紙本、數位廣告營收雙雙下滑！紐時、WSJ為媒體未來指路|數位時代 BusinessNext

Podcast促進訂閱制，更將成數位廣告救世主

《紐時》管理層在電話會議時提到，全球有一億人的潛在市場，這些人可能會願意為了《紐時》的英文新聞付費訂閱；目前全世界有10億人在網路或其他數位方式閱讀新聞，有超過8,000萬人為新聞付費。

作為廣受自由派認可的品牌，《紐時》訂閱模式創造出了良性循環，有愈多人付費訂閱，就能加重投資擴大全球編輯室團隊，和其他新聞類產品（例如互動式的專題、不同主題的Podcast）。

除了硬性新聞外，《紐時》還投資在像是商品評測的網站Wirecutter，以及Podcast領域，例如每天超過400萬聽眾的《The Daily》，以及社論和書評等多元節目，且由於大多數Podcast聽眾年齡層位於40歲以下，品牌能藉此與更多年輕受眾接觸並建立信任。

《紐時》執行長列薇安（Meredith Kopit Levien）在電話會議中提到Podcast節目《The Daily》，在開始經營該節目的4年內，加強了讀者與品牌的親近，使得《紐時》訂閱轉換成長快速。

列薇安表示，擴張節目類型是《紐時》投資重點之一，如他們在今年7月買下知名Podcast製作公司Serial Productions。她還指出；而Podcast的高CPM（每千次廣告曝光成本）不同於傳統網路廣告，未來Podcast廣告業務將是值得注意的成長動力來源。

不過，列薇安也說，2020年會是個特別的年分，疫情以及總統大選讓人們的新聞需求大增，也促成更大量的訂閱與關注，不能預期未來會重複這樣的表現。

與《紐時》走不同路，他們為何信任蘋果代打訂閱服務？

新聞集團（News Corp）旗下道瓊集團（Dow Jones & Company），是《華爾街日報》（WSJ）、投資雜誌《Barron's》的母公司。

攤開他們財報，2020年第三季雖然廣告營收從8,400萬美元下滑17％，到7,000萬美元，但發行與訂閱營收上升了8％，來到3.1億美元，《華爾街日報》數位訂閱數成長了27％，來到了235萬人，《Barron's》的數位訂閱數也成長了43％到45.8萬。數位訂閱的營收占道瓊集團營收73％。

為了能更有效接觸全球更廣大讀者，《華爾街日報》加入蘋果新聞訂閱服務 Apple News＋的行列。

一般來說，外界多認為可能傷害《華爾街日報》本身訂閱數，但新聞集團管理層深信是幫助其接觸不同客群。

跟《紐時》選擇退出高達50％抽成的Apple News＋不同，《華爾街日報》認為該服務能吸引新用戶訂閱。

尤其數據顯示，《華爾街日報》男性受眾多過女性，但在Apple News＋平台上，女性讀者反而超過男性。

若看完《紐時》和《華爾街日報》，可能會覺得訂閱制對媒體來說前途大好。

但必須注意的是，基於兩者皆為全球知名的權威媒體品牌，並使用主流語言英文，因此有了非常廣闊的市場空間，也更有底氣用訂閱收入取代廣告，以維持非常大的編輯室編制。

大者恆大，頭部企業能獲取最大部分的用戶和利潤。在這個付費訂閱媒體愈來愈多的年代，消費者會做出取捨，大家不可能會花錢訂閱所有權威媒體，是故，每個媒體都要顧好自己防守範圍，謹慎服務自己用戶。

《紐時》作為美國自由派領導品牌，也就一路堅定「反川」到底，迎合自己受眾口味，否則以有「取消文化」（cancel culture）著稱的自由派讀者群，若發現任何違反其理念的跡象，很可能就會湧現退訂潮。

責任編輯：郭昱彣

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。