【2018 Meet Taipei】KKday進軍日本最大挑戰：解決信任問題|數位時代 BusinessNext

旅行團沒落，「元件型行程」大賣

陳明明表示，過去的旅遊產業專注在「團客」，推出的產品同質性高，只能在價格、旅遊景點上做出差異化，「同樣的北海道五天之旅，要麼就互打價格戰、要麼就比誰踩的景點多。」這樣的大型旅行團不具差異化特色，只能拚價格，但當有了穩定的客源，卻又很容易造成旅行社的分家。

當電商遍地開花，旅遊業者迎來第一波的變革。不過跟過去比起來，建置旅遊電商的成本更高。旅遊業者不只要投入 IT 的系統建置，還需要自行開發旅遊產品。跟過去不同的是，旅遊電商具有規模經濟的特性，能夠大舉擴張，因此這時候的旅遊業者漸漸走向寡占。

接著在 2012、2013 年，廉價航空如 AirAsia、easyJet等崛起，消費者會直接找上航空公司訂最便宜的機票，同時國際訂房網站也變得相當方便與多元，不管是星級酒店、民宿、特色旅店都能上網買到。旅遊業者不再是消費者購買機加酒的唯一解答。

到了近年，人手一支智慧型手機，以及海外上網的漫遊費降低，帶動了旅遊 O2O 的火爆發展。「手機變成旅遊不可或缺的小幫手。」陳明明說。當消費者在 Google Maps 的幫助下再也不會迷路；有了 TripAdvisor 馬上可以找到飲食上的建議；翻譯工具也越來越多，一切的工具發展讓自由行的門檻降到最低。

同時，社群媒體興起的推波助瀾，消費者帶著一點炫耀心理在社群媒體上貼出一則又一則的旅遊體驗，也讓旅遊型態發生了改變。「深度旅遊變得比以往都要熱門。」陳明明說。

當自由行變得簡單，深度旅遊成了首選，也是 KKday 能夠插旗 13 個國家的重要時機點。

機加酒消費者能夠自行解決，最後一哩的深度旅遊體驗就是 KKday 最重要的「元件化旅遊產品」。而元件化產品也帶有容易國際化的特性，陳明明說：「同樣的旅遊體驗，可以賣給台灣人、香港人、韓國人，就算不同國籍的人一同進行體驗也不會奇怪。」

KKday 在日本遭遇的最大困境：信任

不過，也因為元件化旅遊產品容易推廣到全世界，當然台灣市場也會遭受外國競爭者的搶食。「你不國際化過去，別人也會國際化過來。」陳明明說。

此外，他也提到，旅遊產業的淡旺季非常明顯，透過國際化有助於提升住房率、交通工具的使用率，跨國客源沖淡了旅遊產業季節性的缺陷。陳明明舉了一個例子，四月時從台灣清明連假開始、香港復活節、泰國潑水節、中國五一長假、日本黃金週等，國際化能夠確保公司持續不斷地迎來各地客源，「這也是為什麼 KKday 要做國際市場」。

其中，KKday 在前進日本時遭遇到了一堵高牆，「最大困境就是信任。」陳明明說。

為了推倒信任高牆，KKday 要學著日本化，不只做了日本在地化的網站，也積極參與日本知名的旅遊網站活動、找尋日本 KOL 推廣、與日本的航空公司異業合作等，「要讓日本人覺得 KKday 是日本公司。」

不僅只是消費者端，「信任問題」也發生在招募人才上。由於日本企業傳統採終生雇用制，新創，特別是國外新創也許不是人才的第一選擇目標。在這方面，KKday 與日本旅遊集團 H.I.S. 以及 LINE 策略性合作，大大提升了日本人的信任度。

KKday 應對日本市場的方法並不是唯一解答，也不一定人人都做得到，卻相當值得進軍日本的新創作為參考。

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。