[冒牌生]連2年稱霸雙11服飾銷售冠軍！UNIQLO靠這2招突破強國人玻璃心|數位時代 BusinessNext

獨特的產品定位

相較於歐美的Zara、H&M等品牌，UNIQLO銷售的是簡單、樸素、但不落俗套的基本款，並開發出獨家的布料和機能衣、比如摇粒绒、輕羽絨，再到Heattech發熱衣…等特殊機能衣，瞄準中產階級、創造獨特的差異化市場。

相較於其他快時尚品牌，消費者大多只會幫自己買衣服（畢竟只有自己最清楚自己最喜歡的時尚款式），而UNIQLO常針對秋冬季節推出羽絨服、搖粒絨、秋冬發熱衣等基本款，看似普通卻有不錯品質，搭配起來也不難看，不只可以買給自己，還可以買給長輩、小孩、枕邊人。「冬天要到了，一家五口人，一人2件發熱衣剛剛好。」這種「連一拉十」的全家型消費力，實在不容小覷。

圖說：UNIQLO主攻銷售簡單但不落俗套的服飾基本款。photo credit：staticflickr

大數據分析賣新品

早在2015年初，UNIQLO的電商團隊就取得了去年雙十一活動中消費者在購物車裏放置商品的大數據，並以此為基礎進行庫存的相關籌備，確保最受歡迎的輕型羽絨服、HEATTECH發熱衣、法蘭絨襯衫、搖粒絨系列等，有更充足的貨品供消費者在活動中搶購。

這點我有切身體會，當我雙十一當晚在別的快時尚服飾品牌下單，有些熱銷款已出現「銷售完畢已缺貨」提示字眼，但這種狀況當天晚上在UNIQLO下單並沒有出現。

另外，相較於其他品牌將雙十一視為出清庫存的好時機，UNIQLO設定90%都是秋冬新品，雖然UNIQLO所謂「新品」也是基本款，譬如去年買的黑色橫條款輕羽絨，今年則是黑色格子的款式，實際款式差異其實不大。

且因為UNIQLO在中國定價大約比台灣高2成，我對中國UNIQLO雙十一購物季折扣總沒有太多「搶到便宜」的痛快，但若單純以中國市場論，UNIQLO在2015雙十一促銷力度相當強大，優惠程度也高於平常促銷力度，旗下的400多家UNIQLO實體店面也沒有比照網路商城的折扣優惠，讓UNIQLO網路專屬優惠猶如「獨家」，讓消費者產生「這時在網路買還比實體店面買更划算」的購物衝動。

天貓首創的「雙11購物節」2013年規模已超越美國「網絡星期一」購物節（Cyber Monday, 美國感恩節後的第一個星期一），正式成為全球最大網路購物節。photo credit：TMAll網路截圖

透過緊抓消費者撿便宜心態的手法，並打造專屬差異化商品，另事先透過大數據確保新品貨源不斷，再加上UNIQLO遍佈中國90多個城市、超過400家實體店面的強大品牌力，這大概就是UNIQLO連2年稱霸中國雙11服飾類銷售冠軍、最深處的秘密了吧。

撰文：冒牌生
整理：陳怡杰（給力行銷）

@@ACTIVITYID:481@@

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。