moPlus訂閱制3周破萬人！momo衝千億大關，為何「消費者下單太快」是一大硬傷？|數位時代 BusinessNext

精準下單成momo雙面刃，如何讓會員「好好逛街」？

透過多項焦點團體調查結果，momo得出一個結論是：對消費者而言，上momo購物最重要的是搜尋效率高、產品分類清楚，且介面直覺、配送快速。

而這樣的效率，正是momo面臨的雙面刃。攤開財報，富邦媒今年前八個月營收為新台幣708億，年增率3.56%，低於2023全年營收年增率5.61％，顯示成長幅度持續衰緩。

雖谷元宏指出，營收成長趨緩，不光來自電商產業競爭，大環境消費因素才是主因。「因為大家撥更多預算在出國上，高單價商品像是精品珠寶消費得少，營收才會趨緩。」谷元宏強調，momo的有購會員數與消費頻次，還是有持續增長。

如果momo要挑戰下一個千億大關，消費者在momo上快狠準的購物模式，將會是momo營收持續增長的一大硬傷。

電商女裝集團美而快總經理王志仁先前接受《數位時代》專訪時也指出， momo購物網以規格品居多，消費者購物目的相對明確，進到頁面逛了前2頁，在平台未能掌握更多足跡前，可能就下單離開了，因此momo掌握的數據深度不若蝦皮這種品類繁多的電商，而數據深度不足，對會員的了解也就不夠全面，便無法精準推薦商品、提高消費客單。

這也是為何momo選擇以「開箱下一個自己」為新品牌訴求。momo如今最希望的是，消費者來網站上，別再只是買完規格品就走，而是願意停下來多花時間瀏覽，逛一些消費者自己原先也不覺得會在momo上買的商品。

高門檻「訂閱制」會員數三週破萬！

為達成讓消費者在平台上駐足越久越好的目標。谷元宏在記者會上定調，未來五年momo最重要的就是「mo店+」、「momo Ads」、momo「主題直播間」這三支箭。第一支最重要的箭「mo店+」擔任擴展品類的角色。

據momo表示，自今年5月正式營運以來，「mo店+」為平台帶進超過三千名新的供應商賣家，平台總SKU突破百萬。透過mo店+耕耘momo過去少碰的長尾商品，後續再由momo Ads、momo「主題直播間」，觸及消費者潛在興趣，激起購買新品的慾望。

另外，momo在9月初悄悄推出的moPlus訂閱制，也可視為momo更深入了解會員、讓會員延長遊逛時間的新利器。原因是，正如好市多的會費邏輯，消費者一旦繳了會員年費，就會有買越多才能省更多的心態，也更有在平台上好好尋寶的動力。谷元宏指出，截至目前該訂閱制已有破萬會員加入，認為算是繳出不錯成績。

「這是一種分眾型的訂閱制，如果覺得年費2,399元太貴、不合用，就代表你不是TA。」谷元宏預告，該訂閱制原本為實驗性計畫，但初期效果有顯現，未來還會針對不同的會員樣貌，推出量身打造的新訂閱制，深耕會員在平台上的忠誠度、黏著度。

責任編輯：李先泰

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。