PaGamO線上教學風靡台港，雲端帳單暴增16倍？AWS出手幫一把|數位時代 BusinessNext

疫情讓PaGamO活躍用戶翻倍，AWS即時調整雲架構降低雲端支出

PaGamO自2014年成立，到疫情前，大約累積150萬名台灣用戶，而武漢肺炎爆發以來，一下子增加到200萬用戶。

不僅如此，由於香港與台灣的停課影響，讓PaGamO站上的活躍用戶翻倍成長。葉丙成指出，以往即便光是在台灣就有100萬用戶，但使用時間較分散。在疫情爆發前，PaGamO站上的DAU（Daily Active User，日活躍用戶數）大約2萬多人，但在疫情爆發之後，衝上4萬人。「這對我們的系統來說，增加了很多挑戰，」葉丙成說。

香港與台灣中小學的課程內容都是免費提供。因此，他也說，「 對一個新創公司來說，那時最焦慮的就是一下增加很多雲的費用。 」所幸這一波支持台灣、香港中小學「停課不停學」的活動，很快就得到AWS的支援，與PaGamO一起做公益。

不僅是雲端費用上的支援，為負荷PaGamO站上即將瞬間湧入的流量，AWS也派出專人協助PaGamO調整雲端架構。「 我們本來的架構，如果支援這麼多人（同時在線）的話，費用大約是疫情前的16倍；但經過調整後，費用大約是6倍。 」葉丙成說。也因為這一波架構調整，讓PaGamO維持順暢的使用者體驗。

公益性質難獲利，企業內訓成PaGamO重要營收來源

不過儘管由於疫情影響的緣故，讓來自中小學的使用者變多、黏著度也變高，但葉丙成強調，「 就學校市場而言，其實這一波（疫情影響）是讓我們的免費用戶變多，所以對我們來說是支出變多，這是在做公益的。 」

那麼，PaGamO平台的營收模式為何？在PaGamO平台上，除了免費的中小學生題庫之外，也有部分收費課程。另外，PaGamO也有和許多知名企業合作教育訓練服務，來自企業內訓業務的營收，約占整體的50%，是PaGamO相當重要的收入來源。

葉丙成提到，像是資誠聯合會計師事務所，在去年底就與PaGamO合作舉辦會計法規考題的電競大賽。在2018年，玉山銀行有超過100位同仁通過「防制洗錢與打擊資恐專業人員測驗」，能有這樣的好成績，也是由於玉山銀行也使用了PaGamO平台做反洗錢法令的相關訓練。

值得一提的是，PaGamO瞄準的不僅是台灣本土的企業，而是要用企業內訓業務進軍國際市場。像是目前微軟的全球產品大使的教育訓練，就是使用PaGamO平台。

對於台灣新創來說，要走出國際、出海，使用的雲端架構是非常重要。「用AWS標準的雲，當說到你用的架構、規格，客戶就會覺得滿安心的。」葉丙成這樣分享。

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。