Gartner~2011年全球社群媒體營收達103億美元|數位時代 BusinessNext

國際研究暨顧問機構Gartner發表最新展望報告，2011年全球社群媒體的營收穩步增至103億美元，較2010年增加73億美元。2012年全球社群媒體的營收可望維持此一成長步伐，達到149億美元，預估至2015年，將達291億美元。

Gartner進一步分析，廣告仍然是社群媒體最大的營收來源。2011年社群媒體廣告營收預計為55億美元，2012年成長至82億美元。廣告營收包含展開式廣告（display advertising）和在PC、行動裝置和平板媒體等裝置上的收看的數位視訊廣告（digital video commercials）。

Gartner資深分析師Neha Gupta表示，「行銷人員開始從『一次性置入和點選廣告』轉為持續與網路用戶互動，且將因此分配更高比例的廣告預算在社群網站。這主要是因為社群網站，特別獲社群媒體數據分析公司協助的網站，能解開使用者互動資訊結構，包括好友名單、回應及留言、照片和所有社群連結、聯絡資訊和相關媒介。

為計算社群媒體營收，Gartner分析師定義「社群媒體」的網站必須具備：一、內容創作、消費、推廣、發布、發現或分享的主要目的是與社群和社交活動相關，而非功能及任務面向為目的；二、內容形式通常為文字、圖片或影像；三、其網站可能是封閉或開放性的平台；四、單向或多向的表現方式。

2011年社交遊戲營收達32億美元，2012年可望成長至45億美元。社交遊戲營收包括社群網站架構自行研發的遊戲向使用者收費，同時亦包括遊戲開發者／發行者利用自己的網頁當成平台以提供使用者及好友在線上玩的遊戲所賺取的獲利，這包含來自遊戲中「虛擬錢包」的收入（使用者使用虛擬貨幣購買線上遊戲中的物品，如劍、坦克或創造虛擬軍隊）。

Ms. Gupta表示，「我們曾經看過社群網路循著平台化的方式來取得金錢。也就是說，社群網路為了社群遊戲已進化成平台，透過發佈宣傳短片來建立一個適合開發者及發行者的環境。社群網路主要貨幣化模式為廣告主導及免費增值商業模式。這些免費讓玩家玩遊戲，實際上則透過廣告（廣告牆和遊戲置入廣告）或透過遊戲置入的付費機制讓使用者可藉此『升級』或購買虛擬貨物。」

社群媒體會員收入將在2011及2012年分別達到2億3,600萬及3億1,300萬。少數社群網站會收取會員費用，但大多數社群網站以收取額外服務費用為主。部分專業網站如德國的LinkedIn、Xing及法國的Vladeo，則是向使用者收取會員費用以提升服務，例如擴大介面視野。

Ms. Gupta表示，「從營收的角度來看，社群媒體市場即使擁有眾多的使用者，仍處於早期階段，然而在某些情況下，這些使用者卻展現出逐漸成熟的使用模式。市場參與者需建立新商業模式以進軍逐漸增加的使用幅度和使用者日漸增加的參與度。」

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。