[沈雲驄] 老是來源可疑, 真心難辨,行嗎?
[沈雲驄] 老是來源可疑, 真心難辨,行嗎?
2016.06.06 |

每一天當我們穿梭在傳統媒體與新媒體之間,正規新聞與譁眾取寵的內容拉鋸就不自覺地展開。在兵荒馬亂中,高點擊也許是曇花一現的短期目標,但最終我們都得重新理解讀者對內容的需求是什麼。

也許不遠處就是這趟長遠旅程的盡頭了。

吉姆.羅伯茲(Jim Roberts)怎麼也想不到,自己會有這麼難堪的一天。這位紐約時報老將,可是美國媒體圈響噹噹的人物,當過紐時執行副總,也曾任網站總編輯,是開發紐時電子新聞的重要功臣之一。四年前,他被路透社挖角;隔年,再高調跳槽到Mashable擔任「總編輯兼內容長」。「我迫不及待,」他當時說,「想踏上這趟長遠的旅程。」

結果,這趟旅程沒他想像得那麼遠。最近,他──以及多位資深編輯──一起被Mashable資遣了。

圖說明

Jim Roberts,照片來自:Mashable

這起資遣事件,引起美國媒體圈的熱烈討論。倒不是要看羅伯茲笑話,畢竟當初這位媒體老將跳槽到Mashable,大家原本就不怎麼看好。由19歲蘇格蘭年輕人Pete Cashmore所創辦的部落格平台Mashable,雖是英語世界熱門網站之一,但實在稱不上是高品質媒體,反而是羅伯茲願意加入,才讓大家感到意外。

所以過去兩年來,大家雖然意外,卻也暗暗期待出身傳統媒體的羅伯茲,能為新媒體帶來更好的內容。當年,Mashable的挖角動機很明確:一來,想借重羅伯茲的新聞資歷,染指正規新聞的地盤;二來是想藉助羅伯茲的名聲,為Mashable打造「可信賴」的新聞品牌形象。可是實驗下來,Cashmore痛苦地發現,正規新聞──烏克蘭事件、美國總統大選等等──很重要沒錯,卻無法帶來穩定又大量的點擊。往往花錢製作的大新聞,還不如從臉書上抓來改寫的小故事吸引更多人瀏覽。如今,Cashmore決定把羅伯茲請走,回到過去熱門娛樂導向文章的路線。這固然是很現實的考量,但長期而言是不是個正確的決定?目前還言之過早。

圖說明
圖說:Mashable首頁

今天同樣面臨關鍵策略調整的,不只有Mashable。另外幾家臉友們所熟悉的熱門網站,營運也紛紛亮起紅燈,例如知名釣魚網站Buzzfeed,狀況也不太好,據《金融時報》報導,去年業績遠不如預期,今年更大砍營業額目標。儘管Buzzfeed否認這項消息,強調自己的營運沒問題,但空穴不來風,何況Buzzfeed的商業模式能持續多久,原本就備受市場關注。

短期而言,幾個熱門網站在財務上都還不錯。Mashable.com剛完成了C輪募資,拿到透納公司(Turner)領投的1千5百萬美元,Buzzfeed去年也獲得NBCUniversal的兩億美元挹注。無後顧之憂下,都誓言大展拳腳,例如進軍美國以外市場、投入影音製作等等。

但無論哪個國家,無論是文字還是影音,這些網站都得嚴肅面對一個共同挑戰: 要如何持續不斷創造高點擊?這些網站都沒有訂戶,也不設收費牆,唯一的收入就是靠廣告。而廣告,全得看高點擊。而為了找尋可以引來高點擊的文章,他們每天爬臉書、追推特,哪篇文章受歡迎,他們就跟著po文;他們也會自己製作內容,放到社群平台上供大家討論與分享,然後再拿著點擊數據向廣告主們要錢。

看在讀者眼中,這種商業模式是令人又愛又恨的。之所以愛,一來是很多文章真的很好看,打發了時間,也增廣了見聞;二來,也因為有這些網站的刺激,現在連傳統媒體都好看多了,標題更活潑,內容更生動。

但之所以恨,自然是文章的來源可疑,真心難辨。誰知道一篇標題叫做「專業人士應該破除的十個迷思」的貼文,居然是IBM所置入的文章,「14個衣服老洗不乾淨的原因」也是洗衣機業者的廣告?誰又能判斷「這個測驗,只有汪星人能答對75分以上」點進去,是不是寵物飼料公司的行銷工具?上當一次兩次就罷了,沒有多少讀者願意一再上鉤。時間寶貴,讀者對內容的要求也會越來越高,要如何因應?

換言之,這些網站都得重新理解讀者對內容的需求才行。這意味著不僅要繼續下吸引人的標題,更重要的是在標題之下給讀者好文章,最後才能贏得讀者的信任,也才能賺到錢活下去。而這種功夫,不正是過去成功的傳統媒體所擅長的嗎?

誰知道呢,也許Mashable應該做的不是請走羅伯茲,而是延攬更多羅伯茲。我們繼續看下去吧。

沈雲驄
Jesse Sam

早安財經文化發行人。財經作家。
Facebook

本文出自:@@BOOKID:126743@@

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