「2017上半年，音樂產業出現驚人改變。」尼爾森：單月媒體串流播放首度突破70億次|數位時代 BusinessNext

「2017上半年，音樂產業出現驚人改變。」尼爾森：單月媒體串流播放首度突破70億次

調查公司尼爾森（Nielsen）最新公佈的「2017上半年美國音樂調查報告」中，串流媒體相關數據都創下歷史新紀錄，在串流服務廣受消費者喜歡的同時，對平台、藝術家來說，這會是ㄧ門好生意嗎？

「消費者大量使用串流平台，與音樂產生了前所未有的接觸。」

尼爾森針對美國市場發佈了2017上半年的音樂調查報告，除了音樂，報告中也合併計算了快速成長的Podcast、錄音音檔這類的媒體檔案，根據統計，Podcast每月的用戶，在過去五年成長已經翻倍。

報告中指出，點播媒體串流（on-demand audio streaming）服務播放次數，在今年三月首次超過70億次；2017以來，音頻串流播放次數超過1,840億次，較去年同期增長62.4%，若再加上影片串流，今年上半年播放次數就超過2,840億次，較去年同期增長36.4%。

Spotify、Apple Music等串流音樂服務平台，在新里程碑中肯定辦演了關鍵性角色，這也影響了實體、數位音樂的銷售。

報告中提到，上半年實體專輯銷售下降17%、數位專輯則是下降20%，換句話說，如果可以使用串流服務，人們想要「購買」並「擁有」音樂的慾望就下降。

尼爾森的音樂產業專員David Bakula表示：「 2017上半年，音樂產業看到驚人的改變。」「消費者大量使用串流平台，與音樂產生了前所未有的接觸。」

哪首歌被播放最多次？

這份報告還揭露播放次數最多的歌曲，第一名是紅髮艾德（Ed Sheeran）的「Shape of You」，超過200萬的銷售，及453萬的串流播放；第二名是Luis Fonsi的「Despacito」超過140萬的銷售，及350萬的串流播放，第三名是Bruno Mars的「That’s What I Like」超過130萬的銷售，及310萬的串流播放。

肯德里克·拉馬爾（Kendrick Lamar）的專輯「DAMN」，則是今年專輯、單曲、串流加總的冠軍超過177萬次活動次數，紅髮艾德的「÷ (Divide)」緊跟在後，174萬次活動次數。

串流好夯，但會是ㄧ門好生意嗎？

一般大眾熟悉的串流音樂平台包括Spotify、Apple Music、SoundCloud、Pandora及台灣的KKBOX。

據統計，Spotify目前全球活躍用戶高達1.4億，擁有5,000萬名付費用戶，先前官方公佈的數據中，每5名台灣網友就有1名是Spotify用戶，且每名用戶平均每天花140分鐘聆聽音樂；頭號競爭對手Apple Music，則是以2,700萬名付費用戶緊追在後。

Spotify2016年總營收為29億歐元（約新台幣980億元），不過淨損失額也有6億美元（約新台幣180億元），營收大幅成長的同時虧損也持續地增加，公司有85%的支出都在音樂版權與發行成本上，才會造成總營收呈正面成長，但支出還是超過營收總額的狀況。對此，Spotify仍表示：「我們相信只要規模夠大，這個商業模式絕對可以帶來利潤。」

不過串流平台SoundCloud可就沒這麼有信心了，今年初曾傳出資金問題，為了降低降低人事成本，在上周一口氣裁員173名員工，裁員幅度達40％，同時還將關閉倫敦、舊金山的辦公室；另一家有471萬付費用戶的美國串流媒體音樂服務商Pandora，在今年第一季也宣布裁員7%的美國員工。

或許就如加拿大歌手威肯（Weeknd）接受富比世雜誌訪問時所說的：「我們住在一個，藝術家不能直接從音樂賺取金錢的世界，過去的黃金時代已經不復返。」

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。