17LIVE前執行長重返新創戰場，打造80%分潤的內容互動平台Ekkorn|數位時代 BusinessNext

前 17LIVE 集團全球執行長練建麟有了一個新的身份：創業家。

在他熟悉的直播產業中，一直存在「變現模式單一」的困境。白話文來說，就是直播主、直播公司的收益仰賴少數抖內（donate）大戶。儘管想過嘗試新型態的收入來源，但現實就是非常困難。「你沒辦法在一個已經定型的戰場去改變它的根基。尤其當背後有一堆投資人盯著財報、等著上市的時候。」練建麟坦言。

在帶領 17LIVE 赴新加坡上市、掌管全球 5,000 萬會員的巔峰後，他選擇在 2025 年重返創業前線，成立結合直播與圖文創作的內容互動平台 Ekkorn。

跟過去有什麼不一樣？Ekkorn 想先從「成本」下手。

直播產業的高勞力成本

直播並不是打開 App，對著鏡頭講話這麽簡單。

以前直播平台培養直播主的方式仰賴大量人力，經紀團隊除了需要在事前手把手的教導直播主互動方式、口條、鏡位擺放等細節，更需要在直播的過程中，協助紀錄粉絲說過的話、找出潛在金主加強與其互動，提升直播時的打賞金額。

這樣的做法考驗人力，讓直播平台很難降低成本，分潤給直播主的數字自然不高；不然就是把資源集中在頂尖的直播主身上，使得內容生態逐漸單一，也壓縮了中型與專業型創作者的生存空間。

也正因如此，當 Ekkorn 決定切入市場時的第一個判斷不是「怎麼搶流量」，而是如何降低成本。有了這個前提，接下來 Ekkorn 把解法指向一個關鍵字：AI。

用 AI 重寫成本結構，分潤比例高達80%

AI 的導入，首先改變的是平台的內部運作方式。

過去在大型平台，一項新功能從市場研究、產品設計到實際產出，往往需要 20 人以上協作。但在 Ekkorn，產品研發副總孫昊透露，透過 AI 工具導入，現在僅需 2 人，就能完成從研發到功能測試的完整流程。

不只是內部效率，AI 也被用來重塑創作者與粉絲的關係。

Ekkorn 在「創作者中心」的 AI 助手，能自動整理與粉絲的互動紀錄、分析其興趣輪廓，並在適當時機協助創作者延續對話，例如提醒：「某位粉絲好久不見，他上次提到去滑雪，可以從這個話題繼續聊。」

更進一步，Ekkorn 也正試圖解決直播產業的創作者無法累積長期價值、穩定收入來源的問題。「創作者在開播時能吸引粉絲，但只要一下線，互動就中斷了」練建麟指出。

為此，平台正在開發「AI 分身」功能。透過學習創作者的語氣與風格，讓 AI 能在創作者休息時持續提供回應與互動。

這意味著，即使在非開播時段，粉絲也能獲得回應與陪伴的情緒價值，而當創作者再次上線前，AI 分身也會整理這段時間的互動報告，讓對話得以完美銜接。

過去需要仰賴經紀團隊長時間經營與記憶的粉絲關係，如今可以透過 AI 輔助，讓中型創作者也能以極低的人力負擔，維護高溫度的粉絲關係，也讓平台能將節省下來的成本，直接轉化為創作者收益。

因此，Ekkorn 得以提出高達 80% 的分潤比例，相較於業界普遍 45% 至 50% 的拆分結構，幾乎翻倍。

不搶流量，專注「最後一哩路」的變現

除了分潤機制與 AI 工具的使用，Ekkorn 在產品的邏輯上，也多方開拓美女主播之外的內容方向。

對於像會計師、小說家這樣專業領域的創作者而言，過去的經營模式往往陷入「工具碎片化」的苦惱，為了達成變現，需要同時切換三到四種不同的工具：在 Instagram 上發布圖文、短影音經營流量後，透過部落格、電子報的深度長文建立與粉絲的信任，等累積到一定程度的忠實讀者後，才可能透過實體講座或是線上課程等方式，來達成實際的收益變現。

但也還需要再利用其他平台來處理收款、寄發課程的線上會議連結，這讓專業人士在內容產出之餘，需要耗費大量精力在繁瑣的行政與客服溝通上。

Ekkorn 則規劃將這些斷裂的環節整合進單一平台，讓這類創作者未來能直接透過「付費解鎖」或是「訂閱制」的方式，來讓粉絲能針對深度的專業分析、接下來的劇情發展直接付費觀看。

「我們不跟 Instagram 或 YouTube 搶流量，我們希望成為創作者的 Linktree。」練建麟比喻，與其成為下一個大型流量平台，他更期待是讓創作者在既有社群平台累積聲量，再回到 Ekkorn 完成變現。

目前 Ekkorn 已吸引約 3,000 名創作者進駐，團隊正積極的開發平台功能，期待能吸引更多不同領域類型創作者的加入。另外，公司目前包含中天電視的持股，不過團隊表示已開始進行股權變更的程序。

團隊資訊

公司名稱：秀曜匯智股份有限公司
成立年份：2025
新創資料庫｜📮❗️我想聯絡創辦人

本文授權轉載自創業小聚

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。