Snapask投入3億元製作線上課程、簽約15名老師！為何要切入線上補教領域？|數位時代 BusinessNext

投入3億元製作課程、簽約15名老師！解題服務Snapask為何要砸錢做線上教育？

「媒合解題」的服務很輕量，且具有可擴展性，為什麼Snapask還要投入大把鈔票在內容產製上？

投入新台幣3億元推動內容產製，從學科到學習檔案製作通通有

「518是翻轉台灣教育界的日子（因疫情停課），老師、學生、家長都在找尋、使用教育科技的相關產品。」蘇詩涵說。根據美國研究機構HolonIQ《智慧學習產業產值》調查報告就指出，全球數位學習支出將從2018年的1,520億美元，成長至2025年的3,420億美元，占整體教育支出的比重也將提升至4.4%。

觀察到新的趨勢，Snapask在原先媒合解題的服務之外，推出各種線上教學課程，包含學科進度的「進度攻略班（針對高一、高二學科）」、申請大學的「學習歷程檔案製造所」，也計劃推出「108課綱素養課程」，將預計投入新台幣3億元來推動相關的內容產製。

也因為「進度攻略班」包含高一、高二從國文、英文、數學、物理等重點學科，費用採用月費為主，每科1,490元每月，也預計推出學期制的訂閱方式。購買課程的學生每週定時上課，課程也可自由無限重播，且實體的講義與題庫會宅配到府。申請大學的「學習歷程檔案製造所」課程則約2,000元。

Snapask的目標很明確：學生讀了書、上了課，就有解題的需求，讓自家的媒合解題服務能更頻繁地被使用。

蘇詩涵也不諱言地說，的確新服務會與補習班打對台，會產生競合的關係，「現在也許是補充的教材，但說不定有一天，學生們會大量採用線上影音課程，追求效率的最大化，而不是只追求『坐』在補習班裡面。」

較特別的是，Snapask也簽約自己的專屬教師，現在已有15位專業師資，涵蓋國、英、數、自、社全科。

「可以注意到，我們的老師很年輕，他們不一定是名師，但絕對最理解學生學習遇到的問題。」蘇詩涵說，她也提到，許多線上課程平台會選擇與成名的老師合作，形式就是給一塊黑板，攝影機就開始拍攝，「但我們會從腳本開始，追求課程的品質與學生觀影的感受。」

Snapask跨入教學內容的市場也不只台灣，日本、韓國也在2021年分別推出高中、大學課程，香港也在同年上線國高中的影音課程。台灣預計在2023年一條龍式地完成國小到高中的全科影音課程。

【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。