阿物科技轉型AI服務商，3種引擎助店家精準尋客！下一步進攻日本市場|數位時代 BusinessNext

阿物科技轉型AI服務商，3種引擎助店家精準尋客！下一步進攻日本市場

談到阿物科技（awoo），第一個想到的業務可能會是SEO，但現在阿物科技宣布，將轉型為AI科技服務商。

從SEO顧問到MarTech科技服務商

最初阿物科技以SEO顧問服務為核心，提供SEO健檢工具協助企業網站提升搜尋體驗。在協助企業優化SEO的同時，也觀察到客戶對於MarTech領域的需求，阿物科技的服務項目趁勢從SEO拓展至行銷科技。

更進一步，阿物科技於2018年成立AI lab，切進AI領域進一步轉型為科技服務商，開發、設計一系列MarTech整合解決方案。

迎來品牌再造，阿物科技端出「All in One」MarTech平台，在平台上囊括數十種工具模組，提供企業新零售的各種解決方案。

這數十種工具圍繞著阿物科技的3種引擎：流量成長引擎、推薦引擎以及再行銷引擎，是由阿物科技的AI Lab中15位專職AI數據科學家，全力投入開發的成果。

以推薦引擎為例，「在電商頁面上推薦顧客更多商品，聽起來很阿呆，為什麼大家都不做？」林思吾說，「因為沒有這麼簡單。」他舉例，阿物科技可以透過顧客消費明細，知道某個人過去兩年買了四雙鞋，「而且是NIKE、白色、慢跑鞋，再依此去推薦他新產品。」

而這也跟「後Cookies時代」有關係，因為要從顧客本身取得資料的難度愈來愈高，「過去我們追蹤個人、用來理解顧客的基礎被打破了，但我們是透過商品特徵去理解用戶特徵，跟過去的MarTech有很大的不同。」林思吾說。

投資人來自矽谷、目標市場日韓，B輪募資籌備中

除此之外，阿物科技也積極與產業夥伴進行結盟，致力實現MarTech平台生態系藍圖。

在台灣，阿物科技目前與開店系統平台商91APP完成產品與技術整合，也將於6月完成與日本最大開店平台MakeShop完成技術整合。未來台灣與日本電商經營者將可擁有「系統免導入」與「數據不斷鏈」兩大優勢，「過去很多品牌使用了很多MarTech、開店平台的服務，數據就散落在各地，利用生態系結盟，可以有效地把所有人手中的數據串接起來。」林思吾說。

而2017年起，阿物科技就獲得多位知名軟體投資家與企業家連續投資，除詹宏志之外，其包含Netscape共同創辦人沙正治、美國上市公司Ellie Mae共同創辦人胡立民、半導體公司IDT創辦人邱俊邦等，累計投資金額超過500萬美元（約為1.5億元新台幣），且在東京、嘉義與台北皆設有營運據點，日本是阿物科技主力瞄準的市場。

「日本市場是我們的10倍大，但線下購物太方便，讓電商的滲透率還有很大的成長空間，對新創的成長來說是很性感的市場。」林思吾說，「我們這世代的創業者，不斷思考台灣在世界地圖上的定位，透過創業我希望把世界帶進台灣，在促使AI商業化過程，期許阿物扮演重要的推手。」

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。