讓小零售商能與Amazon競逐，看美國線上批發平台Faire如何從虧錢到每天穩賺百萬|數位時代 BusinessNext

讓小零售商能與Amazon競逐，看美國線上批發平台Faire如何從虧錢到每天穩賺百萬

Faire希望能幫助零售商和製造商「擺脫過時且低效率的批發模式」，平台一推出，就獲得民眾廣大的迴響，成功打開市場知名度。

美國線上批發平台Faire包含各種精品零售商以及各類型的在地化品牌，其商品種類涵蓋家居用品、生活家電、服飾時尚、保養美妝、食品酒飲等各式各樣的產品，成立主旨是希望能幫助零售商和製造商「擺脫過時且低效率的批發模式」；此平台一推出就獲得民眾廣大的迴響，不僅使Faire成功打開市場知名度，且公司營收逐月增長，成立不到兩年，Faire每天的銷售額就已經穩定超過100萬美元（約2848萬新台幣）。

Faire是由馬克斯·羅德斯Max Rhodes（執行長）、馬塞洛·科爾特斯Marcelo Cortes（技術長）、丹尼爾·佩里托Daniele Perito（設計長）和杰弗裡·科洛夫森Jeffrey Kolovson（營運長）於2017年共同創立，總部位於美國加利福尼亞洲的舊金山。四位創辦人之所以認識彼此，是因為他們都曾是美國支付服務提供商Block（當時公司名為Square）的員工，因為發現美國許多小型企業不管商品有多好，都沒有良好的管道能與大型企業競逐，因此開始思考要如何讓這些小企業聚集在一起，讓他們能與沃爾瑪（Walmart）和亞馬遜（Amazon）等大型公司在一個更公平的競爭環境中，進行競爭。

於是2017年線上批發平台Faire誕生了，成立之初Faire一直在虧錢，羅德斯表示：「我們銷售產品的退貨比例令人震驚，而且還有許多零售商從未支付我們貨款。」因此Faire開始訂定許多平台規則，並要求所有與其合作的零售商和製造商都必須遵守，比如對零售商施加信用額度、對製造商和產品進行排名、確保貨物品質方式等各種條件；最後，根據羅德斯的說法，Faire平台在六個月內，退貨率就下降了75%，違約率下降了近90%。

規則實行後Faire公司開始快速發展，且年營收逐年增長。一開始，Faire每個月的銷售額還不到100萬美元（約2848萬新台幣）；2019年，Faire每天的銷售額已超過100萬美元（約2848萬新台幣）；2020年，Faire公司的年銷售額已超過1億美元（約28億新台幣）。

隨著Faire平台的名氣逐年增長，Sequoia Capital、Forrunner Ventures、Khosla Ventures、Lightspeed Venture Partners、Y Combinator、DST Global、Dragoneer、D1 Capital Partners等來自世界各國的企業和投資機構陸續加入投資行列。2019年成立不到兩年的Faire在完成1.5億美元的D輪融資後，公司估值就快速飆破10億美元（約280億新台幣），正式晉升為新創獨角獸；2020年Faire在E融資中又獲得1.7億美元（約48億新台幣）後，公司估值成長至25億美元（約713億新台幣）；不到一年，Faire又快速在最新一輪（Ｆ輪）的融資中獲得2.6億美元（約74億美元），使Faire公司的估值一舉飆升至70億美元（約1997億新台幣），相較Ｅ輪融資時的估值，Faire公司的估值幾乎翻了三倍。

目前，Faire平台上已涵蓋北美和歐洲約20萬家零售商，以及來自其他80多個國家和地區的2萬個在地品牌，以供消費者進行選擇。另外，Faire除了美國舊金山總部外，隨著業務的的拓展也已在美國的鹽湖城、亞特蘭大、多倫多、聖保羅和加拿大的基奇纳，以及英國倫敦設立營運中心，以期能提供消費者更好的購物體驗。

未來，Faire除了繼續在世界各國尋找合作夥伴外，也將積極續拓展歐洲市場，目前規劃將在包括英國、荷蘭、法國、德國、西班牙和義大利等地區展開業務，並計劃在未來幾個月內，擴展到整個歐洲大陸。

參考資料：faire、news.faire.com

責任編輯：傅珮晴、侯品如

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。