LINE TV大打韓劇，切入影音內容市場|數位時代 BusinessNext

挾平台優勢切入

LINE TV不只買進韓劇版權，配上繁體中文字幕，在台灣也和三立、客家電視台、公共電視台、傳遞娛樂合作，播放台灣的電視劇和網路劇。當使用者打開LINE TV，不僅能看到音樂MV、電影等其他類型的節目，甚至還有韓國LINE的自製節目，由當紅的韓國偶像EXO擔綱演出。

乍看之下，LINE TV想做平台，也想做內容。但陶韻智表示，自製內容不是LINE的重點。然而要做影音平台，最重要的就是平台上要有足夠內容。在台灣，LINE TV的內容策略是跟電視台或節目製作公司合作，然而每家公司對行動數位影音的想法都不同，因此達成合作協議的腳步有快有慢，要找到足量的內容並不容易，對LINE TV而言，自製節目是現階段比較好的選擇。

「老實說，最好不要自製啦！會自製一定是我沒辦法了。」陶韻智直白地說。畢竟LINE的強項從來不是影音內容的發想和創意，而是社群平台經營以及App產品製作。也就是說，在「內容」、「平台」和「使用者」這三個角色上，LINE TV是以平台和使用者的優勢，切入影音內容市場。

目前LINE TV是以「購買」和「利潤共享」模式，和電視台或節目製作公司合作，提供給內容製作者的分潤比例，也優於一般網路平台。「LINE TV不是要來搶生意的，我們與內容製作者的關係應該是共存共榮。」陶韻智說，只要把平台做好，就能讓好的內容得到發揮空間，一起把餅做大，創造更多的利潤。

使用者體驗為先

「究竟什麼樣的內容適合跨螢幕，我們目前還沒有標準答案。」陶韻智說。好的內容可以在手機上看、在電視上看，也可以在大螢幕電影院看。使用者決定用什麼螢幕來看的關鍵並不是內容本身，而是依使用者當下的需求而定。

不過，小螢幕還是比大螢幕吃力，所以影音內容往往訴求輕薄短小。在LINE TV平台上，也發現長篇的電影和電視劇通常會被切割成多段影片播出。「現在LINE TV還在試驗，我們想提供使用者最好的收看體驗。」陶韻智說，短的內容比較方便下載是似是而非的說法，因為下載速度快慢的變因很多，切成4段實際上並不會比較快。所以LINE把重點擺在高解析、好的翻譯、劇本、拍攝水準，回歸使用者對內容需求的本質，扮演好影音內容平台的角色。

LINE TV開台沒多久，5月中就大手筆地推出台灣首播的韓劇《製作人的那些事》，標榜只比韓國當地播出慢一天的速度，確實引起市場很大的迴響，至今已經累積超過110萬瀏覽人次。其他播出的台劇也出現長尾效應，例如公視的《麻醉風暴》，節目播完之後收看人次更成長1.5倍。

LINE是在台灣的環境裡看到機會，看到使用者有對行動影音平台的需求，在其他地方不一定有同樣的市場。目前LINE TV雖然只有在台灣和泰國推出，但行動影音不受時間、空間限制的特質，已經可以預見LINE TV未來還有更大的成長空間。

（《數位時代》2015年6月號文章精選，尊重智慧財產權，如需轉載請來信洽詢：web@bnext.com.tw）
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。