AI為市場創造新起跑點,見福投數千萬發展智慧零售,從千店「刷臉」開始
AI為市場創造新起跑點,見福投數千萬發展智慧零售,從千店「刷臉」開始

當阿里巴巴喊出新零售、當國際科技玩家紛紛推出無人商店的實驗店時,在中國福建地區一個小型連鎖超商則是已經在超過一百家店導入人臉辨識系統,實際應用到日常營運。而預計在今(2017)年底之前,導入店數就可以達到一千家。

見福便利店是一家2006年於中國成立的連鎖超商,論資金規模絕對無法和阿里巴巴、亞馬遜這樣的大玩家相比;論連鎖店數也分別只有台灣超商龍頭7-11的五分之一、台灣全家便利商店的三分之一。不過論及對新科技的嘗試,見福展現出來的勇氣倒一點都不遜於這些大前輩們。

小企業的小國策略:從科技領跑

見福.jpg
見福目前連鎖店數約1000家,規模不算大,但對投資新科技的態度很積極。
圖/ 截自見福便利店官網

見福便利店董事長張利說話很直接,他認為今天如果要比超商經營的精細化管理,那見福就算再努力8年、10年,要想追上台、日超商的可能性也趨近於零。「我在現場管理、產品、研發、服務管理確實落後,是事實。」他認為小企業必須找出小國策略,否則最終就是被淘汰。而在張利看來,對科技的領先應用是關鍵,他看好人工智能和智慧零售就是一個可以超車的新起跑點,更是零售業長期發展的重要趨勢。他比喻,這就像戰場上,士兵已經從拿大刀變成了拿機關槍。

張利也不客氣地形容:「精緻化可能是讓企業在小數點後面拚命地做文章,而科技可能是我們決定了小數點要放在哪個位置上。」這是為什麼見福規模雖小,卻願意在科技投入大量資源的一大原因。自成立以來,見福陸陸續續有過許多嘗試,如在每家門市導入WiFi、自行開發App、成立線上商店等等,而最新的一項科技投資,就是砸下逾千萬人民幣(約合新台幣逾4600萬元),找來微軟協助於門市導入人臉辨識系統。

玩刷臉不只是跟流行、炒話題,實際上張利是真心認為這樣的技術可以解決零售業的千年痛點,也就是「認知客戶」問題。

用機器解決零售業千年痛點

他以見福本身為例,表示一千家門市每日的總來客量可以上看30萬人,而在這30萬人中,或許單店的店長可以掌握到區域內特定幾位顧客的消費習慣,卻無法將這樣的能力擴大到認知大多數消費者性別、購物頻率、購物習慣等等。這說明了為什麼過去超商多只能使用「噴灌式管理」這樣的無差別行銷,而不能做到更精準的單點行銷突破。

「我們認為機器時代來臨,使我擺脫過去個人的記憶,單店店長的記憶,變成公司集體記憶,從個人隱性知識,變成公司顯性知識,這是巨大轉變,非常重要一件事。」張利認為機器可以幫助零售業實現中國自古以來就有的「零售智慧」。

說到零售智慧,他相信很多人到菜市場都可能有過類似經驗:「他(菜販)一定告訴你,哎呀小妹妹你又來啦。認不認識你不重要,但他會很熱情,拿好菜給你,走的時候,一定抓一把蔥。」這就是張利所說的零售智慧,相對於缺斤少兩地賣便宜貨,聰明的菜販更要讓消費者有佔便宜的感覺,「抓一把蔥可能讓你很舒服,心理層次是讓你感到受尊重,這是標準的零售智慧。」

張利也舉小時候的經驗當例子,「我們過去,我家裡是石油單位,每個油田大隊都有小麥部,小麥部大爺他認得我母親,他人腦人臉識別,我母親沒帶錢的時候,他說沒關係,記帳,下次給我,那不就刷臉支付了嗎?」這兩個例子都說明了,零售智慧自古有之,問題在於過去只能靠個人,現在機器則是讓單點智慧,變成了集體智慧。

而且人臉識別在張利看來還有一大好處,「每個人天生一張二維碼,不會有人忘了帶出門」,是最好的CRM(客戶關係管理)數據入口,除了可以發展成個人化消費獎勵、行銷方案,也可以用於建立門市黑名單等用途。

張利_見福便利店董事長_2017_09_28_蔡仁譯攝-1.jpg
見福便利店董事長張利認為臉部辨識技術有助於解決零售業的長年痛點,也就是對客戶的不了解。
圖/ 蔡仁譯/攝影

要科技也要考慮商業價值

不過要實際應用到零售業,還是必須考量商業價值問題。因此張利也說了,在零售業刷臉可不能像做安防一樣不計成本,所以他們從不打算去追求100%辨識率,表示目前能做到90%已經可以接受。「人都會記錯人,沒關係。」他說,接下來進入第二階段,在蒐集消費者訊息之餘,還要整合支付功能,對精準度會有更高要求,就再加入聲頻去做交叉比對,來確保正確性。

此外張利也提到,「簡單」是他們在評估是否導入時的另一大考量。他認為今天一項新科技如果複雜到需要在門市做大改造,那也是不能接受的。畢竟如果只是導入一、兩家店還無所謂,當一千家店都得大改造時,整件事就變得不可行了。

張利透露,雖然在導入初期需要給機器時間學習,預期短期內還無法看到顯著效益,但他評估這套人臉辨識系統的每單位成本,最終其實會和做會員卡很接近,是可以接受的。

此外,之所以導入人臉辨識的一大目的就是為了做顧客關係管理、是想做會員經營,但張利特別想強調一個觀念,也是他目前在多數會員管理系統看到的致命傷,就是違反人性化的推銷行為。

人性化是永遠不能忘的商業核心

張利認為商業經營的本質其實是在經營人性,因此他形容消費者和商家之間的關係應該像情人而不是夫妻,「情人最好境界就是想你時在眼前,不想你時別騷擾我。」他說:「我在你這買東西,你天天給我推消息,是很煩的。」他認為這道理其實就像菜市場阿姨今天不會特別打電話告訴你:「菜便宜了,來買菜吧。」是一樣的。

對於張利以消費者為中心的堅持,和對人性的洞察,負責此次合作案的微軟(中國)渠道銷售總監陳仲儒也有深刻體會:「我們在張總這邊學到很多,他認為你今天去干擾一個人、去要資料,是一種侵入式資料採集法,你去問她姓名、電話、職業、性別,那都是侵入性、不友善的方法。」所以張利秉持的原則,是「入店即會員,離店即失聯」,他相信這才是真正掌握消費者心理,以客戶為中心的最高境界。

用科技修新跑道,規模擴張的腳步也不能停

張利表示,接下來見福會繼續用兩條腿走路,「一條要往前邁、一條要精細化;一邊叫科技、一邊叫資本。」在年底完成一千家店的人臉辨識導入後,他估計得再花一年時間打磨,到了後年,這套系統才能夠真正為公司帶來收益。他有信心,在對客戶有更深入認知的情況下,將來提高單店營業額是可以期待的。而在持續投資科技的同時,他也表示一定還會持續擴大連鎖規模。

曾經有人這麼問張利:「利哥,現在便利店在風口上面,豬都會飛起來,你啥時準備飛阿?」張利是這麼回他的:「首先告訴你,哥不是豬、哥也不找風口,哥在修跑道,我要插上科技的翅膀、資本的翅膀,跑得快就飛起來了。」

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓