混合雲架構服務商 Nutanix 發布最新調查報告指出，高達七成四的台灣企業正積極推進人工智慧（AI）專案，但基礎架構現代化進度顯著落後。由於多數企業仍依賴傳統虛擬機器（Virtual Machine, VM），導致在將 AI 算力落地的過程中，面臨嚴重的 IT 營運複雜度與人才缺口。
AI 部署加速與基礎架構斷層
根據調查數據，近半數（48%）推動 AI 的台灣企業已將專案導入部門級試點或正式生產環境。然而，作為 AI 應用主流部署架構的 Kubernetes（K8s），在台灣企業內部的普及率仍呈現嚴重碎片化。目前有 65% 的企業主要透過傳統虛擬機器運作系統，更有近 19% 的企業直接在舊有伺服器或裸機上執行 AI 工作負載。
調查更顯示，全系統達到全面容器化（Containerization）的台灣企業僅占 1%。這種 AI 應用快速擴張與底層 IT 架構升級不同步的現象，讓企業在轉型過程中面臨技術斷層。
IT 團隊維護雙重架構的營運瓶頸
當新舊系統同時運作，企業 IT 團隊的負擔急劇增加。調查指出，有 74% 的企業 IT 領導者表示，必須同時維護傳統虛擬機器與現代化容器架構，帶來沉重的營運壓力。同時，有 60% 的企業陷入缺乏專業 AI 人才的困境，49% 面臨成本掌控難題，另有超過 45% 表示 IT 工具過於分散且缺乏整合。
除了營運維護問題，資料安全性與災難復原也是一大隱憂。由於 AI 模型與向量資料庫（Vector Database）高度依賴持續性的資料集，有 38% 的企業坦言其容器環境缺乏健全的災難復原機制，或在進行模型推論（Inference）時遭遇儲存設備的效能瓶頸。
未來 IT 投資轉向資安與治理
面對多重維護與技術瓶頸，台灣企業未來的 IT 投資重心正大幅轉向基礎架構的品質與治理。調查顯示，企業在未來一年的優先投資項目中，資安治理以 54% 居首，其次為資料保護與災難復原（46%），以及 AI 基礎架構就緒度（39%）。
這代表什麼
這項調查結果揭示了台灣企業在數位轉型中的核心痛點：「軟體應用跑得比硬體架構快」。對中小企業與產業管理者而言，盲目追求 AI 技術的引進，若缺乏匹配的資訊基礎架構，容易演變成高昂的營運成本與資安漏洞。
首先，直接在舊有虛擬機器上運作 AI，雖然短期內省去砍掉重練的成本，但長期來看會遭遇圖形處理器（GPU）調度效率低下與資料備份困難的問題。其次，全面淘汰舊系統並不符合商業效益，因此企業未來的競爭力關鍵，在於能否採用統一的混合雲（Hybrid Cloud）管理平台，將既有的虛擬化資源與新一代容器化架構進行無縫串接，才能在控管總整體擁有成本（TCO）的同時，彈性部署 AI 算力。
背景補充
容器化技術如 Kubernetes（K8s），是一種能將應用程式及其所需環境打包的輕量化軟體部署方式，相比於傳統的虛擬機器，它能更高效地分散與調度 AI 模型運算所需的算力資源。隨著生成式 AI 與大型語言模型（LLM）的興起，模型訓練與推論往往需要大規模的 GPU 調度與快速的儲存讀取，這使 Kubernetes 成為現代 AI 架構的標準配備。
然而，從早期概念驗證（PoC）過渡到正式運作（Day-2 維運），企業面臨的難題會從「如何建立模型」轉變為「如何穩定維運」。解決多元環境下的資料備份、防範系統崩潰，並建立單一控制介面來簡化多叢集管理，正是當前企業基礎架構現代化的核心課題。
常見問題
為什麼企業推動 AI 專案需要採用 Kubernetes？
Kubernetes 能夠靈活調度 GPU 與儲存資源，提高 AI 模型推論與訓練的效率，比傳統虛擬機器更能勝任複雜的 AI 工作負載。
台灣企業在 AI 基礎架構上遇到的最大挑戰是什麼？
主要挑戰在於必須同時維護舊有虛擬機器與新型容器環境，導致 IT 營運複雜度激增，並面臨 AI 專業人才短缺與成本控管問題。
企業應該如何解決 AI 部署與既有系統不相容的問題？
專家建議企業無須全面淘汰舊有系統，應透過統一的混合雲管理平台串聯虛擬化資產與容器化環境，在控制總成本的前提下進行漸進式轉型。