13億用戶還不夠，面對WhatsApp變現問題，Facebook有耐心再等五年|數位時代 BusinessNext

WhatsApp用戶可能上看20億、30億人

相對於其他通訊App業者多已逐漸將焦點從拓展廣度轉為深度，專注在商業模式的開發與變現，已經達到13億月活躍用戶數的WhatsApp卻仍是以用戶數擴張為首要重點。在佐克伯看來，13億人只不過在目標的半路上，他預期未來使用者規模可能還將繼續成長到20億人、30億人，甚至更高。而對這件事，他顯然很有耐心。

當佐克伯在股東會上談及產品和策略規劃時，表示現在他最專注發展的是影音，他相信這是一個大趨勢，也提到現在每天已經有多達2億人會在Instagram使用Stories這項功能，成長相當快速。而他同時也表示，5年後最讓他感到興奮的，可能會是「訊息(messaging)」。

目前Facebook旗下有兩大即時通訊軟體WhatsApp和Facebook Messenger，分別都有13億月活躍用戶；每天傳送的訊息量是數以百億計。但即便已經達到這麼驚人的規模，對佐克伯而言，現在卻還是處於商業化的非常早期階段。

他提起剛收購WhatsApp時，用戶數大約4億人，相對於其他競爭對手，這其實已經是一個可觀的數字，但佐克伯在當時認為，每人收一美元年費的機制拖慢了WhatsApp的成長，而且他相信，未來WhatsApp的每一個用戶平均貢獻一定會超過1美元，因此決定取消這項收費機制。得到的結果是，過去三年來，WhatsApp用戶增加了近10億人，「世界上應該沒有太多這樣的例子，我們對這樣的成果感到很高興。」他說。

或許因為如此，他對WhatsApp的潛力有更大的信心和耐心，不急著開始賺錢。

WhatsApp商業化三步驟

他表示，對於WhatsApp的商業策略，其實有一套標準計畫：第一步是服務和建立社群，並且規模化；第二步則是讓商業元素進來。但他強調，這裡指得不是要企業付費使用，而是要讓使用者自然與商業應用產生互動。舉例來說，用WhatsApp訂餐、透過WhatsApp完成客戶服務等等。或是近來Times Of IndiaI引用研究機構Zinnov最新的研究報告指出，在印度已經有多達200萬個家庭主婦透過Facebook和WhatsApp兩大平台銷售生活用品和服飾，創造出高達80~90億美元的營業額。實際上在印度，WhatsApp已經自然演變成當地重要的銷售工具。

但到了第三階段才是真正變現的時候。佐克伯表示，一旦你的平台達到一定的規模、也有大量商業活動，就可以開始藉由提供工具讓商業客戶為了加快業績成長和消費者互動而付費。「我非常有信心這將會是一個大生意。」他說。

目前WhatsApp已經進入第二階段，也開始為第三階段做準備。但佐克伯不忘強調，重點還是「高品質」，因為就像他所相信的，WhatsApp的規模可能會從目前的13億人，再成長到20億人、30億人以上，他說，「我們不會為了短期獲利，犧牲長遠計畫。」

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。