李占傑反而正面看待快速迭代。他認為，技術進展愈快，代表AI能帶給企業的效益也更快出現；若硬體長時間沒有突破，企業反而可能繼續等待，延後投資。

更重要的是，新一代GPU推出，並不代表上一代硬體立刻失去價值。「硬體的迭代速度快，不代表上一代、上上一代的硬體就不能用了。」他指出，CUDA等軟體平台本身即具有跨版本相容機制，企業真正需要思考的是如何管理不同世代設備，而非每次新品推出就全面汰換。

安圖斯也因此把重心從單純銷售AI Server，進一步往資源管理平台發展。

旗下Altos aiWorks，可以整合不同設備的算力資源。客戶不必一次建置大型算力中心，有些學校第一次只採購一台伺服器，算力不足後再增加第二、第三台，新增設備再納入同一平台統一管理與分配。

這種「先小後大」的部署模式，對資源有限的中小企業尤其有意義。

根據經濟部統計，2024年台灣中小企業超過171.5萬家，占全體企業98%以上。對這些企業而言，AI轉型不太可能比照大型科技公司，一開始就建置巨型資料中心；能否從一台工作站、少量GPU或特定工作流程起步，再依實際需求擴充，反而更接近多數企業的現實。

安圖斯目前推出的AI工作站，從單GPU到最高4張GPU，AI伺服器則從單GPU到最多8張GPU都有不同配置。換言之，企業可以先回答「我要解決什麼問題」，再決定需要多少算力，而非先買下一座昂貴的AI機房。

圖／AI應用快速發展，企業也開始重新思考科技帶來的機會與風險。Unsplash by Numan Ali

全上雲不一定最好！Hybrid AI成企業下一步

設備之外，另一道選擇題是：既然AWS、Microsoft Azure、Google Cloud以及各種AI API都已經相當成熟，企業為什麼還要自己買伺服器？

李占傑的答案是Hybrid。

「未來企業AI的基礎建設，一定是一種混合型架構。」

雲端最大的優勢是彈性，需要時才租用算力，不必一開始負擔大量資本支出，因此資料敏感度較低、使用量波動較大的工作，很適合放在雲端。

但當AI碰到公司內部資料、客戶個資、財務資訊或生產線即時判斷，地端的價值就會浮現。

李占傑以工廠為例，生產線一旦發生異常，系統必須立即判斷甚至停機。如果資料得先傳到遠端資料中心，處理後再傳回現場，網路延遲就可能成為風險。金融、醫療或企業機密資料，也可能因資安與法規需求，不適合直接送往公有雲。

因此，企業未來更可能依照任務分工：敏感、需要即時反應的AI工作負載留在地端；偶發、需要龐大算力或能力更強模型的工作，再使用雲端資源。

「尤其，雲端token產生的數量是不可預期的，」李占傑提到，如果使用量大，雲端產生的費用反而高昂，對學校這類固定經費的單位來說，會難以控制預算。

模型也是相同邏輯。李占傑認為，開源與閉源模型不會只剩下一方。開源模型具備部署彈性，較容易在企業地端執行；大型閉源模型通常能力強，但使用成本較高。企業可以把日常任務留在自己的基礎架構，遇到特定高難度需求時再調用雲端模型。

如同油電混合車依路況切換動力來源，AI基礎架構也逐漸走向Hybrid AI。

圖／安圖斯科技執行長李占傑。張智傑攝影。

不和大型CSP拚規模，安圖斯要接企業「不知道怎麼開始」的生意

不過，AI伺服器市場並不缺競爭者。全球大型雲端服務商（CSP）與伺服器供應鏈投入的資本規模，遠非一般企業可以相比。

安圖斯選擇另一條路。

李占傑坦言，公司並不打算正面競逐大型CSP訂單。相較於供應數千、數萬台伺服器的大型專案，他看見更多一般企業面對AI時，其實還不知道「第一步該怎麼走」。

「現在的企業在導入AI這件事情是非常陌生的，是需要協助的。AI技術迭代這麼快，我該如何投資？要投資規模多大？這件事情需要有這方面知識的合作夥伴給他們建議。」

對沒有大型IT團隊的中小企業而言，這個痛點更明顯。

企業真正需要的可能不是一台最高規格的GPU伺服器，而是先找出值得AI化的工作。例如內部文件搜尋、客服知識庫、品管辨識、研發資料管理，或建立第一個AI Agent，再依據資料敏感度、成本與反應速度，決定哪些工作放地端、哪些交給雲端。

硬體、軟體平台、模型與導入顧問服務，也因此逐漸被綁在一起。

他舉例，像是具有規模的養雞場，過去需要人工觀測所有雞隻身體健康狀況，隨時留意環境溫度、濕度，現在透過AI工作站，監測加運算，即可完成。李占傑希望，未來企業想到導入AI，從基礎架構、平台到應用部署，都能把Altos視為合作夥伴。除了台灣，目前也已布局印度及東南亞，希望把企業與學校AI基礎建設的經驗進一步推向亞太市場。

未來企業有三種員工：人類、Copilot與AI Agent

當AI開始真正進入企業，衝擊會是全面性的。

李占傑預測，未來一家公司裡可能同時存在三種工作者：Human Employee、AI Copilot與AI Agent。

Copilot像數位助理。人提出問題、AI提供答案，人再判斷、修正並做最後決定；AI Agent則進一步取得權限，可以自己執行被交付的任務。

兩者最大的差別，在「執行權」。

也因此，AI進入企業後，管理責任反而更重要。李占傑強調，即使把工作授權給AI，「負責的人絕對不會是AI，負責人還是人。」

他把AI Agent形容成「數位員工」。既然是員工，就需要權限、工作範圍與管理制度。如果一個部門同時有人類員工和數位員工，最終對成果負責的仍然是主管。

企業愈早開始使用AI，也會愈早碰到資料治理、權限與責任邊界等真正的管理問題。

圖／取自Claude

工程師用了AI說「有如神助、回不去了」，但判斷力變得更重要

AI大量接手執行工作後，人才的價值會不會下降？

安圖斯自己的研發團隊，已經看見答案。

幾個月前，公司開放研發人員使用AI Coding工具Claude。李占傑詢問研發主管使用心得，得到兩個非常簡短的回答：「有如神助」，以及「回不去了」。

程式生成速度大幅提高後，工程師的價值卻沒有消失。

「你還是要判斷AI產生的code對不對。你可以授權讓它做事情，但是最後要駕馭的人是你。」李占傑說。

相同變化也會發生在一般白領工作。過去新進員工可能負責整理資料、做會議紀錄、準備簡報初稿，未來許多執行工作可以交給AI，初階人才反而要更早學會分派任務、檢查成果與管理AI Agent。

資深員工也不能置身事外。企業真正珍貴的資產往往是員工累積多年的經驗，如果能讓資深工作者使用AI，便有機會把原本存在個人腦中的知識重新整理、傳承，甚至持續優化。

因此，AI時代最容易被低估的能力，可能不是Prompt寫得多漂亮，而是「知道AI回答得好不好」。

李占傑認為，基礎知識依然重要。沒有domain know-how，就很難辨別AI生成的答案是否正確，更不知道還有哪些優化空間。未來企業招募新人，也不太可能再問「會不會使用AI」，就像今天很少有公司特別詢問求職者會不會PowerPoint。

真正拉開差距的，是能不能定義品質、辨識錯誤，並知道AI應該做到哪裡為止。這種能力，也可以理解成一種「AI審美觀」。當每個人都能迅速生成一份報告、一段程式、一張圖片，產出的速度逐漸不再稀缺，選擇與判斷反而變得昂貴。

從一台伺服器開始，到管理一群AI Agent，企業AI轉型看似是算力競賽，最後仍回到同一個問題：人能不能清楚知道自己要什麼。

很多企業還在思考，要不要導入AI，李占傑給企業的建議則是「馬上用。」因為很多問題，只有真正開始使用之後才會出現。「不然你讀了再多的文章，都是聽別人說而已。」

👉 加入城市學 LINE 官方帳號，追蹤 IG ，最新城市議題不漏接！