開放式創新 在Web 2.0如虎添翼
開放式創新 在Web 2.0如虎添翼
2007.07.01 | 人物

英特爾(Intel)的成功讓創始人摩爾(Gordon E. Moore)和八、九○年代的總舵手葛洛夫(Andy Grove)成了科技界的傳奇人物。然而,英特爾卻不是一般的科技公司。我們認為科技公司的研究發展一定具有高度比重,但英特爾不一樣,它的優勢並不是研發,而是讓夥伴幫它研發的能力。

這如何解釋呢?我們可以這麼比喻,一般公司的研發是垂直式的,而英特爾是平行的。垂直式的研發由研發部門主導,研究成果出爐之後由發展單位開發成產品。產品可能由公司本身或下游的OEM負責生產,最後產品由行銷部門出售。

但英特爾的方式就大異其趣了,它掌握關鍵核心能力,而其他的研發則以合作的方式進行。它的核心能力是半導體產品製造技術,還有一般人忽略的流程改進。掌握這些,英特爾將產品研發交給了以它為中心的研發系統。

英特爾的研發系統是以其研究理事會(Research Council)為核心。這個組織的功能超過了研發部門,建構並協調一個個研究社群,社群的每一個單元接受英特爾的資助。大學就是一個典型的研究單元。

公司付出有限但分享到的成果無限
英特爾要讓「Intel Inside」真正成為事實,絕對不僅靠著它的產品品質,還包括長期經營的夥伴關係。和我們傳統上認為大公司經常採取的生產垂直整合策略不同,英特爾走向市場的連橫。它投資其他硬體廠,這些廠商就成了英特爾的忠實顧客。它也研究未來電腦架構,據以設計下一代半導體產品,這樣就主導硬體廠的生產方向。

英特爾說明了開放式創新的威力。簡單地說,開放式創新就是將組織外圍也納入創新研究的平台,研究成果可以是專屬的,但更多是共同擁有、甚至是免費的。開放式創新者認為,公司沒法將所有的研究訴諸內部,原因很多,主要有二:

一、知識的分布愈來愈平面化,內部所能掌控的知識技術比重愈來愈少:全球化、教育普及、教學設備進步都是知識普及的原因,只有訴諸外部才能全面地研發。因此,英特爾大舉和學術研究單位合作,充分運用此一公開資源。

二、內部研究往往受限於公司的目標:和目標無關的研究往往認為沒有遠景,但這類研究卻可能對公司產生神來一筆的效用。例如Ethernet和GUI(圖形化使用者介面)是Xerox研發出來的,可是Xerox卻認為這兩件產品和其目標「辦公室自動化」關係不大,而遭到冷落。可是Ethernet和GUI卻在個人電腦領域起了革命性的影響。

開放式創新是企業的致命優勢
開放式創新雖然某種程度上是分享,公司的研究成果也讓別人享用,但付出成果的公司依然可以從中得利。IBM的公司策略副總裁(Vice President for Corporate Strategy)寇里(Joel Cawley)曾這樣描寫開放創新對該公司的助益。他說,IBM每年大約花上一百萬美元發展Linux,其中五十萬發展只對自己有用的產品,另外一半則是對Linux一般性功能的提升。全球發展Linux的經費每年大約是九百萬美元,其中也是一半用於一般性效用。如此看來,IBM在Linux上的投資是一百萬元,但所得到的效益卻值五百萬。

當創新是以整個網際網路為平台,就表示個別公司付出有限,但分享到的成果卻可以無限。甚至像維基百科,少數人奉獻,但全世界都蒙其利。

Web 2.0讓開放式創新更有意義。首先,研究工作在過去是高度風險的。我們不知道研究是否可以成功、問題是否可以解決;我們也很難預測市場未來方向,也不知道研究成果是否可以商業化。但透過Web 2.0,研究平台全球化、研究社群更具有自主性,個別研究主題之多寡、研發者興趣的動向,正可以作為判斷市場趨勢的依據,如此降低市場風險。

因為Web 2.0,知識的平面化更為顯著,而平面化知識的參與則更為容易,這就像是維基百科的原理。過去英特爾必須砸下重金,穩固其顧客關係與研究社群,但如今這項成本降低了。因為參與的容易程度提高,也就提升了參與率,連帶降低了投資風險。

Internet存在網路效果(Network Effect),也就是說,網路的參與者愈多,個別的效益也就愈大。這正是Web 2.0的致命優勢。Web 1.0的網路效果主要是在內容上、消費上,而Web 2.0除了在此延續這一效果外,參與本身就是效用的來源,因為愈多人參與,參與者得到的交流也就愈多。如此,網路效果在商業關係就能成功實踐。開放式創新正是運用它成為企業的致命優勢。

自從波特(Michael Porter)提出創新是企業競爭優勢的不二法門,創新理論也經歷了許多變遷。企業逐漸了解,創新本身也不能一成不變、也需創新。在Web 2.0時代,創造創新、邁越前塵的機會遍布全球。一旦勢成,影響力也是全球性的,而且速度之快,前所未有。正因如此,也唯獨開放式創新才能適應創新的速度。

封閉和開放式創新原則比一比

**封閉式創新原則
**●這領域的人才為我所用
●研發的利潤來自開發、發展、裝運,都由自己負責
●如果發現來自本身,我們就可以成為市場的先驅
●將創新推向市場的先驅獲勝
●如果我們創造最多最好的概念,我們就是贏家
●我們必須控制智慧財產,這樣競爭者就不會從中取得利潤

開放式創新原則
●並非全數為我所用,我們必須和人才在公司內外共同合作
●外部研發可能創造顯著的價值,而內部研發的工作就是取得這些價值
●要獲得利潤,不見得要成為研究的原創者
●建構優良的商業模式,比成為市場先驅更重要
●如果我們善於利用外部化的概念,我們就是贏家
●我們應該從分享智慧財產中獲利。如果他人的智財可以提升我們的商業模式,我們也應當購買

資料來源:http://www.openinnovation.eu/openinnovatie.php

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