內容扮演成長引擎，阿里巴巴執行長張勇：淘寶已經變成社群商務平台|數位時代 BusinessNext

淘寶已經轉變成社群商務平台

雖然阿里巴巴的用戶基礎已經相當龐大，但上個季度還是有2200萬人的淨增加，將月活躍用戶數推升到5.29億人。但比淨增用戶數更重要的，是他們觀察到消費者對淘寶的黏性變得更強，轉換率和點擊率也跟著拉高，進而帶動整體收入的增長。

阿里巴巴執行長張勇表示，手機淘寶已經從一個服務平台，轉變成第一大商品市集，再轉變成一個由交易、內容和社群共同驅動的社群商務 (social commerce)平台。在淘寶生態系上，除了在平台原有的買、賣家，現在還加上一層能夠產製大量內容的網紅和意見領袖們。

而促使大量網紅和意見領袖在平台上蓬勃發展的，則是阿里巴巴平台上各式各樣的社群商務產品，如淘寶頭條、淘寶直播、短影音等等。「我們和商家密切合作，讓他們了解如何使用不同的服務、透過這些工具得到最高的轉換率。」張勇表示，「今天消費者在我們的行動App上，不只是在購物，也在消費內容。」可以說淘寶是藉由內容來激發新的消費者需求。

他指出，美妝類和廚房用品類都是透過直播創造出更大效益的顯著例子，因為透過直播展示如何化妝、如何料理，也同時激發出消費者對食物和廚房用品的好奇心。

阿里巴巴集團執行副主席蔡崇信認為，當淘寶變成一個內容更豐富的App，消費者對平台的參與度也會變得愈深。「消費者停留在平台的時間愈長，會買更多，而且看得品類也更廣。」他說。而張勇表示，若以日活躍用戶數和月活躍用戶數的比例來衡量用戶黏性，則他們一直維持在40%以上。

不能只有內容，還要數據驅動「個性化」

但要真正實現透過內容加深用戶參與度這件事，背後其實還有一個關鍵，就是數據的運用，也是阿里巴巴去年開始強調的「個性化」服務，並在今年5月針對個性化技術做了全新改版。更明確地來說，就是藉由消費者數據分析，讓每個消費者看到的都是最可能產生關連性的內容，並創造更多互動。

一方面，他們認為這可以提升使用者體驗，另一方面，當內容更符合個人化需求，提高的就不會只有點擊率，更會拉升購物轉換率。而這也在讓平台成交可能性提高的同時，讓商家們更願意付費給阿里巴巴使用各種行銷工具。這也是為什麼付費商家數量及商家平均支出都在該季度雙雙創下歷史新高。

此外，別忘了阿里巴巴集團底下除了有核心的電商事業，以及阿里雲服務，還有媒體與娛樂事業。「我們會看到媒體與娛樂事業和核心電商業務發揮更大綜效。」武衛表示目前已經看到初步成果，也預期兩大事業未來可以在消費者、內容、商業化產生更大的互補綜效。

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。