遊戲影片流量驚人，YouTube專屬遊戲網站卻面臨下架命運|數位時代 BusinessNext

遊戲影片流量驚人，YouTube專屬遊戲網站卻面臨下架命運

過去12個月，YouTube上平均每天有2億人在看遊戲內容、觀看時數達500億個小時，這驚人流量，卻不能有效轉換成YouTube Gaming的成績。自2015上線後，這款App將於明年3月全面下架。

每日2億人看遊戲影片，但大多數沒人在用YouTube Gaming

「這是遊戲在YouTube上最壯大的一年，在過去12個月中，每天平均有2億名用戶在YouTube上看遊戲用戶，總共看了500億個小時的遊戲內容」，YouTube遊戲內容合作夥伴負責人Ryan Wyatt在Twitter中寫道，但沒有一併透露的是，即便在YouTube上看遊戲的人很多，但卻無法轉換成YouTube Gaming的成績。

YouTube Gaming設計相當簡潔，除了主頁外，按遊戲「直播」、「主題」和「頻道」分為三大內容入口，而上面的內容是從YouTube上「同步」過去。當創作者在YouTube頻道上傳影片後，官方系統會自動判別是否為「遊戲內容」，進而決定是否要拉到YouTube Gaming中一併出現，而流量、留言、按讚數等，在兩邊操作都會累積，一模一樣。

「但坦率地說，大多數人都沒有用YouTube Gaming來體驗遊戲。」Ryan Wyatt對國外媒體TechCrunch坦承。根據行動數據平台App Annie分析，YouTube Gaming 在App Store中被歸為「娛樂」類別，9月份在iPhone上的下載排名，最高時為150名、最低時已跌出200名，不甚理想。

外媒《The Verge》指出，Ryan Wyatt透露大多數人不知道YouTube Gaming到底在做什麼、也不知道提供了什麼樣的內容，和市面上很多遊戲App容易混淆；另一方面，官方在YouTube Gaming上「專門」設計了一些新功能，例如讓創作者提高收益、增加親密度的「頻道會員」，以及為了和主網區隔，網頁採黑底色的設計，這些功能的使用量，並沒有達到預期。

於是YouTube終於決定讓一切從簡，並且把能量聚集回歸到主網上。雖然YouTube Gaming目前在包括台灣等近30個國家上線，預計2019年3月將停止服務，全面下線。

下架之後，主網「遊戲頻道」來解套

但YouTube已經準備好對應策略——透過YouTube官方的「遊戲頻道」來聚集能量。

就像YouTube上有官方的「音樂」頻道一樣，訂閱後在左側的「訂閱內容」中就可以直接點選進入，而「遊戲」也有頻道，且訂閱人數已達7853萬，頻道包含熱門直播、熱門影片，以及目前正在平台上直播的熱門遊戲。

特別值得一提，在「遊戲」頻道的最頂部，也是版面最大、最顯眼的位置，用戶將會看到基於過去瀏覽影片的紀錄，YouTube官方特別制定的「專屬遊戲」內容推薦；此外，也同步宣布「Creator on the Rise」計畫，每週將會特別推薦一個人氣較「輕量」的遊戲創作者，讓他們有更多曝光機會，這項計畫先在美國推出，第一個藉此亮相的頻道為Erin Plays，目前擁有超過1000名訂閱者的美國YouTuber，皆符合條件。

透過YouTube Gaming和Twitch競爭，這項計畫最終行不通，但這塊大餅Google不可能會放棄，之後還會有什麼新戰局？只能拭目以待。

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。