當YouTuber錢歹賺？官方揭3大流量趨勢：要專業還要有沉浸感⋯哪種頻道更能活下來？|數位時代 BusinessNext

YouTube在9月11日舉辦2025 YouTube Brandcast活動，是少數能直接接觸到YouTube官方的管道。

YouTube大中華區策略合作夥伴副總經理陳容歆（首圖右），也分享了今年YouTube觀察到的趨勢，並接受媒體提問，包含近期財政部宣布開徵的「網紅稅」。

YouTube三大觀影趨勢：深、浸、匯

今年YouTube分享的3個趨勢，分別為分眾專業、沈浸式收視體驗、文化匯流。

趨勢一：分眾社群的深度連結

在YouTube上，除了娛樂、搞笑生活的日常內容，因為時代的演進，觀眾對於更可信、更專業的內容有很大的興趣。「只要有熱情，不管再怎麼冷門的創作者都可以找到同溫層。

而且這群觀眾不是單向的看影片，會把你當成生活的朋友和家人。」陳容歆說。這些垂直的內容領域包含醫學、科普、法律等，都能找到相對應的受眾。

趨勢二：更沈浸的收視體驗

陳容歆分享道，YouTube平台的總觀看時長較去年成長10%，且很大一部分的成長來自「連網電視」，那長片的春天到來了嗎？恐是還不一定，根據YouTube分享的調查，Gen Z高度使用YouTube的短影音Shorts功能。

所以從手機到電視、長片到短影音皆有受眾，YouTube不願意承認有任何主推的內容形式，僅希望創作者針對自己的觀眾反應，找出適合的形式。

至於什麼樣的沈浸內容會有流量？YouTube的舉例分別為敘事沈浸（阿啾小劇場、Onion Man）、情感沈浸（Lulu Huang Official、三個麻瓜）、互動沈浸（初吻Kiss、遊戲大亂鬥）。

趨勢三：文化匯流

這方面比較像是要推行新功能，同樣在今日，YouTube宣布台灣地區的「雙軌語音」上線，創作者經過申請後，可以在YouTube影片中放入其他語言的音軌，觸及更大的海外受眾。

網紅税、AI內容、廣告還是業配...YouTube怎麼說？

而針對媒體提問方面，首先是財政部開徵網紅税，將分為境內觀眾收入與境外觀眾收入來進行課稅。YouTube僅表示創作者應該都要遵循政策，言下之意大概率是依法行政，創作者自行吸收這部分的成本。

此外，在愈來愈多的AI內容進駐YouTube，陳容歆表示現階段只要不違反規定，就不會強力阻止這種類型的創作，但希望創作者自行揭露是否為全AI製作，以及YouTube也會有AI偵測。

最後，則是台灣YouTube創作者長期以來的問題，就是廣告收入並不足以維生與養團隊，所以許多創作者需要「接業配」。

Google資深業務總監蔡秉諺（首圖左）先是表示，其實台灣YouTube廣告的單價有再提高。不過，期望看到的是創作者能夠多元化收入，廣告收入本來就應該只是其中一種收入來源。

延伸閱讀：YouTuber注意！財政部曝「網紅課稅4條件」：新制明年7月上路，分潤收入須繳5%營業稅

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。