好市多北台中店開幕！獨賣百萬遊艇、重機還有金條，究竟中部人消費潛力有多高？|數位時代 BusinessNext

好市多北台中店開幕！獨賣百萬遊艇、重機還有金條，究竟中部人消費潛力有多高？

Costco好市多在台開出第14家分店，北台中店將在20日正式開幕，是第二家擁有自助加油站的分店，獨賣商品百萬遊艇、重機、金條紛紛曝光。

獨賣遊艇、重機，預估北台中店首年業績上看60億

好市多北台中店將在20號正式開幕，它是全台停車位最多的分店，共有810個汽車停車格、366個機車停車格，整個賣場總樓地板面積13,680坪、賣場面積超過3500坪，北台中店旁還有中部首間好市多自助加油站，已於10/23開幕，搭配Costco國泰世華聯名卡使用，能享3%回饋，且油價比中油便宜3塊。

台灣好市多總經理趙建華表示，這家店是好事多磨，看準台中來客數成長，因此拓點開加油站，不過成立加油站不容易，必須找到合適、且安全無虞的地點，提供會員更好的服務與價值。

今天也首度亮相北台中店的獨賣商品，像是法國設計波蘭製造的「7人座遊艇」、Ford Ranger 5人座皮卡、80萬的Suzuki百週年重機，以及愛馬仕凱莉包等等。其中重機、遊艇都是特展的高單價商品、限定北台中店獨賣，好市多觀察到中部人的住家空間大，適合擺放大型休閒運具。

此外，好市多台中會員數多、消費力道高，趙建華指出，好市多台中第一間南屯店，業績較其他分店多出30～40%，是好市多的店王，南屯店占整體好市多會員數15%、超過40萬。而隨著北台中店開幕，有加油站加持以及停車空間多，預期有更好的銷售業績，預估全年上看60億元，「短期內，這家店要超越南屯店是有機會的。」且鄰近台中捷運站，未來能夠方便消費者進入賣場，看好台中未來再開1～2家分店都是有機會的。

黑鑽卡4個月成長10萬會員

目前台灣好市多累積超過300萬會員，針對會員分級，今年7月好市多推出黑鑽卡，年費比一般卡多一倍，卡費3,000元，購物最高享3%回饋，截至目前已有10萬會員，「辦卡踴躍度相當高，主力客層約在45歲上下，」趙建華說。

值得注意的是，近期好市多推出自有支付Costco Pay，主要是針對不少消費者容易忘記帶會員卡，因而失去購物的機會，未來手機App就是會員卡、感應就能結帳，不僅降低接觸機會，也加快結帳流程，未來會慢慢推廣會員使用Costco Pay結帳。

責任編輯：錢玉紘

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。