Medium app推全新閱讀功能「Series」，不走長文風格、主打卡片式圖文故事|數位時代 BusinessNext

Medium app推全新閱讀功能「Series」，不走長文風格、主打卡片式圖文故事

內容發行平台Medium今日推出全新閱讀產品「Series」，貼文以卡片式的圖文敘事模式呈現。這是Medium推出的第一款行動裝置原生的產品，希望在Medium既有用戶以外，吸引那些較少寫長篇文章的用戶。

卡片式的圖文敘事模式、內容更新會通知讀者

Series是Medium推出的全新敘事模式，其由多張「卡片」組合而成，而卡片的內容可以是文字、圖片或GIF動畫。用戶可根據主題建立不同的Series貼文，隨時間故事有新進展時，可隨時增加該貼文的篇幅。比起傳統的Medium部落格敘事形式，Series更適合短篇、圖多的內容，可鼓勵更多以圖片為主軸的故事或新型態的新聞敘事。

就像Snapchat和Instagram stories一樣，讀者在螢幕上向左或向右滑翻頁閱讀，且能追蹤特定的Series，在作者更新內容時可收到通知；就算讀到一半跳出貼文，Series也會記下你每則貼文讀到哪個段落，下次可再從相同的地方開始閱讀，而不用從頭閱讀。貼文最後還會出現代替「按讚」的「鼓掌」圖示。

有系統地訴說「發展中的故事」

不過和Snapchat Stories不同的是，Series貼文不會在24小時後消失，直到發布者刪掉內容前都可永久保存。Medium產品負責人Katie Zhu表示，現在網路上多是短篇、斷裂式的內容，而Series希望能更有系統地訴說更複雜、更有意義、無法在單篇貼文說完的「發展中的故事」；這些故事可以是你想和大家分享的一段旅行、學習新語言的經驗、提倡某件事、校園經驗等任何故事。

透過Series，用戶不用一次寫完這些故事、也不用像過去一樣在文章後面加上連到其他相關文章的連結。不過，Medium不希望像Snapchat和Instagram以分享生活瑣事為主，而是希望用戶分享更有啟發性的故事。

「這是一種說故事的新方式，可以訴說隨時間發展、更深入和更有意義的故事。」Medium如此定義Series。

因應轉向行動裝置的閱讀習慣，未來或將針對Series推訂閱服務或廣告

以「內容為本」的Medium，在1月宣布調整商業模式並裁員1/3的人力，當時，創辦人威廉斯（Ev Williams）將「以點擊率賣廣告」的商業模式稱作「崩壞的系統（broken system）」，並表示將尋求其他替代方案。「我們正在將資源和注意力，轉而放在打造能根據內容價值而獎勵作者的新模式。」他說。

隨著用戶閱讀習慣從電腦轉向行動裝置，Medium此時推出Series也是因應潮流。不過，Series和傳統的Medium貼文相較，文字量有相當大的落差，兩種截然不同的功能如何並存令人好奇。

《The Verge》指出，雖然現在尚未能確定Medium已確定將未來賭在行動裝置閱讀上，或僅是實驗性質，但若Series模式成功，不難想像Medium將減少其對核心部落格產品的發展力道。此外，由於創辦人威廉斯曾預告將推出訂閱式服務，《The Wired》便指出，或許Medium之後將推出Series付費服務，或是在Series故事中穿插廣告。

用戶今日更新Medium的iOS和Android應用程式便能看見Seires新功能；Series目前暫不開放電腦閱讀，但可用電腦建立Series貼文。

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。