王品、乾杯、漢來美食都受挫！連鎖餐飲集團2月慘澹，多家業者營收近腰斬|數位時代 BusinessNext

連鎖餐飲集團今（10）日公布2月營收，在武漢肺炎疫情蔓延的嚴峻挑戰下，表現低迷，多家業者包括王品、瓦城、美食－KY（85度C母公司）、漢來美食、乾杯和雅茗－KY等業績均明顯衰退，平均衰退在40－50％左右。

延伸閱讀：史上最慘二月？受疫情衝擊，長榮、華航營收雙雙跌破百億、客運量狂掉37%

王品2月合併營收僅7.88億元，月減44.09％、年減46.81％，創2012年12月以來新低點；累計前2月21.96億元，年減23.47％。

瓦城2月合併營收3.07億元，月減43.87％、年減38.27％，為2018年2月以來低點；前2月合併營收8.53 億元，年減1.3％，表現相對持穩。

美食－KY 2月合併營收13.77億元，月減25.18％，年減22.04％，創2014年7月以來新低，衰退幅度相對小；累計前2月合併營收32.15億元，年減13.83％。

漢來美食2月合併營收2.2億元，月減54.1％，年減41.99％，不過，前2月合併營收7億元，年減5.43％，衰退幅度相對小。

而乾杯2月合併營收1.35億元，月減49.19％，年減49.68％，創單月新低；累計前2月合併營收4億元，年減23.96％。

雅茗－KY 2月合併營收3473萬元，月減80.21％，年減74.92％，累計營收2.1 億元，年減46.06％。

至於以承辦中大型宴會為主的新天地2月合併營收僅5369萬元，月減79.08％，年減61.28％，創2018年9月以來新低，累計前2月合併營收3.1億元，年減23.02％。

王品表示，2月營收受衝擊主要是因中國事業群配合各地政府延遲復工政策、彈性調整營業時間或延後開業日期，將趁機重新檢視在中國的各門店體質。

美食（85度C母公司）坦言，中國餐飲行業受疫情衝擊十分顯著，配合防疫措施，中國門市營業時數減少導致營收衰退，至2月底仍有少數門市尚未復工，仍將持續觀察恢復狀況。

不過，美食（85度C母公司）認為，疫情可望加速行業的汰弱留強，在目前帳上現金充足的優勢下，樂觀看待中長期的競爭環境，有信心持續推出新的產品和門市擴大市占率。

雅茗則說明，疫情為短期因素，目前營收已達到正常情況的60％，隨著中國逐漸復工，華東地區日常生活也已恢復正常，疫情衝擊最嚴重的情況已過，預計3月營運將谷底翻轉回升。

雅茗認為，此次疫情對中國手搖飲料行業可能進行一次洗牌，有些體質不佳的品牌可望退出市場，旗下快樂檸檬位居中國手搖飲前10大品牌，反而可在市場反轉性的爆發中獲益，目前每日接獲數百通尋求加盟電話希望逢低布局，而全年結合重要渠道代理商進一步深耕大陸二三四線城市的既定計畫不變。

而瓦城旗下共有138家店，其中位於台灣共128家店，因應近期國內消費者飲食型態改變，正擴大布局外送市場，目前包括瓦城泰國料理、時時香和1010湘共59家店服務已上線，可望為營收增添新動能。

責任編輯：林芳如、蕭閔云

本文授權轉載自：鉅亨網

AI 智慧代理人時代來臨！三大導入階段， AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」。

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」（Agentic AI），在最少人為干預的情況下，自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾，而是需要對AI有正確認識，並制訂循序漸進的導入流程，才能真正發揮AI功效。在2025台灣人工智慧年會中，cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段，深入剖析企業如何從概念驗證（PoC）階段，逐步推進到實際上線（Production），並分享實務經驗與觀察。

延伸閱讀：生成式AI可以怎麼用？cacaFly現身說法，助企業應用GCP服務智慧轉型

解鎖 Agentic AI，企業邁向多任務智慧代理

「很多公司會問，One AI 要做什麼事？但實際上，若要讓 AI 回答公司內部政策或新法條的相關問題，僅靠基礎模型並不足夠。」吳振和指出，要讓 AI 真正成為能「做事」的智慧代理人，前提是它必須理解企業內部的脈絡與知識，並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符，這意味著系統必須具備持續爬取與解析最新資料的能力。為此，企業必須先截取與整理內容，再建構成專屬的知識庫（Knowledge Base），確保資料品質達到可用標準後，再透過檢索增強生成（Retrieval-Augmented Generation, RAG）技術，使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀：從資料清洗到 RAG，大型語言模型的必需品，做出專屬企業的 AI 知識庫！

吳振和強調，這是一個動態循環的過程：從資料蒐集、品質控管、知識庫建構到生成應用，每一環節都息息相關，任何一處鬆動都會影響最終產出的準確性與可信度。

破除「一次到位」迷思，從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望，因此常將 PoC 視為年度計畫的重點，希望能「一次到位」做出具體成果。但吳振和提醒，若缺乏清楚的系統工程思維，PoC 容易淪為「概念展示」，難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程，分為三個關鍵階段：

1.第一階段：可行性評估（Feasibility Study）
企業必須在投入資源前，先明確界定「最需要被 AI 解決的關鍵問題」是什麼，並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性，更要從商業目標出發，釐清導入 AI 的具體使用情境、預期成效與風險邊界，如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段：系統設計與驗證（Design & PoC）
在確定導入方向後，必須規劃清楚資料蒐集與整理流程，確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調，這個階段不能只追求展示效果，而應以「產品化思維」來構築 PoC，使其具備可擴充性、可維護性及安全性，才能為後續上線打下基礎。

3.第三階段：產品化與營運（Production & Operation）
當 PoC 驗證完成後，進入正式上線階段，挑戰也隨之而來。除了需要整合企業內部系統與流程，還必須建立持續監控與維運機制，確保模型表現隨時間演進不會劣化，並能快速回應法規變動或資料更新的需求。吳振和指出，這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

建立模型優化根基，打造高品質的黃金資料集

吳振和特別強調，要讓 Agentic 系統工程真正發揮效益，企業必須先建立一套高品質的「黃金資料集」（Golden Dataset），作為模型評估與優化根基。他指出，黃金資料集的價值在於能為模型選擇與前測提供客觀依據，讓團隊能針對不同任務挑選最適合的模型，避免導入初期就誤踩方向。

同時，黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點，進而快速回應「模型飄移」（Model Drift）的風險。吳振和說明，所謂模型飄移，指的是即使模型本身未經改版，效能也可能隨著環境與資料變動而突然下降，導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果，團隊才能即時察覺效能衰退，並進行迭代更新，確保系統長期穩定運作。

從小規模應用起步，漸進擴展至核心業務

吳振和分享，在實際輔導企業導入 AI 的經驗中，最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證（PoC）階段即可呈現完整的產品原型，然而實際情況顯示，若企業未能建立完善的資料架構與流程基礎設施，即使短期內展現亮眼成效，也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時，應採取漸進式策略，從小規模應用場景著手，逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節，而非獨立的一次性專案。

AI 的導入不僅是一場技術升級，更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局，才能確保 AI 能在企業內部真正「落地生根」，創造長期商業價值，成為真正的智慧代理人。