即時數據分析戰力獲騰訊青睞，趙品奇讓看電競像看NBA|數位時代 BusinessNext

即時數據分析戰力獲騰訊青睞，趙品奇讓看電競像看NBA

2015年成立的玩加電競，認為數據會成為電競產業的「水和電」，他們的賽事數據服務不僅獲得騰訊付費合作，更於今年3月獲得第三輪投資、金額達千萬人民幣。

29歲CEO：電競數據不做太可惜

「以一場NBA賽事轉播來說，如果整場比賽主播都是『看圖說故事』，例如『Kobe又上籃了』、『Kobe把球傳給奧尼爾了』，觀眾雖然會買單，但過程就略顯乏味，這時數據可以賦予畫面以外的資訊。」趙品奇解釋道。

年僅29歲的他，原先是騰訊視頻原創節目的製作人，在創辦玩加電競前，他對「數據可視化」就頗有一套。簡單來說，就是讓數據提高畫面的價值，使內容更具可看性，他認為當時中國沒有幾個團隊，比他們更懂數據如何在內容中被運用。

最直接的便是利用即時採集、搜集比對的「新鮮數據」，豐富主播掌握的資訊。例如，「這是Kobe NBA生涯中投進的第3,000顆球，已經追上喬丹職涯第XX年的腳步」；或是「Kobe上半場30投25中，這是喬丹在19XX年也有過的難得佳績」。這樣的解說更能引起觀眾對比賽、運動員的帶入感，提高話題討論度。但談起為何2015年會以「數據」為核心，切入電競市場？趙品奇坦言自己和3位共同創辦人都愛玩遊戲、看遊戲比賽，正因為身在其中，他們預估將有大批的年輕人湧入電競領域，未來5至10年，電競將成為非常有前景的產業。但當市場迅速擴增，行業發展階段卻非常「初級」。

「那時遊戲比賽還未職業化，只能算是遊戲發行商的一種行銷活動。今天要是錯過了一場比賽，回頭再去找賽事回顧、戰績比分，根本一點資訊都找不到。」趙品奇決定要透過數據，解決電競產業資訊缺乏的問題。他認為一個產業要發展，「基礎建設」是根本，而數據就是電競領域的「水和電」，況且電競和體育項目相比，在數據上就有先天優勢。

「在電競產業不做數據市場，實在太可惜了。」他說。

但玩加電競一開始有「電競應該要向體育運動學習」的刻板想法，可體育數據跟電競數據本質上就不同。體育數據已經被規範且較簡單，以籃球來說，有「籃板」、「三分」、「罰球命中率」等，但在電競領域裡，每一款遊戲各自有意義的數據是什麼？連趙品奇當初都認為很難界定。

「數據的重點不在於擁有多少，而是怎麼產生價值。我們做的第一件事情是先去制定標準，要用哪幾項數據評斷選手能力，哪些數據交叉比對後，又能得出什麼綜合結果，」他解釋，標準不是憑空想像，而是透過機器學習和模擬運算，去評價一個選手的輸出、配合、輔助能力。

戰績數據包裝話題，操作事件行銷

而談到這些數據的服務應用，在B2C方面，趙品奇以數據為核心，建立了電競資訊社群，創造新聞和討論。在B2B方面，提供遊戲公司、俱樂部職業賽事解決方案，為玩加電競主要營收來源，占2017年收入的80%。

除了打造戰隊、選手訓練管理工具，還有給賽事提供數據策略分析，對象包括RNG等俱樂部，以及騰訊《英雄聯盟》、《王者榮耀》等中國當紅的遊戲，現在更開始「從數據挖掘出價值」包裝成話題、事件行銷傳播。

他舉了4月操作過的實際例子。中國戰隊RNG的選手Uzi，在《英雄聯盟》中達到2000殺的成就，他是LPL（中國《英雄聯盟》職業聯賽）中第一位有此成績的選手。玩加電競那時串連起RNG俱樂部、賽事官方、俱樂部贊助商惠普一起包裝行銷，包括發行Uzi的線上海報、盤點Uzi職業生涯，甚至還和騰訊體育合作，讓整件事和NBA、足球站在同一個高度。趙品奇說，只是透過一個數據的包裝，就能讓所有參與者都有所獲利。

玩加電競

成立時間｜2015年
創辦人｜趙品奇
團隊人數｜40人
營收數字｜2017年營收500萬人民幣
服務內容｜對企業客戶，提供遊戲公司、俱樂部職業賽事解決方案。對> 個人用戶，以數據為核心，打造電競資訊社群。

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。