不談獲利只談網站3S|數位時代 BusinessNext

「你的獲利模式為何？」是網站創業家最常被質問的問題，但一開始就對獲利模式錙銖必較的網站，往往錯失網站最美好的地方。我們若把網站當作一間麵包店在經營，談獲利其實很容易，乾脆直接開個小購物網站賣起包包和成衣，最後放進口袋的淨利最多幾億，怎麼可能做出下一個革命性的網路新霸如Google、雅虎？所以與其在一開始猛鑽獲利模式，我們先談「三個Ｓ」。

前兩個「Ｓ」乃「Sweet Spot」，即所謂的「甜蜜點」，此名詞儘管是筆者開創先例運用到網路界中，但這個現象卻不是憑空想像，因為只要觀察二○○○年後竄起的網站，從Photobuckets、Flickr、MySpace、Facebook、hi5……全都是平均不到三十歲的年輕創業家，靠自己半生不熟的程式技術和滿腔的熱血，不只沒有錢，也沒有任何成熟的策略、行銷預算、廣告公關，但由於它們的網站不小心摸到了一個「甜蜜點」，結果……就像HOTorNOT開站之初只寄給四十個朋友，一周後的每日瀏覽頁次（page view）便竄升到二百萬次；就像YouTube原本只是二十幾個影像上載網站的其中之一，才甫推出嵌Flash功能，一個月內就變成全美國成長速度最快的網站。

目前看到的最成功新創網站，四分之三以上都是以這種驚喜方式誕生。驚喜誕生之後，網站的流量衝高，短期以內可能可以達到五百萬至一千萬位會員，但接下來呢，就要靠第三個Ｓ──「Stickiness」，也就是「黏性」，來留住這些會員，並促使回訪，提升每次回訪平均瀏覽頁數。說明這個三Ｓ尤佳的是Facebook，由其Alexa線圖可以發現，它在二○○五年出現過一次犀利的快速成長，當時它打中「甜蜜點」，使得許多大學生開始使用，卻因為高牆政策，會員數雖多，但始終卡在一千六百萬人左右就不再成長。後來它打掉高牆並加入Mini-feed等功能，使得ＰＶ繼續攀升，不但會員數倍數增加到三千四百萬人，每位會員數的ＰＶ也增加，打中「黏性」，讓三Ｓ完全發揮。

談三Ｓ，不談獲利，就是因為當網站成功得到三Ｓ時，獲利便如翻掌般容易！被迪士尼以七．五億美元購併的加拿大社群網站Club Penguin便是如此，一千八百萬會員中只有五％付了六美元月費，但相乘起來，一個月便有四百二十萬美元，今年總營收更可望達到六千五百萬美元。廣告也是，以ＣＰＭ（每千次展示成本廣告）來計算，會員這麼多，在ＰＶ可比擬入口網站情況下，怎麼算都是荷包滿滿。

不過，「甜蜜點」是一個很難的目標，「黏性」更是。以三Ｓ為導向的網站，整體設計必須通盤思考，所以當我們忙著把目光放在獲利時，必將錯過三Ｓ。打棒球的可以選擇要打台灣職棒或美國職棒，做網站的亦可以選擇要影響一千萬人、賺一千人的錢，還是要影響十億人、賺一千萬人的錢。態度決定高度，該是用一個不同的角度來看網路產業的時候了。

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。