COS插旗台北101！隸屬於H&M的他，如何撕下母公司的快時尚標籤？|數位時代 BusinessNext

COS插旗台北101！隸屬於H&M的他，如何撕下母公司的快時尚標籤？

H&M旗下高端副品牌COS日前正式插旗台北101，不同於母公司的快時尚調性，COS以簡約、舒適及永續作為標籤，從門店選址到陳設皆貫徹精緻、低調的風格。

瞄準中價位市場，與母公司做出區別

眾所周知，COS 的母公司 H&M 以快時尚著稱，快速推出新品，不停推陳出新，就是要讓品牌永遠走在時尚尖端，並帶給消費者無限新鮮感。

不過 COS 並未承襲 H&M 的做法，只在春夏與秋冬兩季推出產品，並以「buy better, and keep forever」的理念，將簡約、舒適和永續作為其重要的標籤。「好的設計應該要能夠在客人的衣櫃中，待超過一季。」COS 創意總監古斯塔夫森（Karin Gustafsson）認為。

另外，在產品定位和定價策略上，COS 也走出一條自己的路。在現代設計大牌當道的時尚圈中，COS 鎖定一個市場空缺：具備設計風格的服飾，但是相對優惠的價格。這也造就了 COS 獨特的風格，不像是那些奢華浮誇、爭奪目光的設計，COS 的產品一率以黑白灰純色系為主，沒有印花，其中，白襯衫更是關鍵靈魂，配上Ａ字裙、無釦大衣，「我們專注於功能性，設計經久耐用的產品，」古斯塔夫森說明。

選擇中高端的市場定位，COS 的定價大約落在 2,500 至 5,000 台幣之間，價位雖比 H&M 高，卻可讓消費者以較無負擔的價格，買到大牌質感，被外媒讚譽是快時尚界的「Céline」，也為 H&M 集團貢獻 5% 的營收。

從門店選址到陳設，往輕奢品牌靠攏

COS 的品牌個性，不只體現在產品上，就連門店選址和陳設，也都經過審慎評估。為了和品牌的精緻、低調的調性一致，COS 的門市經常選擇開在精品店聚集的街區，緊鄰經典大牌，賦予自家品牌高階的形象，也讓這個印象深植顧客心中。

也因為如此，COS 展店腳步與 H&M 相比可說是非常龜速，從 2007 年在倫敦開第一家店，至今在全球僅有 275 個門市，不到 H&M 的十分之一。不過該品牌在接受《GQ》專訪時曾表示，「展店對 COS 來說，是一場馬拉松，不是短跑衝刺。」從設計到營運，都貫徹品牌「細水長流」的理念。

COS 的門店陳設也不馬虎，雖然母公司是快時尚巨頭，但快時尚品牌常見的特賣、高掛特價的陳列方式，在 COS 店裡絕不會出現。無論是不是促銷檔期，店內始終維持高冷風格，幾何方形的衣櫃、鋼質衣架，根據衣服的顏色和風格款式擺放，簡潔清晰。

COS 也清楚自己的客群，並非追求流行的人，所以在門市的設計中也經常帶點藝術感，呈現出雋永的魅力。過去更曾與藝術家或是團體跨界合作，像是紐約工作室 Snarkitecture、首爾出版商 The Book Society、攝影師 Nina Band、藝術家 Michael Sailstorfer、荷蘭設計師 Olivier van Herpt 以及比利時傢俱設計雙人組 Fien Muller 和 Hannes Van Severen......等，讓它擁有其他平價時尚品牌，無法比擬的特色。

然而，COS 當年填補的日常時尚空缺，也面臨競爭對手的回防。Zara 日前也進行了品牌重塑，努力搶進快時尚和精品之間的折衷市場，甚至 COS 一在 101 開幕，Zara 就立刻進行櫃位裝修，嚴陣以待。日系快時尚 UNIQLO 近年推出的設計師系列，同樣瞄準那些想要極簡日常的專業人士，又不需要支付太高昂的價格就能擁有。

門店精挑細選、精心佈置的 COS，遇上隨處都可見的對手，極簡風格的堅持，有待市場驗證。

資料來源：GQ

本文轉載授權自：未來商務

責任編輯：黃翊禎

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。