V神提「過渡三角形」！隱私、安全、擴容三大挑戰若沒解決，以太坊可能滅亡？|數位時代 BusinessNext

V神提「過渡三角形」！隱私、安全、擴容三大挑戰若沒解決，以太坊可能滅亡？

以太坊（Ethereum）面臨交易費變貴、速度變慢等挑戰，要維持巨量交易、安全性、良好的使用者體驗，V神點出，關乎以太坊存亡的三大挑戰。

挑戰一：L2擴展解決方案

現在以太坊的交易成本非常高，每筆交易成本約為3.75美元（約為新台幣115元），牛市（市場向上）時更可能達到82.48美元（約為新台幣2500元），若不解決區塊鏈的「塞車」問題，以太坊註定會迎來失敗。

這就能大大降低區塊鏈上的礦工費（gas fee），以及處理交易所需的時間。

「第2層擴容對以太坊的成功至關重要，如果沒有L2，以太坊就無法擴展，」區塊鏈公司OP Labs執行長Karl Floersch表示，「如果沒有規模，以太坊就永遠不可能支持全世界的運算需求，我們也無法完全實現以太坊的願景。」

挑戰二：錢包安全

使用智慧合約錢包，智慧合約就會在滿足預設條件時，自動執行設定好的行動。

特別是在現在區塊鏈數量大爆炸的時代，這能讓許多流程變得更容易。不過，錢包若沒有做好，用戶就不會願意，將手上的資金和資產存在鏈上，而會轉向中心化交易所。

為了避免複雜的恢復路徑系統，讓使用者更不方便或更危險，V神一直相當推崇「社交恢復錢包」，並認為未來可能還需要同時管理資產恢復，和加密密鑰恢復。

挑戰三：用戶隱私

區塊鏈一向強調透明、公開、透明，但V神認為，所有交易都公開供任何人查看，對許多用戶來說犧牲的隱私過多。

大多數人，都不希望讓別人知道自己錢包裡有多少錢、買過什麼幣，最終可能會導致用戶轉向隱藏數據的集中式解決方案。

隱身地址（Stealth address）可能是其中一個解決方法。隱身地址在交易時，會為雙方產生密鑰以建立一組額外的地址，並透過這個臨時地址來接收資金，這樣交易雙方的真實帳戶地址就可以獲得匿名保護。

不過，隱身地址可能會影響社交恢復的困難度，或是可能會被不法份子用來洗錢，因此具體的解決辦法以及技術目前還在持續研究中。

這三點對以太坊來說是至關重要的，但同時也相當具有挑戰性，因為要妥善解決這些問題，需要在不同領域中密切協調。要改進的不僅是協議的功能，用戶和以太坊互動的方式也需要從根本上改革，也就是說，應用程式和錢包勢必也要有所變化。

若未來以太坊真的解決了這三大挑戰，人們看到的以太坊生態也許會和現在截然不同。

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。