當新常態成為常態，品牌之路要往哪裡走？|數位時代 BusinessNext

當新常態成為常態，品牌之路要往哪裡走？

邁入數位時代之後，企業必須加速導入更能發揮創意的行銷工具，找出新時代的消費者需求，才能讓品牌日新月異，創造新市場。

品牌年輕化，調整行銷策略擴大潛在客群

暫且不論業務活化或是擴張的目標，行銷人在品牌資產的建立與管理上，面臨疫情帶來的經濟商業變化，線上線下的消費行為變遷，首要之務是盤點品牌的「年齡」，包含現有的消費者年齡分布與占比分層，計算產品生命周期與消費者貢獻度的關聯性。

當一個品牌的購買者與支持者逐漸呈現高齡化，整體業績也逐漸下降，就是一個警訊。 行銷策略就必須進行調整，除了穩固既有客層，也要擴大品牌對潛在新客群的觸及率，尤其年輕世代。當消費者購買決策受到網紅與直播主等帶動的趨勢明顯，使用手機上網購物的頻率在防疫期間劇增，行銷預算從實體活動轉向線上的同時，品牌也要嘗試透過官方YouTube頻道影片與Instagram照片、影片直播等方式，持續累績品牌的曝光率。

或許有人會好奇，這樣的策略是短期因應疫情，隨著疫情受到控制，生活回復常規，是否還會適用？答案是肯定的。

線上購物崛起，虛實通路並存將成新常態

新常態將逐漸成為常態，正如同電視購物曾經盛行，但是廣播電台小眾直銷還是存在，網路購物拜疫情之賜猛然崛起，過去僅僅將電商平台當作副線的品牌，紛紛開始著力於自身品牌App，融合門市與網路平台，各項虛實通路仍會並存，但是存在的目的已大不相同，甚至角色互換。

5G將會帶動AR在行動裝置廣告的應用，也會是新常態之下，品牌使用的行銷工具之一。App結合AR，讓沉浸式體驗更為普及，不再需要厚重怪異的VR眼鏡或大型裝置，能展現創意的廣告將會更多，更吸睛。

將實體的產品發表會轉為線上直播，進而運用App加上AR技術，讓消費者身歷其境，想方設法讓品牌追隨者有煥然一新的感受。這或許會是眾多消費品牌未來必須要經歷的過程。

從點閱、消費的數位足跡，找出消費者需求

舉例而言，服飾品牌將門市的穿衣鏡搬上App與網站，而消費者累積的大數據同時成為未來品牌新品的設計參考。美妝品牌在App大玩各種試妝遊戲，並舉辦各種社群活動增加擴散之餘，這些數位足跡也成為數據分析的來源，可以更貼近市場需求。房仲業者提供房屋內外360度全景即時影像，線上客服，甚至線上估價比價，這些點閱與線上行為，也成為預測房市熱區的基準資料。

以上這些，都不是一時的，也不是可有可無，相反的，這些都將是品牌邁入數位時代之後，必須加速導入的策略，使用更能發揮創意的行銷工具。品牌的繼承者們以及掌舵者們，後疫情時代，數位轉型這條路是回不去了，往前走吧！善用新科技，創造新天地。

責任編輯：陳建鈞

《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。

（觀點文章呈現多元意見，不代表《數位時代》的立場）

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。