7-Eleven無人店失敗的原因,或許在於把它當作「無人店」在經營
7-Eleven無人店失敗的原因,或許在於把它當作「無人店」在經營
2019.04.30 | Amazon

在我po出「7-Eleven和達美樂為什麼要合作?」這篇文章時,不小心說了一句「這比無人店的商業邏輯清楚多了」,開始有人詢問我「Evonne對7-Eleven無人店的看法如何呢?為什麼覺得商業邏輯不清楚?」

其實相關的分析闡述很多了,但這篇文章想從不一樣的角度切入,來比較Amazon Go和7-Eleven無人店商業邏輯的不同,我認為這兩者看似商業模式類似,但少了一些關鍵因素,造成了畫虎不成反類犬的差距。

先來介紹一下兩者的服務:

無人店的始祖可以說是Amazon Go,以下是2016年Amazon釋出的影片,當時震驚了市場:

以下是小七無人店的demo介紹:

看完影片我終於理解為什麼有這麼多人吐槽7–11無人店的體驗,因為這根本就比原來進小七買東西還麻煩呀!

兩者使用者體驗的差距,來自於產品定位

一開始,要先買到i-Cash2.0才能註冊,這是我第一個難以理解的點,為什麼非得要用i-Cash,它的角色在後面的流程完全沒有必要性。可能是為了增加使用率,但這策略應該是高頻服務帶起低頻服務用的,用一個大家還不習慣的服務,想帶起另一個大家不習慣的服務的使用率,這是在想什麼。

接著,還要下載open point app,並註冊open point會員,又是一個在台灣尚未普及的服務,大部分的買家都要經過一開始的痛苦才能進去這家店,還沒消費喔!接著,進店之前還需要做人臉辨識,將卡與帳號綁定人臉,這邊也需要卡關一下,而且一次只能辨識一個人,讓人擔心中午人潮多的時候一定會大塞車。

接著,我原本以為這人臉辨識是為了之後方便結帳用的,但是看到後面才發現,這根本不是商品帶了就走自動結帳,而是還要自助將商品放在條碼機上結帳,然後用盯著螢幕做人臉辨識(看影片要辨識十秒,旁邊還不能有人),或使用信用卡、悠遊卡、iCash付款,然後出店門時還要人臉辨識一次。

所以整體而言,7-11的無人店結帳必須經過:

  1. 買i-Cash 2.0
  2. 下載open point app
  3. 註冊open point
  4. 人臉辨識
  5. 拿商品去條碼機自助結帳
  6. 人臉辨識結帳或是用卡片結帳
  7. 人臉辨識出店門

這七個流程,即使之後進入店內消費,不用再註冊,也還有後面三個流程。

每個流程都要耗時,出了問題還不知道該怎麼解決,後面如果卡了人在等待,心理壓力超大,傳統在小七消費只要拿了商品到櫃檯,拿出悠遊卡或信用卡,就有人幫你結帳,然後通行無阻出店門了,整個無人店的體驗真的沒有比較好!

看起來與其說是要增進使用者體驗,不如說是要追求「無人」,可能目的是噱頭,也可能是節省小七店員的成本,但這模式值得嗎?後續文章和Amazon比較時會繼續探討。

Amazon Go的體驗完全不同,第一次進入商店時,同樣要下載Amazon Go,然後用Amazon帳號登入,但不一樣的是,Amazon是美國第一大電商,幾乎每個美國人都有Amazon帳號!

所以其實幾乎可以省略註冊流程,且Amazon Go在進入無人店之前或之後,都不用再經過那看起來像海關的機器做人臉辨識,東西拿了就走,整個體驗步驟是:

  1. 下載Amazon Go app
  2. 登入Amazon帳號
  3. 掃條碼進商店(我在影像產業做了多年PM,掃條碼一般比人臉辨識快很多)
  4. 商品拿了就走

只有四個步驟,而且第二次來交易,就只有掃碼進商店、商品拿了就走,兩個步驟,綁定的Amazon帳號會幫你自動扣款、開立明細,體驗的確比傳統進商店、拿商品、排隊結帳還要迅速,可以減少排隊刷條碼結帳的時間。

所以Amazon的重點其實不在於「無人店」,而在於「增加使用者體驗」,它的店名叫做「Amazon「Go」,核心技術叫做「Just walk out」,從沒有強調「無人」這一點,這才是從消費者角度出發的定位,因為消費者不在意是否無人,老闆才在意是否無人,才不用負擔人力成本,這是第一個重要的差別。

接下來三個重要差別,都跟投資報酬率有關。

為什麼Amazon比小七有機會回本?

除了第一個定位以及體驗上的差別以外,先闡述還有哪三個重要的差別。

第二個重要的差別,在於Amazon Go販售的東西是較高單價的新鮮食物(這是貝佐斯在訪問時提到的,Amazon Go的定位是出售新鮮預製食品的便利店),而非小七販售和一般實體店類似的餅乾糖果零食飲料。

第三個重要的差別,Amazon是一家電商,有野心拓展實體通路,也收購了全食超市,而7-11是一家實體通路已經非常強大的便利商店,但線上通路並不強。

第四個重要的差別,Amazon有AWS系統,7-11沒有。

這三個差別重要性在哪裡呢?

「無人店」由於要投入許多感測器,還有後端的強大運算系統開發與運算力,整體投資是非常高的,要如何回收?絕對不只靠節省的人力成本就回收,Amazon由於其商業本質,有辦法回收,但7–11無法,為什麼呢?

要回收成本可以從幾個面向來看:

1. 從商品營收與毛利賺回來:

也就是銷售利潤高,消費頻率也高的商品。 Amazon Go只賣高品質的生鮮食物,這樣的食物在美國是可以賣到較高價格的,和餅乾零食比起來,消費頻率也高,而且由於商品種類少而專注,Amazon也可以減少感測器的成本。

而小七只是把實體店的商品搬到無人店而已,還在賣低單價、低消費頻次的商品,甚至有些鮮食因為沒有「條碼」,無法放到機器上感測,反而不能賣,鮮食是金雞母啊!小七反而被自己追求無人的思維侷限住了。這是第二個重要差別。

2. 從全通路消費以及數據賺回來:

Amazon是一家強大的電商,做Amazon Go其實很像是把「線上體驗搬到線下」,因為線上購物的情境其實很像在Amazon Go消費,你同樣是登入app,選了商品,然後用預先綁定的卡結帳,不需要店員在旁邊指導,也不需要排隊結帳。

另外,你在網站上的瀏覽紀錄會被記錄下來,讓Amazon更了解你的偏好,而你在Amazon Go的購物行為同樣會被數不清的感測器與攝影機記錄下來,而且連結到同一個Amazon帳號上,變成你這個人的 「全通路消費數據」,這些數據能讓Amazon更精準判斷你的偏好,之後你在線上消費時,它就能推薦給你更精準的商品,所以Amazon不只在線下多賺你錢(多在Amazon Go消費),線上也能多賺你錢。

但是小七並沒有這麼強大的線上通路,實體店記錄下來的使用者行為當然還是有幫助,但數據的用途少很多,且小七多年來也已經累積龐大的使用者數據,無人店帶來的綜效不大。這是第三個重要差別。

3. 另一種獲利的方法,就是進一步壓低成本,創造綜效

簡單地講,Amazon做Amazon Go的種種投資,都能善用並加強Amazon現有的優勢:

  • 從Whole Food全食超市的併購,Amazon Go得到賣生鮮食材的能力,在成本方面,也能借用全食超市的採購能力、配送能力,產生規模效應,而全食超市透過Amazon Go商店,可以進一步擴點,或做為倉儲配送的據點,延伸銷售範圍。

  • Amazon自己的AWS就是提供雲端運算服務,Amazon Go涉及感測器IoT、機器學習、人臉辨識的種種運算,都能在這個平台上運行,所以Amazon Go不用多投資太多系統建置成本,而AWS平台也能得到更多實際的資料做運算。

且Amazon Go做為AWS的「第一個客人」,將working model建立起來,練兵練起來之後,之後AWS就能進一步將IoT、人臉辨識、Machine learning等服務開放給更多商家購買使用,進一步強化競爭優勢,並帶來更多營收。

而小七,完全沒有這樣的佈局,目前的IT資源投入就是實實在在的成本,難以帶來其他業務的飛輪綜效,所以在損益兩平上會有相當的困難。

所以從以上的四個關鍵差異,我認為Amazon做Amazon Go有道理,但7-11做無人店,商業邏輯就不是這麼清楚了,即使兩家看似很相近,但是商業本質、核心競爭力的不同,會帶來的影響是毀滅性的,失之毫釐,差之千里啊!

本文由Evonne Tsai授權轉載自其Medium

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

關鍵字: #7-11 #無人店
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