疫情下會員數暴增7成！專攻電子雜誌的Kono，如何用科技力收服60萬讀者？|數位時代 BusinessNext

藏書量少、專攻電子雜誌的Kono，如何在疫情下會員數暴增7成？

台灣的電子書市場越來越成熟，專注在雜誌領域的Kono藏書量不比其他平台多，但依然累積全球60萬會員，App下載量也突破150萬。

主攻海外市場，擴展多國雜誌品項

創辦人暨執行長簡旭霆從國中時期就赴美留學，愛看書的他，當時在國外難以取得中文的閱讀內容。因此，才在就讀史丹佛時與校友共同創辦Kono，想要解決跨海閱讀內容取得不易的痛點。

如今看來，Kono主要讀者群正是如同簡旭霆一樣的海外閱讀者。Kono站上的讀者，大部分都不在台灣。

受到疫情影響，Kono在今年2月的新會員人數狂飆，相較1月份成長7成之多；平台內的總文章閱讀數也增加5成，整體業績較去年同期成長27%。簡旭霆說，在這一波疫情所帶動成長，主要動能也是來自海外讀者。

為滿足更多位於世界上不同地方海外讀者的需求，Kono老早展開佈局。儘管Kono架上書籍總冊數不多，但300多款雜誌中，品項涵蓋了來自台灣、香港、日本、歐美出版社的雜誌，而且還在持續擴大中。

像是今年，Kono就取得梅瑞迪斯出版集團（Meredith Corporation）旗下8本熱門雜誌的亞洲區電子版權授權，其中包含《Food & Wine》、《People》、《Instyle》等知名雜誌。以日雜來說，《non-no》、《25ans》、《婦人畫報》也都是Kono搶下的獨家代理。未來也會著眼於新加坡、馬來西亞、韓國等亞洲國家，引進更多各地不同的雜誌。

自詡「科技公司」，Kono「好讀模式」讓雜誌不再只是PDF檔

對Kono來說，電子雜誌可不僅僅是把PDF檔案上架那麼簡單。

在現行許多電子雜誌平台上，讀者往往只能看到雜誌的PDF檔，受限於智慧型手機、平板電腦這類載具的螢幕面積，讀者往往要不斷縮放才能讀到文章內容，使用者體驗不佳。

為解決這個問題，Kono研發Smarticle技術，快速從PDF中抽取內容，切成單篇文章，使用者就能用閱讀網頁文章的方式瀏覽雜誌，字級也可以自由放大或縮小。透過Smarticle好讀模式，讀者也可利用Google語音系統朗讀，隨時可「聽」中、英、日、韓四種語言雜誌。

這也是為什麼簡旭霆說，「 Kono的本質，是一個科技公司 。」

把雜誌單篇文章拆解重規劃，價值不退

雜誌類的刊物，讀者往往偏好閱讀最新的期數。不過，許多過期雜誌的內容其實時效性並不強，即使過了幾個月依然有參考價值。

在透過Smarticle技術將雜誌拆解成單篇文章後，Kono平台上的1.5萬冊雜誌，其實包含超過50萬篇巨量文章。展望未來，Kono要把這些來自不同雜誌的文章，重新組裝成不同企劃特輯，為過期刊物創造新的生命。

像是Kono平台上的「知識錨點」特輯，就是集結不同雜誌中的時事議題，重新規劃成為「疫情專題」、「性別平等」等專題內容。還有「女子力研究會」特輯，則是把各類台日女性雜誌中的穿搭、化妝類文章提煉出來，重新組裝成「好比例穿搭術」、「吃出高顏值」等等不一樣的主題。

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。