【紀念王文璨專題8】品牌策略從3C做起
【紀念王文璨專題8】品牌策略從3C做起
2012.04.04 | 行銷

之前我談的品牌經營多著重在公司的策略,但對一個實際要執行品牌策略的人員來說,也會有一些經常碰到的困難或盲點,其中比較大的挑戰是3C:一是Communicate value(溝通價值),一是Create value(創造價值),最後一個是Capture value(獲取價值)。

溝通是因現在是買方市場,所以企業與消費者間是需要互動溝通來了解需求的,藉此才能知道創新的重點何在。進行溝通之後才能有create value,否則光是裝設一大堆功能、規格,結果使成本、售價變得很高,不見得能真正符合消費者想要的價值。所以要先有communicate value才有carete value,最後真正進到市場裡Capture value。獲取價值的難度也是很高,舉凡通路管理、行銷溝通、品牌整體定位和訂價之間互相的關係,都是行銷學裡實體運作獲取價值的技術面,所以以上三個能力是要做好品牌經營的基本功。

進行溝通有兩種方式,一是從消費者端去詢問,一是從市場趨勢去研究。有些人眼光獨到,所以眼睛一瞄就能清楚社會的脈動,像A公司(指Apple),因此它創造了一個很大的價值,但其實過程中它也有很多的觀察,並不是它就不需要做溝通。有些天生的行銷高手平常就在進行溝通價值,隨時傾聽顧客的聲音,觀察若這代產品做得不好,下一代消費者想要什麼東西,那個過程都是一種溝通價值。

不過就算前面兩個C做得很好,但Capture value不存在,產品好卻沒有通路的話也是個大問題,所以這三塊都是在執行面上的挑戰。

台灣大部分的廠商都自認為創造價值做得很棒,產品一直開發、創新,當然這也是一種經營品牌的方法,但它就變成散彈打鳥,資源就要灑很多,並不是每一個人都能這樣做的。所以品牌經營最好的公司,是一推就會動的。像有的公司是採行機海戰略,但有人卻是一台就能打死所有人,那才叫厲害。

以前雙A公司都面臨過這種情況,但慢慢的user就會比較清楚,要從市場的角度定義回來。以前都是從產品的角度定義過去,但經過行銷能力的提升,現在就不太一樣了。

另外,溝通價值也不只要對消費者進行溝通,很多時候公司內部也要有所共識。本來溝通價值是為了要弄清楚為何產品要這樣規劃、那樣設計?裡頭一定有看到的市場在哪裡、哪些需求是基本的、哪些設計是有效的、哪些又是無效的?當你把這些弄清楚之後,對內的溝通就很容易,共識就會很快凝聚。

但若你是隨便瞎掰,把自己當成user,自認自己喜歡,消費者也會喜歡,或是把主管的意見當作準則,主管說了算,這樣都是比較偏頗的做法。真正的產品行銷高手,是要找到一塊市場,並且真正了解它,然後去檢查是否跟自身的品牌定位相同,這些要素要全部連結在一起,才能稱做稱職的品牌策略執行者。(口述/王文璨  整理/楊欣霖)

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓