X-STORE 2號店啟用，7-11朝一店雙區型態測試|數位時代 BusinessNext

X-STORE 2號店啟用，7-11朝一店雙區型態測試

時隔6個月，超商龍頭7-11再推出未來商店X-STORE 2號店。而2號店相比1號店除了進行服務、設備和產品結構調整，也將營業時間延長為24小時，要測試一店雙區的可行性。

設備、服務、產品結構都作調整

首先，不同於X-STORE 1號店是開在統一超商總部大樓內，2號店則是開在台北市信義區的基隆路上，也就是說，主要客群將不再是7-11的內部員工，而是一般消費者。或者更精準地說，是超過150萬名OPENPOINT會員。

除此之外，2號店的空間比1號店更大一點，約26坪，基本上1號店具備的科技設備和功能，如電子標籤、自助結帳櫃台等，2號店都有。統一超商經營企劃部部長許義雄表示，2號店主要的改變是根據先前1號店的營運情形和使用者需求，針對部分設備和服務做了調整和優化。

舉例來說，因為1號店開始對統一員工以外的一般消費者開放後，來客數有明顯成長，也突顯出自助結帳速度不夠快的問題。所以他們針對這個狀況進行軟硬體全面更新，將人臉辨識和商品結帳辨識速度提升了1倍左右。

同時他們也是在對外開放後發現，原本入口處的人臉辨識設計沒有考量到小孩子的身高，所以在2號店則是改成高低雙鏡頭設計。還有他們發現不論是不是7-11員工，包括許義雄自己一開始也都還不是太習慣人臉辨識，所以這次在2號店的入口處就新增了刷卡（OPENPOINT）通關的選項。

基本上2號店沒有淘汰任何1號店所使用的設備和功能，倒是另外再新增了和中國信託合作測試，結合指靜脈和人臉辨識的「X-ATM」。

延長營運時間至24小時，嘗試輔助大夜班人力需求

此外，2號店也有一些無關科技應用的調整，如因應門市附近有松山高中和捷運站，他們做了一些商品結構變化，如新增無印良品的貨架就是一例。另外也值得注意的是，相比於1號店只在早上7點到晚上7點開放，X-STORE 2號店的營運時間則是延長為24小時。

雖然目前多數7-11也都是24小時營業，聽起來似乎沒什麼特別，但在將X-STORE改成24小時開放的同時，他們還做了另一件事，就是要嘗試用X-STORE輔助大夜班的人力需求。更明確地說，這家X-STORE 2號店其實是從原本7-11門市切割一半而來，也就是所謂的「一店雙區」型式。

以白天來說，消費者來到這個門市，可以選擇進入右手邊有人員服務的一般門市，也可以選擇左手邊的未來商店X-STORE。但進入深夜後，原本有人員服務的7-11門市將會關閉，只留下X-STORE繼續營運。許義雄表示，即使如此，因為有補貨等需求，其實還是會有大夜班人員留守，但他們主要是希望X-STORE可以釋放人力作更有價值的事，也減輕大夜班人員的負擔。

不過統一超商經營企劃部新商機研發TEAM經理戴琪甄也表示，這樣的作法畢竟是從今天開始測試，所以之後還是要觀察實際運作情形，確認這樣的方式是否真能如預期所想像的可行。

實驗性質仍濃，暫無開設X-STORE 3號店計畫

而整體來說，雖然這次7-11將X-STORE的開店位址選在人流量大的地區，比1號店開放許多，也更接近超商的日常營運。但畢竟還是沒有碰觸到能否大量複製的關鍵成本問題，看來測試意味仍相當濃。

對此許義雄也表示，現在X-STORE的首要任務還是會先著重在找出消費者需求，以及是否能夠呈現出科技的價值感。至於投入的人力，和軟體開發以及硬體設備成本，都還沒有精算過。而目前來說，他們也還沒有開設X-STORE 3號店的確切計畫。

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。