將零售惡夢轉變為大商機！Stitch Fix創辦人如何逆向操作，打造全新的數據時尚？|數位時代 BusinessNext

將零售惡夢轉變為大商機！Stitch Fix創辦人如何逆向操作，打造全新的數據時尚？

卡崔娜．雷克創立的Stitch Fix，用大數據為消費者搭配服飾，不僅打造出全新的時尚電商模式，更成為史上最年輕的女性科技公司創辦人，打破大眾的偏見！

從百視達的困境中，看見非實體銷售的機會

許多人懷疑，女裝市場是否有如此龐大的潛力，能夠帶動此類型的科技應用。截至2020年8月的年度財報顯示，Stitch Fix的年度營收，高達4.434億美元，與去年同期相比成長11%，成立僅九年就取得如此佳績，想必讓當初一票拒絕投資者扼腕不已。

身為史上最年輕的女性科技公司創辦人，卡崔娜28歲時創辦公司的初衷，是來自於Netflix和百視達的戰爭。

卡崔娜表示：「我認為所有的零售店鋪若沒有重新思考銷售策略，都可能會陷入百視達那樣的困境。」卡崔娜在兩間公司的消長中，看見非實體銷售的機會，因此她決定將看似不相干的兩者做結合：數據和時尚產業！

庫存噩夢！利用龐大庫存的逆向操作，建立數據庫

自卡崔娜2011年創立Stitch Fix以來，懷疑聲浪幾乎沒有停止過，原因在於卡崔娜的作法是必須先擁有幾千款庫存的衣物，以建立數據庫，最後再比對客戶的喜好演算出推薦結果。換句話說，卡崔娜未獲利前就得先有龐大庫存的逆向操作，成為她創業的最大風險，卡崔娜的教授甚至稱之為「庫存噩夢」。

然而，學校外的投資者同樣也興趣缺缺，對投資者而言，先有庫存的作法根本就是本末倒置。卡崔娜回憶，某次她拖著一大箱衣物，和個人化的造型目錄參加會議時，其中一位投資者直白的表示：「我不明白怎麼會有人想收到這種東西。」甚至在她初期成功獲利時，仍有B輪融資方表示要「親自」挑選一到兩位董事會成員。

打破性別偏見，以「女裝」在科技界站穩腳步

對於早期的四處碰壁，卡崔娜認為：「這根本不公平！」。她認為超過90%的風險投資者都是男性，在女性處於相對弱勢的科技產業裡，或許男性而言，用科技賣「女裝」與賣「軟體」比起來，「女裝」似乎就是笑話的代名詞。

卡崔娜了解任何辯駁都無濟於事，只有不斷獲利才是重點，因此她開始擴大事業版圖，同時納入男裝、童裝和大尺碼女裝。

放大目標客群後，Stitch Fix開始穩定成長。2013年時公司已初具規模，有24%的消費者會維持長達9個月的黏著度。2017年11月，卡崔娜領導Stitch Fix進行首次IPO，並募集1.2億美元的資金，2018年時，客戶人數已超過200萬人。

演算法與造型師的組合，顛覆時尚零售業的常態

卡崔娜清楚公司所有的運作都是來自優良的演算法，她認為：「 衣著和品味同樣都只是屬性，這些東西只是一堆數據。 」因此，Stitch Fix特別設有「演算法長（Chief Algorithms Officer）」的職位，而擔任此職位者為前Netflix員工Eric Colson，他在Stitch Fix看見同樣的商機，進而決定加入該公司。

不過， 購物行為最終還是要回歸人的本質 ，即使大數據替卡崔娜取得成功，她仍堅持要聘用造型師輔助演算法的運作。「若客戶今天的要求是『適合在七月參加戶外婚禮的服裝』，或是懷孕、變胖等，造型師此時可立即反應，而保有一些彈性的空間。」卡崔娜說。

從不被看好到大放異彩，卡崔娜坦言，如今的成果並非她當初所設想，而勇敢迎接網路時代的變動和創新，挑戰顛覆時尚工業的零售常態，是卡崔娜得以搶得先機的成功要素，就如她所言：「 變化帶來增長，也帶來破壞，但它卻是能夠使你採取下一步行動的關鍵！ 」

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。