[彭之偉] 媒體電商的機會與挑戰 (上)
[彭之偉] 媒體電商的機會與挑戰 (上)
2015.08.28 | 創業

筆者觀察這十年來的發展,電商與傳媒剛好呈現相反的趨勢:這十年來,電商產業每年以兩位數的成長率成長,而傳統媒體也以兩位數的流失率快速流失觀眾當中。然而,這不是電商比較厲害,傳媒比較差,而是觀眾(使用者)的行為正在轉移中,就筆者本身處在傳統的電視臺的感受特別明顯。

電視臺內部,上至長官、主管,下至第一線的執行者,無不看到這樣的趨勢,甚至多年來不斷舉行會議檢討,試圖改善、改變與創新,想盡辦法的思索,希望可以找尋、改變,甚至創立新的數位媒體,力圖挽回自己的市場,重新贏回消費者的目光。
筆者謹就自身的營運經驗與業界觀察,提出以下建議與分享:

傳媒數位化?

何謂「傳媒」?就維基百科的解釋,「傳統媒體是平面媒體,這裡的平面最初起源於廣告界。因為報紙、雜誌上的廣告都是平面廣告。傳統媒體是相對於近幾年興起的網絡媒體而言的,以傳統的大眾傳播方式即通過某種機械裝置定期向社會公眾發布信息或提供教育娛樂的交流活動的媒體,包括電視、報刊、廣播三種傳統媒體。通常我們又把它們稱作『平面媒體』」。

維基百科的這段介紹表述得很清楚,電視、報刊與廣播是三種傳統媒體,沒錯,如果就這三項傳統媒體,在臺灣甚至是世界上已陪伴人們超過20年以上,也幾乎是許多人每天都會接觸的媒體,但近十年來,無論是YouTube的興起或是Facebook的竄起,無庸置疑地改變了人們接觸媒體的習慣,而這也是傳統媒體力求轉型的威脅點。

如何數位化?

大多數的傳媒,選擇數位化的方式是將內容數位化。不管是電視臺將連續劇節目數位化,轉檔上傳至YouTube,以賺取微薄的廣告分潤,或是自行經營粉絲團,衝高粉絲數,但卻只能當作給企業主買廣告時搭贈的宣傳。然而,這些對於長期賺取較高毛利(無商品成本)的傳統媒體來說,無不是椎心之痛。

對於擁有較大資源(也就是口袋比較深)的傳統媒體商而言,內容數位化後卻賺不到數位廣告財(因為都被Yahoo!入口,或YouTube影音入口給賺走了),發展自營媒體平臺或是電商平臺,似乎成為不錯的選擇。但是,建構一個自營媒體平臺(隨選視訊或新聞入口)所要投資的硬體設備價格不斐,加上其中的經營與宣傳都不同於傳統媒體;因此,這個議題也常成為需要再討論、評估,很多公司就因為邊看邊走而長期延宕,於是整體看起來,傳統媒體切入發展電商,似乎成為了不錯的選擇。

先媒體?先電商?

俗話說:「工欲善其事,必先利其器。」傳統媒體業者要發展電商,而電商平臺業者往往也需要媒體幫襯。聽起來,這是一個不錯的想法。不過,究竟應該是先有電商平臺,再運用媒體?還是先有了媒體,再來建構電商平臺?這似乎是電商業者與媒體經營者不同的兩個切入點。

就筆者的經驗來看,傳統的(現有僅存的)電商平臺業者,大多能快速建構好基礎的系統平臺(資訊流)、金流、物流,然後找到廠商合作(所謂的商流),花錢買流量(廣告),提升轉換率與客單價,進而社群經營、會員經營等。其中,花費最多的大多是:花錢買流量(廣告)這件事。但對於傳統媒體業者,可能會想:我已經自有媒體了,我來建構系統平臺(資訊流),搞定金流,物流問題,是不是就可以開始賺錢了呢?

當然不是,如果這麼好做的話,那大家都賺錢啦!事實上,自有媒體很關鍵,但自有的媒體影響多少人,影響程度有多深,才是真正的關鍵。自有媒體的好處是,別人要花錢買廣告,而你不用!但因為過去都是幫企業主操作,只要做到曝光量(接觸率)、收視率等傳統媒體評估效益的指標,但如果是自營媒體投放廣告時,KPI自然換成了轉換率、客單價與營業額,那投放的策略與做法就要有不一樣的思維了。而大多數的傳統媒體經營者,顯然很少具有這樣的經驗。

商業模式是什麼?

商業模式,對於傳統媒體業者應該都不陌生,簡單來說就是我產生內容(無論是節目、戲劇、主題報導或深入介紹等),然後發行或播送,內容之間或內容裡夾帶產品訊息或廣告,以賺取廣告費用。就以電視臺來說,像是廣告、置入與冠名,是目前的收入項目,而這就是商業模式。

然而對於從事電商業者來說:商業模式是B2C(企業對消費者)、B2B(企業對企業)、B2B2C(企業對企業對消費者)、C2C(消費者對消費者)或是O2O(線下與線上的整合),而這些是兩個經營業者(傳統媒體與電商業者)不同的商業經營模式思維。

對於傳統媒體業者而言,除了原本熟悉的商業模式外,要跨入電商領域,確實是要思考電商的商業模式(B2C、B2B、B2B2C、C2C與O2O),評估自所擁有身的資源(媒體、人才、資金以及用戶數等)後,瞭解自身的資源,才能正確做出有價值性的商業模式評估,進而運用自身資源去實踐這個商業模式。

就自身從事電商十多年的經驗以及這兩年處在傳統電視臺媒體的實務經營經驗而言,筆者對於傳統媒體發展電商模式其實是看好的,因為媒體網路化與媒體電子商務化是必然的趨勢,這也是面對新媒體的挑戰與市場分食下,必要的應因策略。業者如果不改變,只能等著被淘汰,市場競爭就是如此,不管是電商還是媒體都是一樣的,傳統媒體為有跨界才有機會轉型。

在下一篇文章中,筆者將提出「傳統媒體電商基本觀念」,與「傳統媒體怎麼發展媒體電商」及「媒體電商的三件事」與大家分享。

本文已獲得作者授權。彭之偉臉書網誌

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓