西雅圖的鮭魚文化|數位時代 BusinessNext

一位在華大（University of Washington）念碩士的朋友跟我聊起地景建築系的課程，她告訴我，幾乎每堂課、每個設計案都跟鮭魚脫不了關係，從小尺度的街道設計到大規模的社區開發案，老師總要求學生替鮭魚著想，力求設計的環境不會對鮭魚產生負面衝擊。明明是來學設計的，卻無一事不扯上鮭魚，朋友開玩笑地說，她根本是在念鮭魚學校！

鮭魚在西雅圖可以說是巨星級的保育動物。鮭魚為什麼那麼重要？過去，鮭魚是印地安人主要的食物來源，也是重要的文化和精神象徵。曾經，在迴游的季節，成千上萬的鮭魚爭相逆流而上，回到出生地孕育下一代，在西雅圖侵墾的歐洲白人眼裡，是捕之不盡、撈之不竭的便宜事。然而，大規模的商業撈捕加上都市開發的環境破壞，今天，許多都市河川甚至再也看不到鮭魚，西雅圖人知道事情大條了，得盡快採取行動。保育的行動，就是讓西雅圖成為一個對鮭魚友善的城市（Salmon Friendly Seattle）。負責公共設施的西雅圖工務局，努力減少都市排水對河川棲地的破壞，同時在從河川取水以滿足市民飲用水需求之際，也不忘確保鮭魚所需的水量與水文。西雅圖所在的國王縣（King County），則針對每個河川流域量身定做專門的鮭魚復育計畫。整個西北地區，無數的政府單位和環保團體還提供相關的手冊，教人們如何在生活中保護鮭魚，甚至還有「如何成為鮭魚友善的園丁」的小秘笈。也有在地的藝術家免費發送會隨時間慢慢消失的鮭魚版畫，提醒人們鮭魚瀕臨絕種的處境。

雖然鮭魚仍是西雅圖鎂光燈的最愛，但今天保育的觀念其實已經改變，專家學者不再將火力集中在明星物種的保護，而開始強調生物多樣性，讓多元的物種能夠在西雅圖棲息繁衍。西雅圖的鮭魚保育，已經擴大成為整體的環境保護意識，而且不只是政府與學院，連私人機關也越來越重視環保。

我曾經任職的規劃設計事務所，每年都投入許多心力，讓事務所的營運越來越環保。事實上，這幾年西雅圖許多規劃設計事務所都興起環保風。有趣的是，事務所彼此之間除了在專業上競爭，還會在環保作為上互相較勁，例如比較誰家騎腳踏車上班而不開車的員工比較多，或誰家擁有較高比例的綠建築專業認證人員等等，真是精采的良性競爭。在西雅圖住了四年多，朋友慢慢發現我開口閉口都是環境生態，猛然發現，原來自己不知不覺被西雅圖改變了。幾年來，在西雅圖的鮭魚文化和環保意識的薰陶下，我慢慢探索生活中的生態衝擊，我開始減少消費、選擇有機產品、拒絕吃牛肉。最令自己訝異的是，從前對自然科學敬而遠之的我，現在著迷於水文生態。回頭看看我成長的城市──台北，台北有沒有會改變人的文化呢？我開始好奇，如果一個外國人在台北住了三、四年以後，會「沾染」上什麼樣的文化呢？

關於作者廖桂賢：
台灣大學經濟系學士、賓夕法尼亞大學（University of Pennsylvania）地景建築碩士，目前於華盛頓大學（University of Washington）攻讀博士中。

部落格~西雅圖凹凸鏡（http://blog.yam.com/kueihsienl）

其他地球村二月記事
赫爾辛基/令人愉悅的北歐酷都/凃翠珊
紐約/名牌歐巴馬/林以潔
里昂/日安，總統先生/林怡廷
 柏林/以瑜珈為名/陳祐蓁
 東京/沒有菸味的計程車/酪梨壽司

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。