,數位經濟-包括電腦軟硬體和電訊產業約佔美國國民生產毛額的8%,卻佔有自1994年以來實質國民生產毛額增長率的35%。就連一向對「新經濟」的概念多所保留的《經濟學人》都為文表示:「如果新經濟指的是更多的科技公司和工作者,這是毫無爭議的」。

**沒趕上新經濟熱潮嗎?很正常!

**
網路股大跌,網路公司的營運面臨空前未有的風聲鶴唳。道瓊集團旗下的媒體公司Barron's和網路評量公司Pegasus Research所提出的研究報告指出,207家的網路公司當中,將會有51家因現金流量不足,而在一年內以倒閉收場;花旗/旅行家集團的共同執行長威爾(Standford Weill)預言,八成的網路公司會在五年內消失;專業網路研究機構Forrester Research則預測,大部分的網路零售商將在2001年以前結束營運。
美國「投資之神」華倫巴菲特(Warren Buffett)說:「想從社會轉型中獲利,風險從來就沒有低過。」從來不投資科技股巴菲特在一次演講中提到,他其實由衷地相信,徹底改變人類生活的資訊革命早已到來。只是巴菲特也提醒我們,多少人從過去的產業大變革中致富呢?少得可憐!巴菲特舉世紀初兩個同樣對社會轉型造成重大影響的產業為例:汽車和飛機工業。
汽車工業草創之際,全美國至少有兩千家以上的製造商,如果你在汽車工業的初期階段就知道這個產業大有可為,你或許會說,「正這是通往財富之路」。歷史證明,二十世紀的確可以說是汽車的世紀,但是到了二十世紀的九○年代末期,當初的兩千家汽車製造商經過慘烈地廝殺,只剩下對投資人沒有特別吸引力的三家主要汽車廠。飛機工業的狀況也很類似,在1919到1939年這段期間,美國大概有三百家飛機製造商,到了現在,碩果僅存的則不到五家。汽車和飛機工業對美國社會與經濟產生重大的影響,但是對多數的投資人而言,沒有。 
巴菲特感慨地說,「就算你了解汽車的重要性,要選擇可以讓你賺錢的公司,仍舊很困難。」
社會大轉型的年代,計算輸家可能還來得比較容易一些。
時代的浪潮終究要淘汰多數的網路公司,要比股市的震盪更為嚴苛。

**網路新經濟與股市

**
事實上,管理學大師彼得杜拉克對此早有洞見。杜拉克指出,工業革命初期的一些產業,像是布料、鋼鐵和鐵路等等,也曾經在一夜之間,創造出許多的產業鉅子、百萬富翁,像是作家巴爾札克筆下的銀行家,或是文豪狄更生所描寫的鋼鐵大亨。工業革命以後所浮現的新產業,同樣創造了許多的百萬富翁,只是他們不再能光靠時機和運氣而一夜致富,而是二十年的苦幹實幹、越挫越勇才獲得的成就。
杜拉克的真知灼見在於告訴我們,光靠股市狂熱,不可能撐起一個新時代的榮光。
荷蘭在十七世紀所引爆的鬱金香狂熱,在1636年達到最高峰,當時一顆鬱金香球莖的價格,可以換得二十七公噸小麥、五十公噸裸麥、四頭牛、八條豬、十二隻羊、外加成堆的酒類和布料。如今,金融投機早已為人所淡忘,但是荷蘭,三百多年來,卻是全球色彩最繽紛的花卉王國。
杜拉克認為,網路及網路所帶動的電子商務,終將會成為全球傳遞與流通商品、服務、甚至是管理與專業性工作的最主要方式,從根改變經濟、市場、與產業結構,更重要的是,我們看待這世界,和我們身處這新世界的方式。
楊致遠、貝佐斯的一夜致富,只是證明了我們正處在一個新時代的開端。「新經濟」的實質影響力仍舊那樣有限,我們如果期待資訊科技和網際網路所帶來的經濟和社會轉型,所當要求的,理應是二十年以上的胼手胝足打造,而不僅只是仰望股市的短期漲跌。
楊致遠雖然身價非凡,但他仍是一個努力無比的工作者,每天工作12個小時以上,他的創業夥伴菲羅(David Filo),仍然常在公司打地舖,以解決突如其來的技術問題,「我們一心作的事,是把Yahoo!打造成一個服務顧客的公司,」坐在矽谷的速食店裡,楊致遠對慣常於摩天大樓頂層CEO辦公室採訪的Fortune主編說道。
如果「新經濟」指的是網路和資訊科技,及其所帶來經濟活動和人類生活的變革,是沒有太大的疑問的。但是經濟學家的統計數字也告訴我們,網際網路和資訊科技產業的發展本身沸沸揚揚,對總體經濟生產力的提昇,卻像是黎明的曙光,耀眼卻不炙熱,還有很長的路要走。
至於股市的起伏對網路新經濟的影響,則如同舊時代來來去去的金融遊戲一般,是一場無害的嘉年華會,它至少告訴了多數的旁觀者,新時代的新方向。

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