Appier再度入選全球AI 100大，這家公司如何幫助企業挖掘資料中的寶藏？|數位時代 BusinessNext

Appier再度入選全球AI 100大，這家公司如何幫助企業挖掘資料中的寶藏？

人工智慧新創Appier擊敗近2000間公司，再度入選全球百大AI，是台灣唯一入榜的公司。Appier推出的兩大平台，是如何幫助企業找到資料中的寶藏？

兩大平台，成為企業的決策軍師

Appier產品管理副總經理涂正廷指出，Appier目前有Aixon與CrossX兩大產品線。「Aixon人工智慧商業決策平台，重視產品發想與設計階段的資料整合分析，幫助產品、行銷、數據與IT部門深入理解使用者並預測可能的行為，CrossX程式化購買平台，則扮演最後一哩路角色，透過Appier的演算法，找出最符合行銷目標的受眾。」兩大平台為互補關係。

其中Aixon人工智慧商業決策平台推出近一年，瞄準中大型企業用戶（因為中大型企業用戶擁有較多的資料量，且內部部門較為龐大，有更高的意願採用相關服務）。Appier沒有透露客戶總數量，但目前客戶集中在台灣、新加坡與日本三地，台灣已經有東京著衣與拍手等電商，以及天下雜誌等出版業與李奧貝納等廣告代理業者採用。平台技術上採用監督或半監督式機器學習。

整合資料並不難，但怎麼找出關聯性是關鍵

亞洲企業開始重視數據重要性，但怎麼從數據中挖出寶藏？成為企業的「痛點」。首先，這些企業資料五花八門，從官網等網站型資料、行銷活動型資料、第三方收集工具如MAT or AppsFlyer等App資料與CRM資料與API介接等不同類型與格式資料，光是資料整合這一步就是一大工程。因此Aixon系統協助企業蒐集與整合不同格式的資料。

「而整合資料並不難，但怎麼找出關聯性？這才是難的地方。」涂正廷說。以雜誌出版業來說，公司有「線下」與「線上」活動，同一個會員可能在線上與線下都有足跡，Aixon協助企業找出這些資料的關聯與價值。又例如正在用電腦的人與用手機的人，可以知道是同一個人嗎？

Appier可完整的理解客戶樣貌，如高潛力客戶想要什麼產品？或是額外的興趣是什麼？「當產品還沒有設計出來時，企業想知道我的使用者是誰？產品推出後，企業也想知道市場上的使用者和預期的產品使用者樣貌又是否雷同？」這些問題透過Aixon都可以獲得解答。

數據就像天空上的點點繁星，而Aixon協助企業找出「星座」體系，讓繁星間產生有價值與意義的關聯。

Aixon服務許多大廠也有提供，差異化在哪？

Appier提供的Aixon服務許多大廠也有提供，那差異化在哪？

涂正廷指出Cross X 使用者行為數據庫正是Appier差異化所在。Cross X跨螢數據庫在亞洲觸及近7億名跨螢網路使用者、20億台裝置；在台灣觸及1500萬名跨螢網路使用者。在台灣網路用戶的覆蓋率為八成，而跨裝置的使用者辨認精確率更高達九成。

企業沒有足夠的人才組AI團隊，成為Appier發展的最好時機

數據量不足、沒有良好的已標籤數據與數據使用上的靈活度都是企業在導入AI時的挑戰，另外，企業文化也很重要，「越高層的人支持越好」涂正廷認為。企業高階管理階層的人要能給予足夠的資源與支持，而負責執行的人則必須能真正瞭解AI核心意涵，把工作上執行流程上的問題忠實反映出來。

另外，要不要建AI團隊，也是許多企業在導入人工智慧時會考量的問題。涂正廷指出企業必須考量，「要在效益還不明顯時就組團隊嗎？有沒有足夠人才可以達成AI策略？」否則可能找到的是資料分析，而不是人工智慧團隊。

在這樣的背景下，Appier目標是成為企業的專屬AI團隊，並且讓企業導入人工智慧時更加容易（Make AI Easy）。

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。