模式失靈？YouTube將廣告插播在爭議影片，遭客戶群起抵制|數位時代 BusinessNext

將廣告插播在種族歧視、極端言論、恐怖份子的影片中

上週，許多外媒報導Google的自動廣告投放系統會將客戶廣告放在涉及種族歧視、極端言論、恐怖份子的YouTube影片中，不少知名企業和英國政府都受到影響。對此，美國兩大廣告主AT&T和Verizon開了第一槍，表示已撤下其在YouTube和Google廣告聯播網投放的廣告。

由於爭議牽涉到作為Google主要營收的廣告業務，Google也於上週五緊急滅火，除了道歉，也表示將加強自動審查影片機制，並增加更多人力將廣告從有爭議的影片和網站移除，防止廣告出現在「仇恨、有攻擊性和貶低他人」的影片中。此外，Google也承諾將讓廣告主對於廣告出現位置有更多控制權。

「雖然我們了解沒有系統是100%完美的，但我們相信這些主要措施將進一步保護我們廣告主的品牌。」Google營運長Philipp Schindler表示。

儘管如此，Google的回應並未被消除廣告商的疑慮。可口可樂、百事可樂、沃爾瑪、星巴克、GM等知名企業紛紛在上周五表示，除了關鍵字廣告，他們將撤下在Google聯播網和YouTube投放的廣告；21世紀福斯子公司FX Networks更表示將撤下所有在Google投放的廣告（包含搜尋廣告）。

美國零售業者沃爾瑪：「這個與我們畫上關係的影片內容相當令人震驚，且完全違反我們的企業價值。」

中性的內容傳輸平台？還是須審查內容的媒體？

一直以來，廣告主會避免讓自家廣告出現在和產品價值衝突的內容中，例如，速食廣告會避開節食節目，航空公司的廣告會避開墜機新聞。

但數位廣告運作的邏輯和傳統廣告完全不同，其依靠演算法決定廣告出現位置。Google曾表示，光是YouTube每分鐘新增的內容就多達400小時，且有上百萬個網站仰賴Google的廣告系統獲得廣告收入，受限於技術，他們沒辦法事前保證廣告曝光位置。

全球最大廣告商WPP執行長Martin Sorrell表示，Google過去總秉持著他們只是負責數位管道、不用對內容負責，但在該事件後，他們不能只說：「你看，我們只是間科技公司，那些在我們網站上出現的內容和我們一點關係也沒有。」

無獨有偶，近來Facebook也面臨和Google相同的問題：這些網路平台能否是完全中性的數位管道，還是像其他媒體組織一樣，須對旗下內容負起管理責任。

根據市調機構eMarketer調查，目前市值約5,624億美元的Google，吃下高達41%的美國數位廣告市場，相較下，Facebook則佔其中的14.7%。

不過，根據摩根士丹利報告，由於這批抵制僅佔YouTube廣告和Google聯播網廣告的總淨收入10%，且Google廣告有上百萬名客戶，因此這次雖然有多數廣告主加入抵制，但對Google造成的影響仍相當有限。

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。