Facebook在台灣的專利布局重點：「互動」與「廣告」|數位時代 BusinessNext

終於盼到你，Facebook台灣辦公室

日前，Facebook正式宣布在台灣的台北信義區設立辦公室，並積極招募好手建立小規模的團隊。台灣雖然擁有1,500萬月活躍使用者，但過去有相關問題，總是需依靠位於新加坡或香港辦公室來聯絡，是以，Facebook正式登台的消息，可著實讓台灣網路圈、廣告界人士感到興奮！現任行政院副院長張善政上台致詞時，更是不忘「虧」臉書早該來台灣了。

其實Facebook設立辦公室前，早就登台了？

有廣告界人士的發現，Facebook早在2014年11月就已開始在尋找台灣的代理商合作夥伴(Agency Partner)。所謂「兵馬未動、糧草先行」的戰場之道，在商場上同樣未變，從追蹤與市場具有高度關聯性的「專利」，更可以看出一家企業是否有意進攻該地區，而Facebook早在2013年4月開始，即在台灣開始申請有專利(如下圖)，具體言之，截至目前為止，Facebook在台灣共有17件專利申請案(包含16件發明專利與1件設計專利)。

Facebook在台專利申請趨勢圖 (統計至2015年1月30日，博盛智權整理)

動態消息之使用者介面

那麼，就讓筆者帶你一窺Facebook在台所申請的專利。首先，Facebook的使用者介面歷經多次的改版，包括有個人頁面的時間軸(Timeline)，與將大大小小之功能列，做不同位置的集中與轉換等，但唯一沒有經歷重大轉變的就屬動態消息(News feed)的呈現方式(如下左圖紅框處)，是以，在台灣於2013年將圖形化使用者介面(GUI)，納入設計專利保護的標的後，Facebook便於同年6月為其申請了台灣設計專利公告案第D162575號「顯示面板的圖形化使用者介面之部分」！

左圖為Facebook動態消息視窗示意圖，右圖為台灣設計專利公告案第D162575號示意圖 (專利名稱：顯示面板的圖形化使用者介面之部分，申請日期：2013年6月14日)

聊天時，可在字裡行間加入圖片

現今，使用Facebook Messager與朋友聊天的過程中，若要傳送相關圖片或影像，則須點選「新增檔案」或「加新圖片」，雖已經可以於發文的同時附上圖片，以讓對方了解。然而，Facebook認為這樣的互動性仍不足，從台灣發明專利公開案第TW201415406號「訊息中的內嵌式影像」的專利案可知，Facebook想要做到使用者可將圖片顯示在訊息的字裡行間，而不僅僅是獨立於訊息的附件！

Facebook message聊天視窗示意圖

台灣發明專利公開案第TW201415406號的示意圖 (專利名稱：訊息中的內嵌式影像，申請日期：2013年10月09日)

預測「最接近」與「有空的」朋友，推薦活動給他

透過Facebook的活動創建與邀約，來聯繫相關朋友參與一項活動，因其具有社群連結的效果，其活動的推廣速度與參與率皆具有良好的效果，然而，現今除非已有特定的參與對象(如謝師宴的班級同學)，否則，則需透過「邀請朋友」的功能來提升活動能見度，然而，並非所有朋友都對活動議題有興趣。

為解決上述問題，Facebook的台灣發明專利公開案第TW201407501號「建議候選用戶的方法」的專利案，即欲透過分析活動邀約者與其他用戶的眾多參數，包含親和程度、時間是否有空、位置是否相近等，來預測最有可能參加該活動的用戶，並提供給活動邀約者進行邀約，以提高活動參與精準率，降低活動邀約者須廣發邀請函的困擾。

台灣發明專利公開案第TW201407501號的示意圖 (專利名稱：建議候選用戶的方法，申請日期：2013年07月05日)

Facebook的專利布局重點：「互動」與「廣告」

Facebook在台申請專利列表 (統計至2015年1月30日，博盛智權整理)

上述僅舉出三個專利案作介紹，其實Facebook的其它專利申請案中，還有許多有趣的內容，筆者將其專利重點歸納為二：「廣告」與「互動」

‧ 「互動」

對於用戶操作Facebook功能時，會產生的種種問題，包括如訊息發佈的多元性(圖文兼併與提供制式發文範本)，或活動邀約的推薦等，進行優化以改善用戶體驗，增進用戶使用Facebook與他人互動的意願。

‧ 「廣告」

對於廣告商如何透過Facebook發布廣告資訊，包括如競價或計價方式等，進行保護，另外，更著重於如何藉由判讀用戶的資料，以精準投放廣告！

首圖出自mkhmarketing via Flickr
本文出自智由博集/馬克斯

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。