[重慶直擊] 行動支付是一種社交？3個關鍵，看「微信支付」的成功秘訣！|數位時代 BusinessNext

成功關鍵一：極強的社交感

吳毅提到，「社交關係鏈」其實是帶動微信支付的一大推力。騰訊紅包在今年上半年達到四次高峰，第一次是除夕時的10.1億次收發量、5億人民幣產值，原本預期這麼龐大的記錄很難再被打破，沒想到在半年後的七夕，紅包數又突破至14億次；第三次則是中秋節，紅包數達到22億次。

另外，第四次高峰卻是一個看來平凡、卻也不平凡的日子「5月20日」，許多人在這天發出了與「520」數字相關的紅包金額，以表達愛意。

吳毅說，這顯示大家的使用行為已延伸至日常生活，微信紅包已然變成社交工具，不再侷限於特殊節日。特別有趣的是，5月20日後竟獲得很多用戶反應，詢問能否刪除當天發送紅包的記錄？後來團隊也順從民意在一個月內把這個功能補上了。

成功關鍵二：讓付錢就像傳訊息一樣簡單

第二點，就是讓你付錢就跟傳訊息一樣簡單。微信在去年8月推出微信轉帳功能，讓好友間可以相互傳送金錢，如今已發展成微信支付中僅次於微信紅包的第二大應用。

「我們是在建立社交中的交易閉環。」吳毅說明。微信轉帳是有交易背景的社交，越來越多用戶習慣把錢轉給親朋好友，就像說一句話這麼容易，讓用戶在付款時，不用跳脫出原先的聊天場景。

成功關鍵三：為商家創造O2O價值

第三點，則是為企業創造價值。吳毅說明，騰訊在去年8月發佈「微信支付智慧生活」戰略，全力幫助商家發展O2O解決方案。

首先，透過微信公眾號，增加商家與消費者之間的訊息連接，商家能夠快速的利用公眾號推播行銷訊息、甚至提供服務。再來，則是透過線下的支付，讓用戶能輕易的完成交易手續。吳毅表示，與傳統支付相比，民眾付完款就是交易的結束。但在行動支付中，付完款才是連結的開始，這也是傳統行業發展O2O的利基點。

「讓傳統行業具備互聯網的能力，這就是O2O。」至於是什麼吸引商家選擇用微信做O2O生意？關鍵在於微信擁有大量的用戶優勢，走進門市的人，有百分之九十的消費者都是微信的用戶，商家可以透過微信支付，更了解消費者的購物行為，更能在消費者走出店面後，持續接觸消費者。而現在已有近20萬家線下商家支援微信支付。

吳毅認為，現在的微信，早已經不再僅是聊天工具，而是成為用戶的行動ID，實踐了「人聯網」的概念。目前，已經有2億的微信用戶已經綁定銀行卡，且絕大部份的人都是在今年春節後加入，超過百分之五十的微信活躍用戶，已經有使用微信支付的能力，「我們最大的目標，是希望有一天可以取代現金。」他說。

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。