KKBOX再優化！耗時三年，打造個人化音樂推薦系統|數位時代 BusinessNext

你知道自己想聽什麼音樂嗎?

「我們最早的想法就是想用科技的力量，讓聽音樂有更好的體驗。」KKBOX總裁李明哲說。他表示，產業內有許多優秀音樂人做出好音樂，企宣人員也賣力宣傳，不過，如何讓用戶適時適地接觸到這些作品卻是個有待克服的難題。如果用戶很明確地知道自己想聽什麼歌，事情還好辦，但是如果需求很模糊，就會需要一套夠了解你的推薦機制。

KKBOX產品開發中心負責人林華指出，這次推出新版產品，共有三大重點優化，其中最重要的就是個人化推薦系統。

她表示，目前KKBOX曲庫中共有3千萬首歌曲，為了提升使用者體驗，從2013年開始，KKBOX的資料科學團隊和台大、中研院和政大等學術單位密切合作，持續優化演算法。政大資訊科學系教授蔡銘峰指出，這次推出的演算法採用最新深度學習技術，並基於深度學習的基礎提出新的表示式學習方法，讓用戶可以更容易接觸到自己感興趣的歌曲、歌手、專輯或曲風。

蔡銘峰舉例，過去傳統作法，可能是去記下一首歌的曲名、歌手名、音樂類型等標籤，但現在的作法則是要讓資料自己去定義出特徵。就好像Google開發機器人在YouTube的影音裡面去定義出貓是什麼樣子一樣。「所以重點是資料量要夠大，才能Drive出來。」他也補充，過去只能在歌曲增加關聯性，但現在則是可以把更多的使用者因素也加進來分析。

給消費者驚喜，創造音樂平台的價值

而實際上，林華表示，在測試時，他們透過「消費者是否點下推薦音樂」、「有沒有聽完推薦音樂」，和「聽推薦音樂的數量是否增加」這三點來判斷，發現新的演算法確實比過去更精準、更有效。

林華也指出，當消費者總是只聽那幾首歌時，KKBOX的價值就難以被凸顯，但若能經由推薦機制，讓消費者因為聽到喜歡卻從來沒注意過的歌曲而感到驚喜時，消費者就會更喜歡KKBOX。

除了演算法推薦，KKBOX也和陳玠安、DJ Rainbowchild等專業音樂人合作，透過人工方式重建分類，並將曲風和情境分類擴充到上百種。例如電子、搖滾、嘻哈等，就可以再細分為House、Trance、Pop Rock、Shoegaze等不同風格的子分類。

使用者介面也改版，並擴充使用情境

在介面設計和音效上，KKBOX也有著墨。林華解釋，在介面設計上，手機和平板上將改以瀑布流方式呈現，方便用戶瀏覽。另外，KKBOX和音樂解決方案公司DTS合作，為耳機使用者打造出寬廣模式、前置模式和傳統模式等三種體驗方式。在寬廣模式中，使用者可以感受到環繞音效，如果切換到前置模式，就像是歌手站在你面前表演一樣。

另外，為因應全螢時代來臨，未來KKBOX不僅支援微軟HoloLens、智慧車用Apple CarPlay和Android Auto，客廳娛樂方面則支援XBOX、Apple TV和Android TV。出外運動時，也能透過Apple Watch、Android Wear聆聽音樂。

KKBOX表示，Android用戶即日起已可下載新版KKBOX，iOS版本則會在本月下旬開放。

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。