新聞有看沒有懂？Vox主打解釋性新聞|數位時代 BusinessNext

被視為21世紀的Time

班克夫敢誇下海口說自家網站充滿高級感不是沒有原因，當傳統媒體拚命縮減人力和砍預算時，Vox卻反其道而行，大力招募一線記者和優秀工程師，希望將Vox塑造成21世紀最優秀的新媒體公司。

去年底才結束一輪募資的Vox，現在估值高達近4億美元，旗下員工有350人，班克夫預計今年將會是Vox的獲利元年。而其高度垂直化整合的經營策略，更讓Vox被《紐約時報》稱為「21世紀的時代公司（Time Inc.）」。

因此當前《華盛頓郵報》明星記者克萊（Ezra Klein）說他受夠了僵化的傳統新聞文化，想要進行一個顛覆新聞窠臼的「X計畫」（Project X），找上Vox Media合作時，也就不太讓人意外了。而這個X計畫也就是去年4月正式上線的Vox.com，一個主打解釋性新聞的新聞網站，又被稱為新聞界的維基百科。

Vox一推出立刻受到新聞界的矚目，原因之一是因為創辦人克萊本身就是個才華洋溢的年輕記者，他在《華盛頓郵報》針砭政治時事的部落格Wonkblog，每月瀏覽人次高達300萬，才30歲就已被媒體稱為「新聞界的神童」。因此當他帶著同事高調離開《華盛頓郵報》宣布推出Vox時，格外具有劃時代的世代革新意義。

Vox網站本身最大的特色在於希望幫助讀者理解新聞，而非只是知道新聞，因此Vox不強打獨家、即時或直擊，他們系統性地整理新聞事件發展，讓讀者對於新聞背後的新聞更有概念，「卡片堆」（Card Stack）就是在這種概念下應運而生的設計。舉例來說，大多數的讀者看到聯準會調高利率的新聞時，恐怕都無法在第一時間認識到這則新聞對他們有何意義，於是Vox將這則新聞中每個關鍵字都獨立出來製作成問答卡片集，從最基礎的背景知識開始介紹，例如GDP怎麼來？聯準會這個單位的職責是什麼？調整利率為什麼重要？

不搞即時，只解釋新聞

「最大的資源浪費就是記者昨天寫的新聞⋯⋯，我一直覺得很奇怪為什麼我們沒有試著用這些資源為讀者做更多事。」克萊說明他的理念。

乍看之下，Vox跟維基百科似乎很像，但克萊認為大不相同，因為Vox是由一群具有蒐集、整理新聞專業的記者組成的，而維基百科是由群眾自主歸納的，上頭的資訊可信度不如Vox高。他舉例：就好像你如果今天突然長疹子了，你在搜尋列輸入「疹子」時，出現的第一個搜尋結果可能是維基百科，但你不會點入維基百科看長疹子怎麼辦，因為你知道維基百科不是這方面的專家。

Vox的另一特色是會持續歸納重大新聞事件的進展，讓讀者一看到時間軸就能夠馬上進入狀況。而且新聞卡片的設計符合手機閱讀體驗，將人事時地物分拆成卡片的爆紅新聞閱讀器Circa已驗證了這點。

除了將昨日的新聞轉換成有價值的內容，Vox同時也創造許多易於被社群病毒傳播的內容，例如「11款成年人不該玩的桌遊」、「7種超萌又超殺的動物」⋯⋯，希望兼具自然搜尋和社群分享流量。

Vox的模式是否經得起市場的考驗，還需要一些時間驗證，但正如克萊所說的：「我們迅速推出這個網站的原因只有一個：想要知道成功的網路新聞實驗長什麼樣子，最好的方法就是馬上在網路上做一個新聞實驗。」而Vox剛交出來的周年成績單，似乎已說明了一切。

（尊重智慧財產權，如需轉載請註明資料來源：《數位時代》第252期）
其他精彩內容》》
訂閱數位時代》》

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。