自助旅行平均花10小時做功課！Expedia靠3科技施力，幫旅客快速下單|數位時代 BusinessNext

自助旅行平均花10小時做功課！Expedia靠3科技施力，幫旅客快速下單

從交通、住宿到體驗行程，資訊太多反而讓行程規劃充滿摩擦，旅遊零售業者Expedia Group透過聲控、AI、API三項科技工具來改變現狀。

了解你的旅遊喜好，AI個人化推薦

在Google比任何人都還要懂你的現在，要讓旅遊體驗真正達到個人化，人工智慧（AI）就是其中關鍵。

Expedia Group的住宿合作夥伴服務Lodging Partner Services研究負責人阿比吉特·帕爾（Abhijit Pal）認為，AI對旅遊業帶來的影響，只是剛開始而已。

「我們把自己視為一種旅遊物流公司，所做的就是把顧客從一個地方送到另一個地方。」阿比吉特·帕爾分析，一趟旅程涉及非常多面向，從班機抵達、入住以及行程接送，各方都必須有通暢的交換資訊，才能降低旅遊摩擦。

阿比吉特·帕爾認為，Expedia的品牌優勢，是旗下擁有眾多產品跟品牌，「我們可以追蹤同一名顧客，在不同平台的足跡。」在個人化推薦上比起同業多了更多優勢，現在多數OTA平台的做法，都是依照消費者的搜尋條件，給出可能感興趣的搜尋結果。

在阿比吉特·帕爾看來，這只是廣義的個人化體驗，他認為真正的個人化體驗，不應該讓消費者再翻閱一頁又一頁的搜尋結果，點進去看一大堆資訊研究，而是 只推薦2~3個最適合的選項 ，「因為我們清楚你的旅遊喜好，這就是資料的價值。」

提升下單意願，「聲控」打造親臨現場感受

「聲控，會是旅遊產業下一個著力的目標。」Expedia Group 的住宿合作夥伴服務科技副總裁Bhala Dalvi 斬釘截鐵的說。

從三年前，Expedia就開始研究聲控科技，「當時我們也不知道這會不會成功，只覺得這是一個機會。」在2016年底，Expedia推出了Expedia skill for Amazon Alexa，可以在任何支援Alexa的設備上，藉由語音指令查詢訂單紀錄，以及Expedia獎勵積分餘額等資訊，當時缺少最關鍵的訂購功能。去年，Expedia在Google Assistant上，推出「Expedia Action」功能，終於實現預訂、取消旅館住宿的功能。

事實上，直到現在聲控應用在旅遊產業應用仍不普及，實務上觀察，因為訂房、買行程、租車所需要考量的細節較多，多數人還是覺得在電腦、手機上仔細研究一番再下訂比較放心。

Bhala Dalvi認為，聲控另一個比較貼近實際情況的應用場景，是出發旅行前的行程探索，「像是讓客人在家中，可以聽到一些當地的聲音。」此外，最近Expedia也開始投入虛擬實境（VR）應用在訂房領域的研究。Expedia認為，VR可以幫助消費者在決定行程時，用更立體的方式親自先感受，藉此提升下單意願。

旅行組合上萬種，靠開放API彼此溝通

Expedia旗下擁有數十個旅遊品牌，要讓這麼多品牌所提供的服務、資料順利整合，Bhala Dalvi認為開放API（Open API）就像是那把關鍵的鑰匙。

API（Application Programming Interface，應用程式界面），可以想像成是連接軟體與軟體之間的橋梁，讓資料彼此互通，幫助開發者省去從頭開發的精力，快速達成目的。機票、住宿、租車到體驗行程，消費者在Expedia上預訂的組合有上萬種，且天數、目的地各有不同，要將多方的資訊整合，給出消費者最適當的組合與價格，就需要開放API的幫忙。

事實上，Expedia整合Google Assistant、Amazon Alexa的聲控功能，或是飯店資訊上顯示位置的Google maps，也都是開放API的應用。

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。