紐約市警局自製podcast節目!犯罪故事原汁原味呈現?
紐約市警局自製podcast節目!犯罪故事原汁原味呈現?

在美國犯罪電影或影集中,你或許對NYPD這個縮寫不陌生,它代表著紐約市警察局,所有撲朔迷離的刑案都發生在NYPD的轄區內。現在,NYPD推出了自製podcast犯罪節目,要自己來說發生在紐約市的犯罪故事。

NYPD推出犯罪節目

今年10月底,美國紐約市警局(NYPD)推出了第一檔podcast節目〈破案〉(Break in the Case),對於不時擔任電影、影集、小說主角的NYPD,這是他們第一次搶回主動權,用自己的聲音說故事。

讓警察更人性化

NYPD希望在警察濫權、形象一落千丈的現在,可以重新塑造警察的形象,讓警察更人性化,也讓他們有機會解釋自己錯綜複雜的工作,並且尋求大眾的幫忙一起破案。

NYPD2.jpg
為了讓民眾更了解NYPD的工作,NYPD特地製作了一檔專門述說犯罪故事的podcast節目。
圖/ katie chao and ben muessig

過去的溝通方式行不通

比NYPD早一步製作podcast節目的加州山景城警局(Mountain View Police Department)警司傑格(Saul Jaeger)說:「過去,我們發布資訊的方式就是站在講台上,對著人們吶喊出發生了什麼事。」

「這不叫傾聽,也無法讓社群參與。」

與人交流要靠故事

於是,山景城警局製作了〈The Silicon Valley Beat〉這檔podcast節目,他們很滿意節目帶來的效果。傑格警司說:「我們可以用來與人交流的最佳工具之一就是故事。最終,這才是人們會記得的事物。」

自己的故事自己說

負責製作〈破案〉的前NYPD警探康倫(Edward Conlon)表示,他認為節目可以帶給紐約民眾一個新的角度,去看待NYPD旗下的3萬8,000名警察。

「雖然說紐約市有上百萬個犯罪故事,但我們節目上說的故事,是我唯一知道由內部人士所說,並且由NYPD製作的故事,這對我們來說是好的改變。」

從NYPD退休又回鍋

寫過兩本暢銷書《藍血》(暫譯,Blue Blood)、《女警部門》(暫譯,The Policewomen’s Bureau)的康倫在2011年從NYPD退休,並且在去年回鍋擔任NYPD局長的行政傳播總監。

試過發長文,但成效不佳

從那時開始,康倫便想盡辦法在NYPD對外的溝通策略上加入更多故事。康倫也在NYPD的網站上發表長文,希望能夠吸引民眾的注意,然而成效並不理想。

「人們不會到NYPD的網站上看長篇非虛構的故事,他們想看的是交通狀況和公務員考試的資訊。」

podcast平易近人

於是,康倫和節目製作人鮑爾里(Jill Bauerle)、腳本作家德拉恩(Kenzie Delaine)決定製作〈破案〉。鮑爾里說:「podcast是一種很親近的媒介。」

「(在其他節目中)許多警官和警探的發言會被其他來源給過濾掉,(但在〈破案〉中,)讓他們自己說自己的故事是非常有力的。」

第一集談「希望寶寶案」

在第一集節目中,康倫還原了「希望寶寶案」,這起案子發生在1991年,當時人們在曼哈頓上城靠近亨利哈德森大路的保溫箱中發現了一名 4歲小女孩的屍體。一開始,她被標為「79號兇殺案」,但某些自己有小孩的警探改稱她為「希望寶寶」(Baby Hope)。

在第二集中,幾乎大半個美國都知道了「希望寶寶」,但警員們花了兩年的時間緝兇仍一無所獲,依然沒有人查出「希望寶寶」的真實身分。

2013年才水落石出

一直到2013年,警探們得到了匿名舉報的線索,才終於查出「希望寶寶」的真實身分──卡絲蒂羅(Anjélica Castillo)。而在2013年稍晚,警察抓到了殺死卡絲蒂羅的兇手華雷茲(Conrado Juárez)。華雷茲是卡絲蒂羅的堂哥,華雷茲就透過這層關係接近了卡絲蒂羅,隨後將她殺害。

嫌犯聲稱遭威逼認罪

然而,原本認罪的華雷茲隨後又聲稱自己是遭到威逼不得已才認罪。被關入大牢的華雷茲一直在等待重審的機會,但他一直沒有等到審判。去年,華雷茲在獄中因為罹癌引起的併發症而過世。

NYPD5.jpg
無名女屍腿上發現的「莫妮克」字樣刺青,NYPD希望podcast的聽眾可以提供破案線索。
圖/ 地球圖輯隊

無名女屍「莫妮克」

除了「希望寶寶案」,本月〈破案〉又釋出了一集談論無名女屍「莫妮克」(Monique)的節目,裡頭聚焦在 2015年被沖上布魯克林河岸的無名女屍,上頭唯一的破案關鍵就是屍體腿上有「莫妮克」字樣的刺青。

希望民眾提供線索

負責製作這集節目的製作人鮑爾里表示,她希望節目播出後可以吸引聽眾的注意,提供新線索讓警探調查無名女屍的真實身份。

以戴維斯襲警案作結

最後,這一季的〈破案〉以1986年的戴維斯(Larry Davis)襲警案作結。當時,戴維斯在與警方的槍戰中射傷了6名警官。

NYPD6.jpg
面對警察執法過當和系統性的違法行為,NYPD想單靠podcast節目扭轉警察形象有難度。
圖/ Dave Hosford

「這就是公關活動」

在〈破案〉上線後,很快引起了正反兩面的評價。一方面有聽眾認為能親自聽到NYPD訴說不加油添醋的案情很棒,然而,美國明尼蘇達大學媒體倫理與法律系教授柯特利(Jane Kirtley)表示:「認識這檔節目的本質很重要,這就是一個公關活動。」

「這些故事是從執法人員的角度來訴說,」柯特利要大家小心故事不一定客觀。

想靠節目扭轉形象

犯罪紀實書籍《真實蘿莉塔》(暫譯,The Real Lolita)的作者溫曼(Sarah Weinman)也質疑道:「警察有想要聽眾聽到的故事,不過,這是聽眾們應該要聽的故事嗎?」

「以podcast的形式來自吹自擂似乎不太可能扭轉大眾對NYPD系統性不法行為的認知,唯有真的做出改變,並且致力於以社區為基礎的警務改革,才能實現這一目標。」

延伸閱讀

  1. 美警一年殺千人 執法過當全都錄

  2. 「我原諒你」弟弟擁抱槍殺哥哥的美國警察 引發正反議論

本文授權轉載自:地球圖輯隊

關鍵字: #Podcast
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓