[ DIGITIMES 專訪 ] AI算力服務百家爭鳴 數位無限以ixCSP助夥伴搶攻商機

隨著企業加速推動生成式AI應用，AI模型訓練、推論與AI Agent等工作負載快速增加，帶動全球GPU算力需求持續攀升，也推升AI算力中心建設規模快速擴大，從過去單一機房逐步走向GW級超大型AI運算基地。由於企業自行建置AI算力中心的成本高昂、建置週期長，目前多半選擇租用雲端平台上的AI Cloud或GPU Cloud服務，也吸引算力中心與雲端服務業者持續加碼投資，搶攻快速成長的AI算力服務商機。

只是在全球AI算力中心競爭日趨白熱化下，業者正面臨如何快速將龐大投資回收的挑戰。為此，數位無限以備受好評的AI-Stack為基礎，進一步推出專為AI算力服務場景設計的ixCSP，提供 GPUaaS（GPU as a Service）、MaaS（Model as a Service）與 TaaS (Token as a Service)等功能，協助算力中心與雲端業者快速建立AI服務營運能力，搶進快速崛起的Token經濟市場。截至目前為止，數位無限ixCSP已獲得台灣的圓興智算、 SiGTRON，以及日本知名雲端業者等採用，藉此縮短AI算力投資的回收週期。

INFINITIX 數位無限執行長陳文裕說，AI算力中心已從單純GPU資源競爭走向服務競爭，尤其在推論需求持續擴大趨勢下，資源調度效率、使用率與商業化能力、成本，以及整體穩定性等，將直接決定在產業中的競爭力。數位無限推出ixCSP目的，正是希望協助業者擴大算力服務範疇，在單純的GPU資源租用服務外，還能進一步把算力資源轉化為可依模型、Token等計價的服務模式，成為持續創造收益的新型數位資產。

AI算力服務升級  從GPU租賃走向模型與Token計價模式

算力中心、雲端業者等提供AI算力服務多年，早期大多採取裸機租賃（Bare Metal）或GPU租賃模式，企業在取得硬體資源後，依照AI專案需求自行建置環境與部署大語言模型。但在AI Agent應用服務大爆發下，產業對AI算力服務需求已從單純租用GPU資源，延伸到租用大語言模型，以及Token計價的算力服務等，也驅動AI算力中心朝向AI Factory發展。

陳文裕表示，許多算力中心業者過往以提供GPU資源租用服務為主，面對企業需求快速改變，若要自行籌組軟體開發團隊，恐怕很難在短時間內提供MaaS、TaaS等業務，難保不會陷入被市場淘汰的命運。數位無限 ixCSP是以AI服務化為核心設計，可協助業者將AI算力升級為更高附加價值的AI服務平台，達到有效提高資源利用率，與提升營運收益的目標。

數位無限ixCSP主要提供三種功能，其中GPUaaS主要提供GPU資源租用與管理服務，讓客戶能透過線上方式取得所需算力；MaaS則是提供大語言模型租用服務，免去企業自行建置複雜環境的困擾。最後，TaaS則提供將AI能力轉換為Token計價模式，滿足企業導入AI Agent服務的需求。

如此一來，AI算力中心業者不僅能提升GPU資源使用率，更能進一步從單純的硬體租賃，延伸至模型服務與Token經濟的新商業模式，在AI Agent應用快速成長的市場中，建立更具彈性與競爭力的營運優勢。

AI Stack功能強大  GPU資源最佳化解方

早在生成式AI爆發之前，數位無限便推出AI Stack，初期聚焦於企業GPU資源管理市場。此產品可解決GPU資源分配與共享問題，提供GPU切割、資源調度、工作排程、使用監控與資源盤點等功能，協助企業提高GPU利用效率，將昂貴硬體投資發揮到極致。

隨著生成式AI技術日益成熟，帶動企業導入大型語言模型的浪潮。為讓AI伺服器發揮最大效益，許多企業選擇採用數位無限的AI-Stack，作為管理AI基礎設施與GPU資源的工具。截至目前為止，成功案例遍及半導體、製造、醫療、政府與金融等領域，如高醫、國立台北科技大學、數位發展部、日本精密製造大廠Union Tool等。

「相較於其他品牌，AI-Stack是針對大型企業的應用場景設計，整合GPU切割技術、GPU多片聚合技術、跨節點運算、直覺性的使用者介面、容器化與MLOps流程、開源深度學習工具、環境部署等功能，讓企業輕鬆解決 AI 快速迭代帶來的挑戰。」陳文裕解釋：「當然，市面上也有開源軟體可提供AI基礎設施管理，但在AI晶片更新速度極快，早已無法滿足企業的營運需求，許多客戶最終都選擇改用AI-Stack。」

數位無限（INFINITIX）執行長 陳文裕

布局模型與AI Agent治理  擘劃AI服務生態系

隨著落地大型語言模型、推論服務、AI Agent等逐步落地，數位無限認為企業面臨挑戰已經不只是AI算力是否足夠，更有「模型能不能被有效管理」、「誰可以使用哪些模型」，甚至是「代理人如何被監管」。尤其當企業內部開始同時使用開源模型、自建模型與外部API服務，整體模型環境快速變得複雜，若缺乏統一治理機制，不僅容易出現資源浪費，也可能帶來資安與法遵風險。

陳文裕表示，「我們正持續強化AI-Stack在推論層面的能力，透過KV Cache管理、Session管理、Context管理，以及推論資源調度等技術搭配，可將推論輸出效率提升40~400%，讓相同GPU資源可服務更多使用者與AI應用。此外，我們也規劃加入模型治理能力、代理人管理等功能，讓企業不只能管理模型本身，也能管理代理人的存取權限、互動路徑與行為記錄，形成完整的可追蹤機制。企業透過統一入口，可清楚知道哪些Agent正在使用哪些模型、耗用多少Token，以及是否符合內部治理規範。」

隨著大型語言模型、推論服務與AI Agent應用快速普及，企業對AI基礎設施的需求，已從單純追求算力規模，轉向更重視模型治理、資源調度效率與代理人管理能力。數位無限預計於2026年下半推出首個聚焦Coding場景的Agent解決方案，作為AI Agent商業化落地的第一步。未來也將攜手更多合作夥伴，逐步建立完整的AI Agent生態系，協助企業與算力服務業者在下一波AI經濟浪潮中搶佔先機。

（圖文來源：DIGITIMES ）