預估獲利不如去年，富邦momo：台灣景氣「要死不活」，中國業務虧損|數位時代 BusinessNext

建立品牌形象，但仍要打價格戰

林啓峰表示，今年富邦媒體在台灣最重要的策略就是整頓物流、客服等基礎建設。他認為，雖然過去momo主要在價格上取勝，但未來希望不再只給人「物美價廉」的印象，還想要藉由改善消費者使用經驗，建立對品牌的認同。

因此富邦媒體除了增加客服人員，讓回應速度從過去的兩分鐘提升到現在15秒內客服接聽的比例達97％，在物流上也開始自建倉儲，預計明年底將會完工，明年底可將入倉品項從目前的15萬件商品增加到27～30萬，能快速配貨，也將成為明年營收成長的主要動力。

林啓峰表示，即使經濟環境不好，但虛擬通路只要策略正確，比起實體通路業者更有機會成長，因此預期明年成長會增加。

而今年的成長不如預期的原因，林啓峰認為是因為今年景氣下滑快速，電視購物卻沒有快速反應市場對於平價必須品的需求，仍然以欲求性的精品奢侈品為主。由於明年景氣可能仍然不佳，林啓峰表示將會增加必需品的商品項目。

即使未來要強調品牌，富邦媒體依舊不會放棄價格戰。林啓峰說為了成長，仍舊會選擇壓低價格和市場競爭。今年雙11富邦momo也舉辦1111購物節活動，林啓峰表示當天的交易額達台幣1.5億元。今年行動端的營收佔33％，預期明年將超過50％。

中國業務止血，明年轉虧為盈，泰國規劃上市

展望明年，林啓峰也表示富邦媒體在審慎中抱持樂觀態度。特別是在海外的投資佈局將陸續得到結果，例如以中國的佈局而言，富邦媒體原本投資北京富邦歌華和環球國廣。其中富邦歌華有電視購物和商貿兩項業務，但電視購物業務虧損，因此今年改組，將主力投入商貿，著重輔助跨境電商業務的發展，另一方面在十月關閉虧損的電視購物部門，因此業務成本將大幅下降，有機會為明年的業績帶來成長。整體而言，中國業務今年虧損約台幣1.8億元。

而中國的環球電視購物持有全中國11張電視購物牌照之一，目前業績排第四，從去年11月開始轉虧為盈，林啓峰也表示看好明年環球電視購物成為中國第三大業績的電視購物頻道。由於落地的收視戶已超過1.2億戶，粗估大約5億人能透過頻道認識環球國廣的品牌，因此林啓峰希望能將過去在台灣由電視購物起家轉作網路購物的經驗移植到中國環球國廣，有機會在明年大力推展網路購物。

林啓峰表示，由於環球國廣在去年11月已經開始賺錢，也擁有基本觀眾群，希望能站穩利基市場，若轉進電商，就比較不會像京東等電商業者必須花費大量的行銷資源面對知名度的挑戰。

而在泰國TVD shopping電視購物的投資，目前已佔35％的股份，將富邦媒體的技術移轉給在地團隊經營，並且開始規劃上市時程。林啓峰說，去年六月開始TVD shopping的電視購物業務，目前在泰國的五家電視購物頻道中佔第二，今年六月剛開始跨入電商。

林啓峰表示，泰國電商市場非常不活絡。因此面對東南亞市場，林啓峰表示將會繼續循台灣從電視購物起家轉進電商的模式，希望明年能再拓展到另一個國家。

@@ACTIVITYID:457@@

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。