積極向電商招手,全家低溫店取服務能否進一步擴大超取版圖?
積極向電商招手,全家低溫店取服務能否進一步擴大超取版圖?

經過2年多的布局,投資金額超過10億元,全家便利商店的低溫店取服務如今除了有自家購物App全家行動購這個客戶,也正積極對外招商,並陸續有更多外部電商業者使用,如電商平台創業家兄弟旗下專營生鮮商品的好吃市集,今(19)日就宣布與全家合作。而據了解市場上還有多家中、大型電商業者也都對這樣的服務相當感興趣,已經開始接觸洽談。

全家持續投資低溫物流,冷凍食品單日最大容納量上看3萬件

看好冷凍食品市場需求,也希望進一步擴大店到店超取服務的成功,全家過去兩年一直很積極投資發展低溫店取。其實這和一般常溫超取的概念很相近,比較大的差別是必須用低溫物流車運送,以及門市要有足夠的低溫儲放空間。這是為什麼全家特別在雲林建置了低溫倉儲,也陸陸續續增加各個門市的冷凍櫃空間。截至目前為止,全家約3000家門市中,已有超過半數,約1700家店都增加了冰櫃數量,可以容納更多冷凍商品。

全家估計,目前全店冷凍櫃合計單日最高可容納冷凍商品數可上看3萬件,而以目前各店的利用情形來看,他們相信還有容納更多電商訂單的空間。另全家方面也表示,就算是遇到春節年菜這種冷凍食品銷售的大旺季,因為系統設有控量機制,也可以幫助消費者尋找附近仍有空間的取貨店家。

而除了創業家兄弟之外,還有許多電商業者表示對全家低溫店取服務感興趣,不過業者也直言,全家提供這塊服務主要解決的是消費者取貨的便利性,並且可以減少發生如商品寄存在沒有冰箱的管理員櫃台,或是物流車一路上因為車門多次開關導致車內溫度上升等冷鏈「斷鏈」的狀況。但如果要論「成本」,則全家店取的費用恐怕還是和宅配價格相去不遠。

好吃市集結盟全家便利商店推出低溫店取服務.jpg
除了創業家兄弟旗下好吃市集開始使用全家冷凍店取服務,據了解還有許多中、大型電商也對這項服務很有興趣。
圖/ 創業家兄弟

全家低溫店取解決了便利性問題,但成本仍是挑戰

其實成本一直都是網路冷凍食品市場發展的一大阻礙。因為食品本身的保存期限就是一個問題,而冷凍食品相比常溫則是又多了溫度上的要求,因此必須要有低溫倉、低溫物流車,以及冷凍櫃等設備。也因為初期投入成本高,目前市場上能夠滿足這方面需求的供給量不多,物流成本自然就會相對常溫物流更高,而在商家或消費者因為不願意負擔比較高的費用,或是因為不夠便利等原因而不願在網路購買冷凍食品的狀況下,市場就做不出一定的規模量,進而倉儲物流業者也就更不敢大力投資建置冷鏈。這是為什麼電商業者一邊看好冷凍商品市場,一邊卻又說這塊市場很挑戰的關鍵。

而即便有全家這樣的業者願意大手筆投資冷鏈,但因為服務初期的量畢竟還小且不穩定,所以目前全家其實也還沒有固定的低溫車隊,而是會隨淡旺季做調整。同時也因為車次較少,所以不同於常溫商品的店取服務可以做到D+1日到貨,冷凍則是只能做到D+3。甚至,外部電商因為還多一個將商品送到全家倉儲的路程,所以對消費者來說,到貨時間可能還要花得更久。

因此,全家的低溫店取確實為市場解決了一部分問題,但整體來說,也仍有許多問題待解決。然而,這塊市場的發展雖然還有一段路要走,可能無法像常溫超取那樣一飛衝天,但超商店取的方式畢竟已經是許多台灣消費者習慣的模式,相信提供這樣的服務選項還是有助於把消費者在網路購買冷凍商品的使用意願門檻降低一些,同時也可以預期未來在有更多大型電商業者加入的情況下,將有助於帶動整體需求量成長,進而促進整體市場發展。

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

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
代理式商務連動百兆商機
© 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