iwearyourshirt.com~在胸口賣廣告的人體T恤看板|數位時代 BusinessNext

Jason Sadler四年前的絕妙點子，讓他的生意在第一年，營業額便高達七萬美金，獲得紐約時報、Fast company等媒體的報導。令人難以置信的是，他的業績就此蒸蒸日上，目前他和其他四個夥伴，每年有50萬美金的收入，他們的客戶包括Arizona Tea, Starbucks, Pizza Hut, Nissan, 和 Lucky Brand等品牌。

Sadler在2008年時心血來潮，想出我穿你衣網（iwearyourshirt.com）這個概念，當這個概念浮現時，他和友人正忙於網頁設計公司的業務，而且Sadler對於這個新嘗試缺乏經驗。臉書只有一百個好友，連Twitter也沒開的他老實承認「我沒什麼社群網站經驗。」但是當幾個客戶向他們問起社群網站後，他看見社群網站投放廣告的潛力，Sadler想讓客戶公司在社群網站上，透過互動的方式行銷自己的品牌。

最終，他決定使用人人愛穿又不貴的T-shirts，來啟動他的生意。Sadler理了髮，用100美元買了一個錄影機，接著成功在社群網站上吸引了注意，也帶來一小群跟隨者。

真正讓我穿你衣網實現商業獲利，是Sadler按照日曆計價的獨特定價模式。一月1日，客戶若在這一天刊登廣告，只需花費1美元，但客戶若想在十二月的最後一天刊登廣告，費用就會飆升到365美元。Sadler的第一筆收入來自UStream電視。六個月後，整年成功售出。

為了滿足成長需求，Sadler開始增加T恤衫著裝模特的名單，現在連他自己在內已經有5個著裝模特。Sadler透過具創意、非傳統的程序來聘用T恤衫著裝模特，以確保他的品牌可以維持品質。要請人時，Sadler要求申請者製作一部三分鐘的短片，來解釋為什麼自己應該被錄用，並讓觀眾對影片進行投票。

Sadler的四個著裝模特，年薪介於兩萬五千至三萬五千美元之間，還有分紅可領，並且Sadler會提供每人一架Mac筆電和影片錄製器材。「我不看你的履歷，那也不是我關心的。當我看到得票率最高的影片，我就打電話給優勝者，然後把她們叫來佛羅里達，我要看的只是影片。人們常常懷疑我要怎麼跳脫，和我的業績如何成長，因為這是個奇特的生意。但是我們的確在成長，事實上，在七月，我們開始朝一個新方向邁進。」

舊款的模特必須在一周裡的每一天穿不同公司的T恤衫，而各公司則付他們每日的廣告費。但現在Sadler推出調整模式，讓模特一周都穿同一家公司的T恤衫，以提升該公司的曝光率，當然廣告主公司也需要支付一周的費用。Sadler的團隊開始用新的配套尋找潛在客戶，而日付模特開始終止服務，取而代之的是配套式模特。

Sadler開始這門生意時，沒有寫下任何生意計劃，因為他把全副精神放在拓展業務的目標上。「如果我坐下來寫商業計劃，或許我已經失敗了。太多人把太多精力花在撰寫生意計劃，卻用太少精力來執行，如果你要開始寫生意計劃，用鉛筆吧！這樣你可以擦掉，也可以修改。」Sadler建議。

參考資料：BUSINESS INSIDER

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。