奢侈品電商YNAP退出中國！一年內銷售額蒸發20%⋯為何LV、Gucci都賣不動了？|數位時代 BusinessNext

奢侈品電商YNAP退出中國！一年內銷售額蒸發20%⋯為何LV、Gucci都賣不動了？

歷峰集團（Richemont）旗下的奢侈品電商Yoox Net-a-Porter (YNAP) 宣布退出中國市場，將於3月20日關閉所有中國線上平台。

奢侈品牌殺紅眼！YNAP「服務不足」成敗筆

據《Vogue》報導，上海行銷機構Plush.Consulting創辦人秀露露（Lucrezia Seu）指出，YNAP進入的是一個已經飽和的市場，主要奢侈品牌已透過官方線上商店以及SKP和Reel等線下通路建立了密集的佈局。

除了激烈競爭，全球經濟也對YNAP造成了影響。秀露露指出，YNAP在中國的行銷美學薄弱，產品組合有限，缺乏獨特的產品。此外，YNAP未能提供與中國奢侈品消費者期望相符的客製化服務，例如個人造型指導、產品選擇建議、快速便捷的配送、24小時銷售人員服務以及靈活的退貨政策。相比之下，Farfetch透過對KOL和VIP提供額外服務，在中國市場的表現更好。

秀露露也說，YNAP在中國的品牌知名度較低，消費者只能透過在淘寶或天貓介面上搜尋名稱，或透過搜尋YNAP銷售的品牌名稱才能進入商店，這種方式難以吸引普通奢侈品消費者。

LV、Gucci，在中國也銷售放緩

事實上，不只是YNAP集團獲利碰壁，中國奢侈品牌面臨的是整體的利潤下滑。 據諮詢公司貝恩（Bain）估計，2024年中國奢侈品市場規模年減約20%。

路易威登（Louis Vuitton）母公司LVMH集團表示，該集團Q4不包括日本在內的亞洲市場銷售額年減11%；古馳（Gucci）母公司開雲集團（Kering），在中國市場的銷售額下降了24%。

分析師詢問LVMH和開雲集團的高層，這種銷售下滑是週期性的現象，還是反映了中國消費者更根本的變化？開雲集團執行長皮諾和LVMH執行長阿爾諾均表示，他們相信中國市場需要一段時間才能好轉，但終究會復甦。

奢侈品回溫！頂層客群需求未變

與中國相比，全球大部分地區對奢侈品的需求仍穩定，例如2024年LVMH在美國的銷售額略有成長。對此貝恩表示，2020年中國佔全球個人奢侈品市場的20%，但去年下降至12%。

此外，據愛馬仕（Hermes）2月14日公佈的財報，2024年Q4營收年增17.6%至39.6億歐元，全年銷售也強勁成長14.7%至152億歐元，雙雙優於分析師預期，反映頂層客群對高端奢侈品的需求不減。

針對中國奢侈品市場現況，滙豐分析師Erwan Rambourg認為，該行業面臨中國消費信心疲軟和「貪婪通膨」問題，部分品牌「漲價過猛卻又缺乏創造力」，但這主要是二線奢侈品牌面臨的問題，LVMH等高端奢侈品牌應能克服難關，且消費疲軟問題目前已開始逐漸好轉。

舉例而言，追蹤歐洲10大奢侈品股票的歐洲奢侈品指數（.STXLUXP）2月16日上揚0.4%，年初迄今已強漲約22%。

責任編輯：李先泰

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。