近來名模成了一種商品,和代言產品、媒體構成一個堅不可破的三角關係,帶動了一個又一個好話題、好生意。名模經濟已行之有年的日本,從早期的松菜菜子、藤原紀香、中期的米倉涼子到近期的伊東美,無一不是模特兒出身,培養一定支持度後,轉而進入演藝圈,多方位發展。
而日本最近跟台灣林志玲一樣爆紅到成為社會現象的,是日本媒體和廣大粉絲暱稱為「Ebi Chan」的原友里。Chan這個字是日文裡對可愛女性的暱稱,Ebi則是原友里名字第一個字的日語發音。如果你問日本現在二十到三十歲的女生,她們最想要當的人是誰,可能十個有八個會說她們想要成為Ebi Chan。日本媒體所公布的當紅話題人物排名中,Ebi Chan的名次甚至和小泉首相相當。
從支持者的回應看來,Ebi Chan已經與「幸福的形狀」劃上等號,只要是她穿過的衣服、拿過的包包、代言的產品,無一不在全日本造成搶購。原友里代表的是可愛、有氣質的大小姐風範,蕾絲、淺褐色用電棒燙過的頭髮、大而神秘的眼睛、洋溢幸福的笑容,都讓你想要和她談一場戀愛。
原友里和林志玲相似之處,不只在於兩人都是身材好的美女,還有更深的社會心理層次意涵。在「傳統女性意識」逐漸稀薄的台灣和日本社會,她們帶我們回到純真年代,找回溫和善良、可愛有禮的完美女性典範,所以在台灣林志玲熱不衰;而日本過度競爭而疲憊的時尚產業,則有甜美無害的Ebi Chan,靠著販賣「女人的幸福感」開啟潮流。
原友里今年二十六歲,出身於宮崎縣一個小康家庭。儘管二○○二年底才開始平面模特兒生涯,卻在二○○五年底靠著她所專屬的雜誌《Can Cam》,建立廣泛的知名度,如今她不但是《Can Cam》的當家名模,她的身影更每每出現在資生堂的廣告和多部日劇中。就連台北捷運車站,都可以看到她穿著比基尼的防曬乳廣告。
而一手打造原友里的雜誌《Can Cam》,對許多關注日本女性時尚的讀者可能不陌生,日本女大學生和年輕OL(辦公室女郎)都視《Can Cam》為時尚寶典。《Can Cam》創刊於一九八二年,取名為「I can campus」(在校園熱門的女生),目標讀者為十八到二十五歲的年輕女性。
日本女性時尚雜誌市場向來由《JJ》獨占鰲頭,《JJ》的風格是比較性感的、一○九辣妹風的(一○九是澀谷一家服飾百貨公司的名字,為日本新新人類流行服飾的大本營),而《Can Cam》則訴求有氣質小姐的可愛風。兩本雜誌都擅長以經營專屬模特兒建立雜誌風格,也都和時尚品牌建立夥伴關係,如《JJ》雜誌和Cecil Macbee(一○九風當紅女子品牌),以及日本當紅OL品牌如Indivi等新產品企劃,據說都有《Can Cam》記者著力的身影。
《Can Cam》發行量本來一直居於《JJ》之後,但在二○○一年總編輯大西就任後,《Can Cam》從三十二萬本一路成長到六十萬本,而《JJ》發行量卻從四十七萬本掉到今年的二十六萬本。加上即將新發刊的《姊姊Can Cam》(目標二十五到三十歲,已從大學畢業的舊《Can Cam》讀者),合併發行量已經成長到八十萬本,這個龐大出版量背後所隱含的,不只是近年甜美女孩風戰勝一○九辣妹風的流行趨勢,更為《Can Cam》主導商業市場的影響力,做了最好的「民意背書」。
很多日本女生是依照自己心愛的模特兒為範本購物,只要模特兒一穿,產品等於有了票房保證。「儘管我們事前做的市場調查告訴我們藍色洋裝會大賣,但如果Ebi Chan穿在身上的是白色,那藍色一定乏人問津,」長期和《Can Cam》雜誌合作的品牌「Pride glide」商品課長谷口,曾向日本媒體這樣表示。
《Can Cam》的秘密武器除了原友里,更有其他十位專屬模特兒,《Can Cam》把每個模特兒當成各別品牌經營,和不同的廠商建立合縱連橫的關係,綜合起來,「Can Cam」這個名詞就是一個超級品牌。
《Can Cam》開始主導新品牌的創立,結合設計師和記者所長,再把產品和模特兒結合,消費者透過認同模特兒,也認同新品牌。《Can Cam》更跨足出版界,經營商品郵購和網路電視台,利用綿密的商業網路和成功的粉絲俱樂部經營手法,全面進攻最敢消費的OL荷包。
日本經營名模經濟的手法實在令人佩服,不論Ebi Chan是否超越偶像的符號意義,也不論《Can Cam》是否達成大西總編輯「做個像巨人般的雜誌」經營目標,我卻已經開始研究原友里的流行秘密。嗯,如果把頭髮捲成這樣,也許我也可以像她一樣可愛……
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。
