機械寵物Pleo會哭會笑有個性|數位時代 BusinessNext

相信大家還記得幾年前新力（Sony）推出的愛寶（Aibo）機械狗寵物，二○○一年在市場推出後，引發全球熱烈討論，似乎可以預見未來的人類世界中，機械人、機械寵物將是不可或缺的成員，機械人「人性化」（擬真）的程度，也將滿足人類新的生活需求。

被美國《時代》雜誌（Time）評選為二○○六年最佳創意科技玩具的Pleo，真皮觸感的皮膚、學習互動的設計、人性化的個性及學習能力，讓冰冷的機械開始具備生物的特質。Pleo正象徵著未來的機械人、機械寵物，與「真實」之間的差異將不遠。

Pleo所具備的人性化特點，主要是在這個大小與一隻小貓或小狗差不多，體重只有一．四八公斤（三．三磅）的機械寵物中，安裝了三十四個感應裝置、八個處理器，主要目的在接收外界的光線、聲音、狀態，經過處理器以每秒六千萬次的計算來處理外界接收的資訊，最後可以經由生命形態系統（life form operating system），讓Pleo具備感知、學習與互動的能力，賦予真實生命的人性化表現。

不論是愛寶狗、i-Cybie電子狗或是Pleo寵物恐龍，最重要的核心技術是人工智慧的應用及學習。新力就宣稱愛寶狗的大腦是會「長大」的，具備學習後成長的空間。而Pleo除了眾多感應器組成的感應與控制系統，可以處理大量蒐集來的外界資訊，更重要的就是生命形態系統的運作，這套系統提供人工智慧的學習及累積。
發明Pleo的Ugobe Life Forms執行長鮑伯．克里斯多夫（Bob Christopher）表示：「Pleo可以做出上百種的情緒表現，就跟人的情緒一樣可以多變化的。」牠會有快樂、悲傷等不同的情緒表現，透過鳴叫、嘶吼、跑、坐、舉手等不同聲音音調及動作來呈現。Pleo的行為模式是可以訓練的，如果主人把Pleo訓練成和善的，牠與別人互動時就會比較友善，而這些行為模式資料可以儲存，並傳送給另一隻Pleo安裝，安裝後也會有相同的行為，例如跳舞行為。

根據國際機器人協會及聯合國歐洲經濟委員會的統計資料，二○○三年全球服務型機器人已經有五十四萬台，預估二○○四到二○○七年間，數量將成長到六百七十萬台，市價總值接近一百億美元。人性化的機械人或機械寵物，未來可能也會有身分證。

近年來的電子寵物一覽
2001/03
愛寶（Aibo）
日本新力電子
愛寶狗至今已有7個系列

2001/09
i-Cybie電子狗
香港銀輝玩具
號稱是第一隻具有情緒及性格的機械寵物

2006/02
毛怪Elmo
美國T.M.X.
去年美國聖誕節假期最受小朋友歡迎的電子寵物娃娃

2006/04
Genibo電子玩具狗
韓國Dasatech
小獵狐狗造型的Geniboe，可以用藍芽方式控制

2006/12
Pleo電子寵物恐龍
美國Ugobe
生物擬真程度最高的Pleo

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。