家樂福家速配App上線、自建車隊拚快商務，下單最快1小時到貨|數位時代 BusinessNext

家樂福家速配App上線、自建車隊拚快商務，下單最快1小時到貨

為布局快商務市場，家樂福推出家速配App，定位生鮮雜貨外送平台，下單後最快1小時到貨，目前近200家門市導入家速配服務。

上萬種商品1小時到貨，自建車隊強化速度

現在只要打開手機，點選某個App，像是食衣住行等需求，幾乎1小時內就能出現在眼前，這是近年在全球各地掀起的「快商務」（Quick Commerce）趨勢。家樂福早在2018年在家樂福電商推出當日配，2019年和Uber Eats、foodpanda展開策略聯盟，目前有200間家樂福與外送平台合作。家樂福表示，全台共有320家門市，今年第三季力拚9成家樂福超市及量販都涵蓋快速到貨服務。

家樂福家速配App與原本家樂福線上購物最大差別在：商品數量與配送速度。家速配提供近萬件商品、最快1小時送達， 目前物流同步試行家樂福自組車隊（北部少數店家試行）及第三方物流，預計今年會正式創建車隊。

家樂福線上購物則維持最快「隔天到貨」、商品選擇更多達近4萬種，同時網頁版當日配已於4/18停止服務。簡單來說，家速配是家樂福版「生鮮雜貨外送平台」，消費者可自由選擇配送地點附近的家樂福門市，下訂後也能清楚看到配送進度，且部分門市提供24小時營運，對於消費者任何需求都能夠有求必應。

家樂福表示，家速配上架萬種商品，是目前快商務生活用品數量最多的平台，消費者直接以手機綁定原家樂福會員，可繼續累積紅利。

設立專門店，降低商品缺貨率

除了新的App，實體門市為提升快商務的服務品質，家樂福設立「快速撿貨區」及「專門店（Dark store）」。家樂褔在門市內設立快速撿貨區，透過內部數據精選大約20～30種的高迴轉商品，包含水、油品、零食、飲料等家庭生活用品，目前賣場控制在12分鐘完成單筆訂單的撿貨流程。

另外為追求快速撿貨與降低商品缺貨率，家樂福跟進全聯，在較大的門市採「前店後倉」的形式，設立專門店（Dark store），專門店僅接外送訂單，平均10分鐘完成撿貨，並為司機設計獨立的出入口，降低需要和消費者搶車位的困擾，讓消費者與物流司機能有更好體驗，家樂福目前在北部、中部率先推動。

綜觀量販超市業者衝刺快商務市場，家樂福、全聯透過設立自建App，除了降低外送商品被抽成，更重要的是掌握消費者的大數據，有助於未來開發商品或是設立據點的參考。不過家樂福特別的點在於不只與第三方車隊合作，還打算自建車隊，相對成本較高，但可看出家樂福對於投資快商務市場的決心。

責任編輯：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。