Spotter出資買斷 YouTuber 未來廣告收入，有哪些招數幫助創作者更快變現？|數位時代 BusinessNext

Spotter出資買斷 YouTuber 未來廣告收入，有哪些招數幫助創作者更快變現？

美國新創公司Spotter出資買斷YouTuber未來5年廣告收入，讓創作者可以透過內容獲取直接收入，實現內容貨幣化，而不是用免費內容吸引流量轉換。

Spotter 特別的金融科技服務，讓網紅的內容真正「有價」

《TechCrunch》分析，一般來說，無論是在 YouTube、TikTok、Snapchat 還是其他任何平台，創作者透過與品牌交易而製作的業配內容收益，遠比自製內容放在平台上的廣告分潤來得多。但創作者仍然希望自己的每支作品，都有其價值。

雖然目前部分平台，如TikTok、YouTube等，已有針對創作者推出補貼資金的方案，以吸引創作者為平台持續提供優質內容，但其補貼對於大多數創作者來說可能都只是杯水車薪。Spotter的做法開創了新的可能性，即創作者可以透過內容獲取直接收入，以此實現內容貨幣化，而不是用免費內容吸引流量進行轉換——兩種商業模型完全不同。

再者，即使網紅手上有這麼多有獲利價值的數位資產，往往也不容易從傳統銀行借錢融資，但透過 Spotter 這種另類的 FinTech 服務，便能夠實踐將部份未來收入提前變現，作為產製其他內容的投資，轉換成更高的觀看率和觸及率。

比方說知名網紅 MrBeast，便把從 Spotter 獲得的預支收入，用於開發西班牙語頻道，至此之後，他的頻道收視率成長了300%以上，每月達到13.5億次。

「如此一來，創作者會與我們進行第二次和第三次交易，不會是一次性的，因為他們看到了自己再投資之後的成果。」Spotter創辦人兼執行長迪比莫斯（Aaron DeBevoise）說。

加上數據分析，Spotter 也助網紅擴大影響力

迪比莫斯表示，在評估創作者的潛力時，觀眾的黏著度是 Spotter最重視的，也就是用戶花多少時間在該創作者的內容上、有沒有長時間的持續收看。另一個考慮因素則是內容類型，例如，Spotter不會投資製作新聞、政治內容的創作者，因為長尾效應太低，收視眾不容易培養忠誠度。

Spotter做這個生意打的算盤是：4年回本、最後1年純獲利。而為了讓自己的獲利最大化，該公司還會用數據分析能力協助網紅擴大影響力，好讓所授權的影片，能有更多流量與廣告收入。

迪比莫斯認為，給予創作者足夠的資金，能夠讓他們更專注於創作上，且對創作者而言，無論是創作過程中，或者想擴大規模的時候，保持獨立永遠是重要的。他強調， Spotter是一家「以人為本，而非以利潤為重」的公司，因此他會著重合作創作者的最大利益，想辦法給予資金，給予他們資源進行內容深化、擴大影響力，在活絡整個創作者經濟生態的同時，Spotter也會從中獲得收益，形成雙贏。

本文授權轉載自：FC未來商務

責任編輯：傅珮晴、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。