點數老梗新時尚？LINE、樂天各自推跨平台兌點為哪樁|數位時代 BusinessNext

跨界結盟，提高點數含金量

雖然這兩個點數交換聯盟的組成不同，目的卻很相近。如果用簡單一句話來說，就是「當點數流通廣的時候，價值就會變高」。不論是LINE、樂天，或是雅虎、屈臣氏等其他公司，要想讓點數成為有效的行銷工具，可應用場景的數量多寡，直接影響點數對消費者的吸引力。。

以樂天為例，在日本因為從金融、電商平台到旅遊、電子書等，樂天各式各樣的服務可以從多面向觸及日本人的生活，點數只要在自家生態圈就可以廣泛流轉。但來到台灣，因為樂天還沒有將所有的服務都移植過來，不論影響力或覆蓋面都不如在日本，也因此產生跨平台兌點以擴大生態圈的需求。

同樣地，LINE的情況也很相似。雖然LINE在台灣的用戶數超過1700萬人，但LINE Points的使用場景卻還相當有限，目前主要只能用於線上貼圖購買和LINE禮品小舖。而如果說LINE Pay是LINE串接線上、線下，實現智慧生活生態圈這個未來願景的武器，LINE Pay能不能擔起這項重任的關鍵就是LINE Points。因此，如何提高LINE Points的含金量，就是LINE眼前最重要的功課之一。

試想，網購金額雖逐年提高，但國人逾八成消費場景還是發生在線下，而樂天超級點數和LINE Points原本主要都只能在線上使用，不過當LINE Points可以轉換成HAPPY GO之後，不僅一下多了兩萬個使用場景，也可以將使用場景推展到線下市場，更貼近消費者、提高點數使用頻率，並可能經由點數的跨平台轉換，帶來過往較少觸及的新用戶。

跨平台新增成本與不確定性，使用體驗也待提升

而相對於自己一個一個去和商家串接，直接和其他已經發展成熟的點數平台結盟，或許是最快的方法。

不過這樣的做法看來也是有缺點的。一來，相對於自營點數，當點數因跨平台多了「轉換」這層工作，就難以避免會有新成本產生；更讓業者擔心的，恐怕還有點數流向的難以預測，究竟點數是轉換進來得多?還是流出去的多?畢竟最初點數的設計，是希望吸引消費者回流，培養顧客忠誠度，如果點數最終都換到別的平台，豈不為他人作嫁？

再者，因為LINE和樂天都不是直接和商家串接，甚至現在不同點數平台和點數平台之間的系統也非直接相連，因此對LINE或樂天的用戶來說，除了第一層必須先思考不同平台不同的點數轉換比例最終可以換得多少點數；目前消費者也無法直接在購物現場，或購物的當下做點數轉換，而是必須事先到APP的點數轉換介面，甚至得到實體的超商機台如ibon將原有點數先換成一組序號後，才能轉換使用，使用起來相當不直覺。

因此，點數在新零售時代或許會是一個很好用的關鍵工具，但各家業者未來在持續擴大點數交換生態圈之餘，如何簡化使用流程，提升消費者使用體驗，恐怕是必須努力的一大課題。

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。