人的品味比AI更有效，Netflix新「收藏」功能讓電影專家幫你挑片|數位時代 BusinessNext

改採專家精選，把影集以主題歸類

不過，現在Netflix卻重新以人類意見為主軸，目前正在iOS系統上測試，名為「收藏」（collection）的新功能中，便是由公司創意團隊的專家們，根據影集內更細部的特徵，如年代、風格、劇情及角色等，為用戶精心推薦。

如果被Netflix選為測試用戶，那麼收藏將取代「我的片單」（My List）列表，呈現在App頂部。創意團隊精挑細選的影集，會以一個個獨特的主題整理歸類，收納進不同的收藏。

用戶可在收藏功能裡，隨意瀏覽五花八門的影集分類，當你點擊某個感興趣的主題時，便會立刻呈現主題下收納的各部影集。依照外媒實際體驗，目前約有40個主題供用戶閱覽。

若覺得特定主題非常「對味」，裡面推薦的影集也都非常喜歡，那麼只要點擊頁面上的追隨（follow），之後有新影集加入此分類時，系統就會在第一時間通知你，保證不錯過任何精彩影劇。（7部影劇見證Netflix的王者之路，你看過幾部？）

Netflix向外媒《TechCrunch》表示，「我們一直在尋找新的方式，將用戶與我們認為他們會喜歡的主題連結在一起，因此我們正在測試一種新方法，將各個Netflix主題編纂成收藏，收錄進Netflix iOS App之中。」

不過，Netflix也指出，測試會按照各個國家、地區而有所不同，畢竟仍處於測試階段，也不保證「收藏」將成為Netflix App未來功能的固定班底。

導入演算法多時，至今仍無具體成果

雖然過去Netflix在推薦演算法上投入許多，但這項技術展現出的成果，並不是很受用戶青睞，去年徹底移除5星評價、評論功能，更引發商業雜誌《Fast Company》撰文批評。

該文強調，機器永遠無法取代人類的品味，重新讓人類掌管推薦內容，才是改善用戶體驗的根本之道。Netflix的本次測試，或許可視為對推薦系統發展方向的一種調轉，人的要素再次回到Netflix上。（在取消5星評價功能後，Netflix為何要「自動」幫用戶載片到手機上？）

有趣的是，本次Netflix測試的收藏功能，可說是仿效過去在老本行DVD寄送服務App中，曾推出的同名主題式分類推薦功能。

Disney+與Apple TV+都即將在11月正式上線，身為串流影音平台最大玩家的Netflix，勢必得趕緊做好準備對付來勢洶洶的強大對手，而幫助用戶找到喜愛影集，完善、有效的推薦系統便是留住用戶的重要一環。

另外，上週Netflix還更新一項「即將推出」（latest）功能，搶先告知用戶哪些作品將登陸平台，與「收藏」相同，這也是Netflix守住訂戶的另一個嘗試。

責任編輯：陳映璇

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。