靠答題就能賺錢！知乎獲81億融資要將知識變現|數位時代 BusinessNext

靠答題就能賺錢！知乎獲81億融資要將知識變現

知乎宣布獲得 2.7 億美元（約新台幣 81 億元）E 輪融資，目前估值約為 24 億美元。面對使用者與創作者，他們從兩個角度切入，希望能夠持續提升用戶質量。

知乎兩計畫，提升使用者與創作者質量

知乎創立於 2011 年，以模仿美國 Quora 的問答平台形式上線。「發現更大的世界」為知乎的宣傳口號，開復的創新工場為知乎的早期投資人之一。

目前知乎的註冊用戶高達 1.8 億人，2.7 億美元也是知乎歷年最大輪的融資。就算資本市場已經反應了對於知乎營運模式的信心，在知識問答領域上，知乎仍有三個最大的問題。

如何保障良性討論氛圍

如何兼顧內容的質與量

優秀創作者能否獲得收益

從知乎創立，走向商業化的第一天，這三個問題如同夢魘般縈繞在所有知乎舉辦的媒體場合中，所有人不斷拿著這三個問題質問知乎高層。知乎從一開始小眾的菁英社群不斷擴大，隨著註冊用戶的成長慢慢走向大眾平台。在商業化與平台的風氣、內容質量上的平衡考驗沒有停止過。

為了找出上述三個問題的解方，知乎從兩個部分下手：「海鹽計劃中的鹽值」與「創作者中心」。

鹽值是一個評分系統，根據使用者在知乎平台上的表現給予對應的分數，在 0～1,000 中浮動。根據知乎官方的介紹，鹽值從「基礎信用」、「內容創作」、「友善互動」、「遵守規範」、「社區建造」五個維度綜合計算。鹽值分數將直接影響到使用知乎的功能，對於高鹽值的使用者，將會有更多知乎平台治理的權力、更便捷的服務。鹽值過低則甚至無法撰寫評論等。

創作者中心則是解決優質內容創作者的收益問題，給予優質「答題者」，也就是創作者最直接的鼓勵是給錢。創作者中心提供這些創作者獲利的可能性，包含知乎平台上的內容數據分析、贊助按鈕、成為品牌的「特約撰稿人」等。

知乎從使用者與答題者兩個角度找尋解答，目前海鹽計劃仍在前期階段，創作者中心的變現能力也有待考驗。不過，仍可以看出知乎正在重整平台風氣，希望能夠解決上述三個問題。

LINE Q、泛答、知識＋，台灣問答平台有搞頭？

在知乎與美國 Quora 發展的同時，台灣在問答平台這一塊到底有沒有搞頭？

目前看來似乎沒有。

台灣人似乎在問答這一塊的使用習慣較為垂直，會因應不同的問題到不同的平台上找尋協助。Mobile01、PTT、年輕人使用的 Dcard，甚至是「萬事問臉書」等，仍較符合目前台灣人的使用習慣。

而過去的案例中，Yahoo 知識+ 已經沉沒，雖然在搜尋上仍可以找到不少問答結果，但是大量的廣告、劣質內容充斥，劣幣逐良幣的後果讓知識+ 不再是主流問題平台。

而 LINEQ，簡單來說就是知識+ 手機版，能夠自由地提問與回答。而也有獎勵機制，從中獲得的點數能夠換取貼圖購物金，甚至禮卷等。不過，台灣 LINEQ 也在 2017 年宣布停止營運。

最後要提到的則是泛答，由泛科知識推出的「打賞」問答平台。其 Facebook 2018 年完全沒有新的貼文，泛答網站上問題的觀看數目大多也不超過 20。不過，泛科知識總編輯與共同創辦人鄭國威 3 天前仍有回答網友的問題，從各種外部結果看來，泛答有些危險，要麼收場，要麼轉型。也許泛科知識在今年 6 月與 flyingV 的合作，在未來會推出新的解答也說不定。

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。