洗刷操弄選情的黑歷史，Facebook認真要來管政治廣告了！|數位時代 BusinessNext

洗刷操弄選情的黑歷史，Facebook認真要來管政治廣告了！

透過社群媒體干預政治，早就不是新聞，像是川普大選，就被認為是俄羅斯透過Facebook左右美國選民。為了洗刷政治打手的污名，Facebook宣布將加強各國政治廣告的規範力道，迎接2019年許多國家的大選。

拒絕境外干預，政治廣告加強規範力道

《路透社》指出，Facebook在不少國家中，都是最大的社群媒體，卻也成有心人士製造風向，發布假新聞的集散地。一般來說，只要在Facebook付費下廣告，觸及率便能提升，但用在政治廣告上，變成為錢多的人就能影響民意，明顯違反各國的選舉法。

Facebook全球政治和推廣部部長Katie Harbath表示，像是2月要舉辦大選的奈及利亞，只有當地立案的公司，能夠投放選舉廣告；3月也將進行選舉的烏克蘭，同樣適用此規定。而2018年愛爾蘭公投期間，Facebook也有類似的做法。

至於印度，Facebook則會把選舉廣告放在可搜尋的結果中，他們認為將廣告儲存在資料庫，可以清楚記錄廣告主的聯絡資訊，有助防止外界干預；5月歐洲議會改選前，Facebook也推出符合歐盟授權規定，且透明公開的廣告策略，Katie Harbath說，在今年6月之前，會針對不同國家，推出因地制宜的方案，「 目標是要研擬出全球的解決方案（global solution）！ 」

拯救演算法下的受災戶，投資3億美元重振媒體影響力

Faceook變相壟斷平台，媒體因此得配合演算法來增加觸及率，而大選被干預，多少也反應出媒體日漸失能的守門功能，Facebook因演算法讓媒體曝光度降低，也許是其中原因。

Facebook因此向媒體提出彌補策略，《路透社》15日報導，宣布未來三年內，將在全球本土新聞機構投資3億美元，重建新聞產業能永續經營的商業模式，不讓媒體完全依賴演算法，來決定產製的內容。

Facebook表示，這一次的投資與自家產品完全無關。Facebook過去幾輪的投資，都是鼓勵媒體將內容放在Facebook頁面上，但演算法一變再變，也重重傷害仰賴Facebook的媒體，流量不多的中小型媒體，受災狀況更為嚴重。

因此，Facebook這一次的投資，主要會針對地方媒體，協助他們利用新技術優化採訪流程，改善產品內容。另外還會招募實習社區記者，以「美國志願者計劃」（Peace Corp）為參考，在未來五年為地方媒體增加1,000名記者。

Facebook 投資3億美元的對象，包含數個美國媒體，如普立茲中心、Report for America、Knight-Lenfest地方新聞改革基金媒體協會和地方媒體聯盟等。

旗下有80個媒體的Local Media Consortium行政總裁Fran Wills表示，有更多好新聞張貼在Facebook，除了讓使用者受惠，最終Facebook也會獲益。

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。