從S.H.E跨到馬來貘、江宏傑，市值蒸發5億後，華研音樂如何力拼數位轉型？|數位時代 BusinessNext

從S.H.E跨到馬來貘、江宏傑，市值蒸發5億後，華研音樂如何力拼數位轉型？

兩年前，華研旗下金雞母S.H.E離去，讓市值蒸發五億元，如今華研靠著與其他產業合作，創造更豐富、靈活的營運內容與效益，轉型成更全方位的公司。

授權收入一枝獨秀

根據華研財報，公司營收可分為三大類別。第一類是「實體產品收入」，包括專輯CD、DVD和明星周邊商品等銷售，賣了一整年，進帳僅800萬元。佔公司整體營收比例從2015年的2.7％，下滑至2019年的0.54％。

第二類是「授權收入」，包括數位音樂錄音和視聽著作授權、KTV授權、歌曲授權（遊戲、戲劇主題曲、公播）等。簡單來說，所有透過串流平台、手機App、付費下載收聽的音樂，生活中最熟悉的聽歌方式，都屬於這範疇。佔整體營收比例從2015年的34％，大幅攀升至2019年的62.5％。

成長的關鍵，除了數位化大勢所趨之外，華研在2018年與杭州網易雲合作，更快速擴展了旗下歌手歌曲在中國市場的授權與傳布。

2020上半年疫情影響下，演藝活動幾乎全數取消，但仍有每股盈餘4.63元的亮眼表現，在全球疫情最嚴重的第二季，華研有超過9成營收，都來自授權收入。沒了S.H.E，一樣能靠著S.H.E過去的歌曲養家，華研擁有的2,000首歌曲、700首視聽著作版權，好比世代相傳的聚寶盆，能帶來持久穩定的金流。

第三類是「演藝經紀收入」，包含演唱會、商業演出、產品代言、肖像商標授權、戲劇與電影演出等。佔整體營收比例從2015年的63％，縮減至2019年的37％。

從一家唱片公司的營收轉變，可以清楚窺知音樂產業劇烈的趨勢變化。從實體到數位；從現場演出再到線上直播，但說到底，華研的核心競爭力是什麼呢？絕不是做音樂這麼單純。

全方位的演藝娛樂經紀公司

華研董事長呂燕清，在今年6月致股東的營業報告書中清楚說明，華研除了流行音樂製作、發行銷售，以及藝人演出、培育新人等老本業之外，未來，將持續強化經營文創圖文作家、詞曲作者、運動員，轉型為一家全方位的演藝娛樂經紀公司。

事實上，華研早在2014年簽下「爽爽貓」的創作者SECOND，一腳跨入文創經紀領域，目前旗下擁有馬來貘（Cherng）、掰掰啾啾、迷路等知名圖文作家。2017年，再跨入運動經紀領域，簽下江宏傑、福原愛夫妻檔。

一位巨星養活一家公司的年代已不復在。

隨著音樂偏好、娛樂方式愈來愈分眾，華研在流行音樂的核心事業與經紀資源之上，整合娛樂、運動、文創，透過多元產品授權，連結不同產業，創造更豐富、靈活的營運內容與效益。

責任編輯：林芳如

FC未來商務，專注未來新商務應用、轉型思維與創新體驗，並結合沙龍分享、展會發表，協助產業找到面對未來的轉型關鍵解方，並連結創新資源。

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。