LINE購物也加入雙11戰場！攜手實體通路廣發LINE POINTS，還有哪些秘密武器？|數位時代 BusinessNext

LINE購物也加入雙11戰場！攜手實體通路廣發LINE POINTS，還有哪些秘密武器？

雙11檔期，LINE購物也將加入戰局！今年的目標是朝向「個人化」、「智慧化」兩大目標優化功能，接下來會如何迎戰？

找實體通路結盟，發展OMO策略

「接下來的目標，是擴大虛實融合（OMO, online merges with offline）發展。」LINE台灣電子商務部資深副總經理顧昌欣，曾多次強調這個目標。

電商走向線下將是2020年的一大重點，LINE認為，必須透過多層次的購物體驗，才能更加滲透在用戶生活中，因為用戶的購物行為不僅限於線上、或線下單一管道，而是線上與線下雙重渠道互補並進。

OMO的玩法，是當顧客在實體店舖消費時，透過LINE購物掃條碼，賺取LINE POINTS點數回饋，滿足消費者多元的購物模式與賺點機會，「跟實體通路合作線下活動，好處是業者可以快速累積新客數，再回到線上做活動。」顧昌欣曾如此分析。

目前，已經跟家樂福、屈臣氏、萊爾富、特力集團等實體通路合作，即日起到12月1日，還會再加入美廉社。LINE購物看好OMO的合作模式，能為雙方帶來新的客源，也為市場開創了嶄新的商業模式，

靠直播攬客、獨立App推出以來戰績如何？

社群分享擴散力日益顯著，近年台灣消費者行為也有「社群化」的現象，LINE購物在今年雙11的另一個策略，是「電商直播」。

LINE購物認為，直播的好處是能即時吸客，「透過唱作俱佳的主持人與來賓，使購物變得更有趣，更能帶動買氣。」今年以來， LINE購物直播場次超過20場，平均帶動業績成長3倍之多，看好這股效益，雙11期間，LINE購物、LINE購物品牌名店與LINE官方嚴選等3個官方帳號，將推出超過10檔購物直播節目。

不像其他電商平台有網站，上線三年來，LINE購物一直都以手機為核心，因此，持續優化使用體驗就非常關鍵。今年最大的變化就是在今年七月，宣布推出LINE購物的獨立App，當時消息一出，有部分合作電商曾擔心會因此分散流量，究竟實際成效如何？

LINE購物表示，截至9月底2.5個月的時間，用LINE購物App下單的新買家增加25%，其中新客在一個月內透過App回購更高達三成。此外，使用購物App的用戶更常搜尋商品，更有一半以上的用戶在App搜尋商品時間增加一倍、下單率更提升80%，顯示出購物App有效提升用戶的使用意願。

LINE購物的目標，是要朝「個人化」、「智慧化」為核心優化，在雙11前夕，正式上線「商品價格追蹤功能」，只要用戶曾經搜過、收藏過的商品，以及其他用戶搜尋的熱門商品，價格調降時，LINE購物App就會把這些商品集結在首頁下方的商品推薦，方便用戶追蹤喜愛商品的歷史價格波動，掌握最佳購買點。

責任編輯：錢玉紘

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。