Netflix獨佔串流平台龍頭寶座，為何要跨足做電玩？揭背後兩大原因|數位時代 BusinessNext

Netflix獨佔串流平台龍頭寶座，為何要跨足做電玩？揭背後兩大原因

Netflix已在全球累積超過2億的付費訂閱會員，其二大優勢為：為用戶客製化推薦觀看內容、擁有知識產權，如今將進入電子遊戲領域，藉此吸引更多用戶加入。

兩大優點讓Netflix邁進電子遊戲產業近在咫尺

1.行動遊戲裝置： 這次Netflix的策略著重在推出手機版遊戲，因為它不需要任何額外的硬體配件，用戶只需要在App Store下載即可。根據Apptopia的數據，Netflix是2020年全球下載量第10的應用程式，下載量竟達到2.23億次。可以肯定的是，許多來到Netflix觀看節目和電影的訂閱者也很樂意在應用程式試用手機遊戲。

2.擁有出色的業績： Netflix是不會輕易涉足新業務，從DVD到串流媒體，從授權其他影音產品到製作原創節目和電影，都在一步一腳印地實現。Netflix非常了解自己的核心競爭力，並不是一家盲目地進行新實驗的公司。

Netflix的首席營運長兼首席產品長Greg Peters指出，如果Netflix擁有的系列劇中有一個角色在遊戲中被大量使用，用戶會更加想看到這個角色在劇中的發展，增加其用戶黏著度。

Greg說：「也許有一天我們會看到一款能衍生出電影或系列的遊戲」、「那將會令人驚嘆，可以真正看到娛樂之間豐富的相互作用」。

在第二季度股東會議電話上他表示：「這項舉措的成功從根本上說，就是一場偉大的遊戲。我們認為，我們可以通過遊戲提供更多的娛樂價值」。

雖然今年第二季的財報中，創下73億美元的營收，比去年同期成長19％。美國和加拿大的訂閱用戶數量，在第二季度中卻減少了40萬，表明該業務可能會達到近期的飽和點。

去年北美及加拿大的人民在家防疫一整年，舊與新用戶願意花更多時間在串流媒體上，但最近兩地的封鎖令逐漸解禁，民眾待在家的時間減少，也更願意回歸到戲院上去看新戲，意味著Netflix的下滑用戶數量確實面臨較大的壓力。

添加電子遊戲可以減少客戶流失的同時吸引新的遊戲玩家用戶。

eMarketer分析師Ross Benes也說明增加遊戲內容可以佔用更多使用者的時間，並進一步融入用戶的日常習慣，增加使用者的忠誠度。

Netflix先前也指出遊戲將會包含在會員們既有的訂閱中，不會加收額外的款項，主要將聚焦於支援行動裝置的遊戲，對於現有的用戶來說可謂一大好消息。

責任編輯：林佳葦、錢玉紘

最新8月號雜誌《區塊鏈上的金融新世界》
馬上購：傳送門
「電子雜誌」輕鬆讀：傳送門

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。