新聞中心
生成式 AI快速進入企業場景，企業 AI 競賽的焦點，已逐漸從「模型能力」轉向「基礎架構與治理能力」。越來越多企業主管發現：模型從來不是最難解決的問題。舉凡網路架構、資安防護、資料架構，這些往往被低估的 AI 基礎設施（AI Infrastructure），才是決定企業能否真正從 PoC 走向「穩定營運」的真正分水嶺。
網路能否因應東西向流量暴增、資安能否管控 AI 代理的自主存取、資料架構能否讓模型即時取用？每一個環節的落差，都可能讓 AI 投資止步於 PoC，無緣轉化為實際營運價值。有鑑於此，MetaAge 邁達特攜手 Cisco、Red Hat、Citrix、MinIO 等技術夥伴，整合網路、資安、平台與資料儲存解決方案，協助企業打造穩定且可擴展的 AI 基礎架構，讓 AI 投資真正轉化為可量化的商業價值。
邁達特一站式資安服務，助企業強化 AI 治理與安全能力
根據麻省理工學院（MIT）於2025年8月發布的〈The GenAI Divide: State of AI in Business 2025〉報告，95% 生成式人工智慧（GenAI）試驗專案缺乏可衡量的財務投資報酬率。造成此結果的根本原因，不在於模型效能，而在於企業在 AI 治理、監控與整合方面有待提升。
有鑑於此，邁達特深度整合多家技術原廠，推出涵蓋 16 項資安功能模組的一站式資安服務，協助企業建立完整的 AI 安全基礎，包括邊界防護、資料保護、使用者存取管理，以及集中化監控與威脅回應機制。讓企業在 AI 規模化之前，先把安全基礎打穩。
邁達特產品資深技術顧問范姜群焱表示：「企業在導入 AI 時，往往需要同時管理多個資安產品與雲地環境，導致 IT 團隊維運負擔增加。邁達特整合端點、網路、雲端與身分認證的資安方案，以及專業的 7×24 託管服務，可有效降低企業管理複雜度，讓企業 IT 團隊更專注於核心業務創新。」
圖1：MetaAge 邁達特 產品資深技術顧問 范姜群焱 Kevin
AI 基礎建設供應商 Cisco 則是從企業導入 AI 常見的「基礎設施限制」、「信任缺失」、「數據重擔」三個痛點切入，推出 AI Networking、Security for AI 跟 GenAIOps，以加速企業的數據與 AI 轉型腳步：
在基礎設施方面，AI 運算需求快速提升，企業資料中心常面臨電力與散熱不足問題，同時，AI 工作負載也使企業網路流量從傳統的南北向架構，轉為以資料中心內部為主的東西向流量，大幅提升網路與資安管理複雜度。
「為解決這個問題，Cisco 與 NVIDIA、Red Hat合推 Cisco Secure AI Factory，整合晶片、系統軟體與維運工具，協助企業降低導入 AI 基礎設施的門檻。」Cisco金融暨工商事業群總經理盧佳成如是說道。
在資安層面，Cisco 除推出 Identity Intelligence 服務，確保 AI 代理以合規方式存取系統資料，同步推出 Dynamic Micro-Segmentation 確保虛擬機與容器安全。此外，因應量子電腦商用化時程，Cisco 更提供後量子加密（PQC）服務，更好落實安全防禦。
在維運管理方面，Cisco 推出 AI Canvas 平台，讓 IT 人員能透過自然語言與視覺化圖表掌握網路與 AI 系統運作狀況，並結合 Splunk 進行預測式維運分析，提前感知如「未來 18 小時的斷線機率」等關鍵風險，為 AI 營運韌性提供新一層保障。
圖2：Cisco 金融暨工商事業群總經理 盧佳成 Jason
「除了基礎設施之外，AI 平台與開發環境，也是左右企業能否將 AI 落地的關鍵。」Red Hat解決方案架構師周冠宇指出，AI 應用能否順利部署，與企業使用的作業系統與容器平台密切相關。
為此，Red Hat 推出 RHEL AI，透過將大型語言模型（LLM）直接整合進 Linux 作業系統的方式，如 IBM 的 Granite 系列，讓企業可以在習慣的 RHEL 環境執行 AI 任務。此外，也與 IBM 合推 InstructLab 開放原始碼專案，解決模型微調門檻過高相關挑戰，讓開發人員可用較少數據標籤跟算力，完成特定產業的模型訓練與調整。
Red Hat 的目標是透過 InstructLab 開放原始碼社群力量，以及穩定的企業產品，如 RHEL AI 跟 OpenShift AI等，標準化與普及化 AI 技術與應用。周冠宇強調：「AI 不應該只是少數科技巨擘的專利，透過開放原始碼等資源，每家企業都能擁有專屬且受管控的 AI 模型。」
圖3：Red Hat 解決方案架構師 周冠宇Dennis
當 AI 應用完成部署後，最後的挑戰往往在於「如何安全地提供給企業員工使用」。
對此，Citrix Asean 資深技術顧問張碩峯談到：「Citrix 的目標不僅是讓 AI 應用變得可管、可控與可用，更重要的是，確保 AI 應用能夠安全且平順地傳遞到每一位員工的手中。」具體實踐方式有四項：
透過 deviceTRUST 與 UNICON eLux驗證設備健康狀態與使用者身分、確保端點存取安全。
藉由 NetScaler 提供 ZTNA、AI Gateway，以及 AES-265 加密傳輸資料確保網路傳輸層安全。例如：以 NetScaler AI Gateway 可視化 AI 流量、進行提示詞安全與治理、落實零信任存取控制，以及進行 LLM 防火牆整合工作。
透過 Citrix HDX 將 AI 工具與其處理的機敏資料集中在資料中心，從根本上降低資料外洩風險。同時，透過Citrix Secure Private Access（SPA）與Chrome Enterprise Premium 整合可確保惡意程式不會進入企業網路，並採用程式層級的資料外洩防護（DLP）機制，限制下載、列印與複製貼上等動作，確保機敏資料不會流向外部。
藉由 uberAgent 的行為分析跟 AI 使用規機稽核，全面掌握企業內部的 AI 工具使用狀況，建立完整的安全稽核軌跡，以持續監控優化 AI 治理。
圖4：Citrix Asean資深技術顧問 張碩峯Ryan
AI 應用的另一項隱性關鍵基礎設施，是資料儲存架構。
邁達特產品技術處長曾英宸呼籲：「為 AI 應用選擇適切的儲存方案也很重要，將直接影響 AI 數據基礎的可用性、效能與成本。事實上，這也是物件儲存系統 MinIO 備受市場關注與採用的原因。」
曾英宸進一步點出企業常見的三重困境：
1. 資料孤島：數據資料散落在各系統，難以整合及治理
2. 長期儲存壓力：法規與稽核要求保存 5 到 10 年
3. 傳統架構受限：傳統資料庫與儲存設備，因應交易而生，而非為分析而生
當資料量與運算核心需求增加時，傳統架構將導致授權成本隨之水漲船高。
為解決上述問題，邁達特建議導入 MinIO AIStor 搭建湖倉一體架構：將異質資料與數據統一存放於同個平台，透過內建的 Iceberg 資料表讓開發人員可搭配Trino、Spark 等引擎進行查詢分析；同時，利用自動生命週期分類數據，如將熱資料留在NVMe或固態硬碟（SSD），將冷資料自動降級到低成本的傳統硬碟（HDD）或雲端，以優化資料儲存成本。
「邁達特提供包含規劃、部署到維運的一站式服務，協助企業更好地將 MinIO 整合至現有 IT 環境，為企業建構專屬的雲地混合資料同步與備援機制。以最佳儲存營運成本，支撐 AI 應用的長期擴展。」曾英宸總結道。
圖5：MetaAge 邁達特 產品技術處長 曾英宸 William
模型是 AI 的大腦，但 AI Infrastructure 才是整棟建築。總的來說，AI 要從實驗場景走向企業營運現場，光靠模型仍不夠，需要建立穩定、完整且可擴展的 AI Infrastructure，逐步提升網路架構、資安防護，以及資料儲存與治理能力。
邁達特深知，網路架構的韌性、資安防護的完整性、AI 平台的治理、資料儲存的效率，每個環節都可能成為企業 AI 轉型的瓶頸。因此，邁達特整合國際原廠生態系、串聯在地化專業服務，攜手 Cisco、Red Hat、Citrix、MinIO 等頂尖科技品牌，提供從網路到資料、從安全到維運的一站式解決方案，協助企業在可控風險下，加速 AI 商業化落地。
AI 的競爭，已悄悄從模型層，移往基礎架構層。您的企業準備好了嗎？
若以上有任何一題令您停頓，現在就是評估的最佳時機！無論您正處於 PoC 、架構優化或規模化部署階段，MetaAge 邁達特顧問團隊都能協助您找到最適合的切入點。您可由此【 預約免費 1:1 AI Infrastructure 健檢諮詢／資安風險初步評估 】。填妥表單後，將有資深顧問將儘速與您聯繫，並針對您的企業現況，提供客製化架構建議。
