想當YouTuber要掌握這三大發展趨勢！學習影片正夯、非主流也能吸粉|數位時代 BusinessNext

學習影片正夯、非主流也能吸粉！想當YouTuber要掌握這三大發展趨勢

在YouTube公佈的數據中，最有感的大概是「學習類型」的內容崛起。現在已有許多使用者遇到問題時，直接在YouTube找尋解答。

觀看新常態：透過YouTube學習、積極互動

娛樂內容一直以來是YouTube最受歡迎的頻道類型，但越來越多人透過YouTube學習新技能。根據Ipsos在2020年針對9個國家（美國、英國、法國、德國、日本、印度、巴西、南非、埃及）進行的調查，有77%受訪者表示造訪YouTube是為了學習新技能。

這也反映在相關類型影片的觀看時間大幅成長。像是台灣觀眾關注金融投資影片的時間相較去年五月同期增加3倍，觀看動漫影片的時間也比去年同期成長超過9成，YouTube已成為大家學習、娛樂等各式各樣需求的影音平台。

另一個觀看新常態是，觀眾除了觀看影片外，也積極透過與社群互動在平台上尋求陪伴與歸屬感。台灣觀眾停留在YouTube上的時間，有超過5%的時間花在主動留言、分享。參與直播也蔚為風潮，2020年全球有近50萬頻道首次直播，2021年3月全球的直播觀看時間更是成長2.5倍。

3大創作發展趨勢：學習類型、非主流內容、培養社群以養活自己

YouTube也公布了疫情期間，創作內容發展趨勢所產生的3大變化：

學習內容影片崛起

隨著觀眾學習新技能的需求增加，學習類型的影片創作也取得亮眼成長；從去年7月到現在，人氣竄升的YouTube創作新秀中有3成主題和學習、自我成長有關，這類型的影片內容多元，和觀眾分享各式各樣傳統教育中不會教的事情，讓YouTube成為大眾的學習平台。

非主流影片當道

除了學習類型影片崛起，也有越來越多職人、新住民、動漫、V-tuber等非主流的創作內容在YouTube誕生及成長，甚至不乏熟齡創作者加入。在台灣，截至2021年6月超過10萬訂閱的頻道已經超過1,500個，年增25%；超過百萬訂閱頻道則超過100個。

單月分潤超過新台幣10萬元的頻道年比增加25%

越來越多的創作者重視社群互動，不僅透過留言了解粉絲想法，同時也能獲得靈感與收益支持。在社群的支持下，創作者持續揮灑創意、開展出屬於自己的事業，透過YouTube合作夥伴計畫賺取收益。

在台灣，截至2021年6月，單月廣告分潤已超過新台幣10萬元的YouTube頻道數量比去年同期成長超過25%。為了支持創作者開拓更多元的收益來源，YouTube也預計在全球投入300億美元推動各地的創作者經濟發展。

【熱門焦點】

最新10月號雜誌《無程式碼時代來了！》馬上購：傳送門
「電子雜誌」輕鬆讀：傳送門

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。