創業者就需要一個「狂」字！見森川亮兩次，MAKER創辦人張倫維就拿下C CHANNEL獨家代理|數位時代 BusinessNext

以合資子公司為前提獨家代理3年

C CHANNEL與MAKER以合資子公司為前提簽下三年的獨家代理約，主要原因是要讓合作趕快上線，而洽談合資條件無法在半年內完成，才會先簽獨家代理商。

簽約後才一個多月，張倫維就談下各方合作，首先預計跟所有台灣女性平台、入口網站、數位多媒體做內容交換。包括與ETTODAY播吧、妞新聞的聯名頻道正式上線，也將跟雜誌模特兒經紀公司「我是娛樂」及AKB48台灣研究生合作聯名頻道。

（圖說：張倫維希望森川亮可以每一季來一次台灣，跟Clipper交流，特別送他有森川亮漫畫圖案的悠遊卡。圖片來源：郭芝榕攝影。）

C CHANNEL有開放平台的特性，可以把內容直接分享到聯名頻道，只要單一影片內容達到一定的分享數，Clipper就可以分潤，可以讓網紅有新的收入模式。

此外，C CHANNEL跟Shiryouko Studio詩涼子街頭實況攝影棚合作，讓台灣的小模和網紅都可以免費訂閱拍攝時段。C CHANNEL也將跟UITOX合作，結合影音做全球跨境購物。

C CHANNEL和MAKER合作的方式很互補，像把兩邊市場當實驗室，看哪個市場先發展出好的模式，就先拿去做，不只是普通的商業代理而已。

例如，C CHANNEL在日本做到「把女性雜誌影音化」，從日本找了雜誌社總編幫忙，讓影片內容變成一本雜誌來編輯，讓C CHANNEL的影片瀏覽次數從2千萬快速成長到1億。所以MAKER也如法炮製，延攬台灣銷售第一名的女性雜誌總編輯進團隊，希望可以融合平面和電視的DNA。

（圖說：把女性雜誌影音化的想法，讓C CHANNEL的影片瀏覽次數從2千萬快速成長到1億。圖片來源：郭芝榕攝影。）

日本C CHANNEL以美妝美髮、輕食譜、指甲彩繪等三大類影片內容最受歡迎。張倫維說，「平台需要好的影片，內容為王的年代又到了！」而張倫維自己想在台灣嘗試的類別是親子時尚。

用MAKER試出新商業模式

MAKER本身做美髮、美甲、美睫、親子DIY店家，希望能讓店家也產生拍片的動能，除了幫店家宣傳之外，也要讓店家有營收模式，張倫維指出，「當使用者在C CHANNEL上看到漂亮的美甲，會問店在哪裡？能否去找你？」最後就會延伸出產品和票券銷售，做線上預約，商業模式自然應運而生。

C CHANNEL的商業模式是什麼？森川亮認為提升會員數和瀏覽次數最重要，營收並非現階段最重要的事。不過，張倫維有著台灣網路創業者的DNA，他認為在台灣創業做垂直網站，通常都先假設沒有人投資，自己要先有生存能力。

張倫維說，「Fashion Guide做的是女性變漂亮的商品資訊流，而MAKER想解決的是女性變漂亮的店家資訊流，可以依地點來推薦店家！」例如，如果女性想要像林志玲一樣有漂亮長髮，可以在Fashion Guide查詢噴髮，用MAKER做店家比對，而C CHANNEL可以滿足店家做DIY的地點，張倫維最終的目標是大數據互串。

C CHANNEL一年上傳了8千支影音，泰國總瀏覽次數破500萬PV，除了日本、泰國和台灣之外，C CHANNEL接下來也將擴張到韓國、馬來西亞和新加坡。可以肯定的是，MAKER在台灣的腳步很快，也許會幫C CHANNEL試出嶄新的商業模式。

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。