電商大行其道，Forever 21、GAP掀關店潮，實體零售業該如何轉型？|數位時代 BusinessNext

快時尚、鞋業巨頭都倒下！關店數將破1.2萬家，實體零售業該如何求生？

美國實體零售門市關店數破2017年新高，且預估到年底這個數字將破萬，實體零售是否真的無法阻擋電商盛行的巨大浪潮？

美零售業巨頭瘦身、關店，2019關店數創新高

關店潮繼續席捲美國零售業，開店數量的成長也明顯減緩。2019年美國實體零售業的淨關店（關店數量-開店數量）數量達到4,930家，比過去兩年的總和還多。

在這輪關店潮中，很多零售業巨頭也不能倖免。美國鞋業巨頭Payless宣布將關閉在美國的2,100家商店，其實Payless在2017年就已經申請了破產保護，但依然不能挽救頹勢，在今年2月再次申請破產保護。《華爾街日報》指出「 這可能有史以來最大規模的零售商破產清算 。」

無獨有偶，不少零售商也還在苦苦掙扎。具有70多年歷史的老牌日用品連鎖店Fred's關閉了564家門市，還是在9月申請了破產。快時尚品牌Forever21也在該月申請破產保護，宣布將關閉178家門市。

即便還沒走到破產的地步，通過主動瘦身，縮減成本來過冬零售商不計其數。擁有Ann Taylor、Lane Bryant的女裝品牌Ascena Retail Group、休閒服飾品牌GAP、維多利亞的秘密（Victoria's Secret）都加入了關店潮的行列。

不轉型就等死！線上線下整合成競爭關鍵

這些實體零售店關閉的原因也並不新鮮，電商改變了消費者的購物習慣，沒有跟上數位時代的需求，被認為是實體零售業關店潮持續的主要原因。 瑞銀一份研究報告指出，隨著網購的普及，到2026年全球可能會有多達7.5萬家實體店關閉。

儘管關店潮可能還會持續，但不意味著實體零售行業會被電商取代。實際上在實體零售門市引來關店潮的同時，電商巨頭也正在積極佈局線下零售。2017年亞馬遜以137億美元收購了全美最大有機食品超市全食超市（WholeFoodsMarket），阿里巴巴則聯合一眾線下零售品牌推廣自己的「新零售」戰略，而京東和騰訊也相繼推出類似聚焦線下的「無界零售」和「智慧零售」。

就在美國實體零售業關店潮開始的2017年，愛範兒曾將「重回線下」評選為那一年的年度趨勢，我們認為零售業將不再僅限於單純聚焦線上或者線下的垂直領域，對線上線下的強連接和整合能力將成為零售業的關鍵。

實體零售不會凋零，線上零售也不會一枝獨秀，正如《不可消失的門市》作者大衛·貝爾（David Bell）在接受《哈佛商業評論》採訪時所說的：

無論零售業如何變化，其本質不會改變—— 始終是滿足消費者購物、社交、娛樂三方面的體驗需求。實體零售一定不會消失，只是存在的方式需要改變。

本文授權轉載自：愛范兒

責任編輯：江可萱、陳映璇

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。