寶雅3年狂賺逾7個股本！淨利率為何傲視同業？美妝憑什麼不斷攻城掠地？零售股王揭秘！|數位時代 BusinessNext

寶雅3年狂賺逾7個股本！淨利率為何傲視同業？美妝憑什麼不斷攻城掠地？零售股王揭秘！

寶雅公布2024年第四季財報，不僅寫下236億元營收新高，稅後淨利也同創新高達28.11億元。

淨利率高同業2~3倍，3大核心策略維持高毛利

寶雅的EPS驚人，很大程度歸功於傲視同業的淨利率，要知道一般零售業淨利率幾乎多在10%以下，大多甚至不到5％。據勤業眾信過去針對全球Top 250零售業銷售調查報告來看，全球零售業淨利率平均落在4.3％。但寶雅卻能連續10年維持雙位數淨利率，2024年全年繳出14.6％淨利率，較2023年微幅成長0.14%。

要拆解寶雅獲利高的秘密，可從幾個既有特色了解，像是：

1.店數規模持續增長、大量採購增加與供應商的議價空間

2.提供美妝、居家用品、食品雜貨一站式購足，增加商品搭售率

3.強推毛利高自有品牌商品，諸如POYA Chic自訂款髮箍、POYA COZY 涼感襪及POYA WAY柔膚巾

不過以上都是寶雅行之有年的長期策略，若真要解釋過去一年，寶雅在營收快速成長，淨利率仍能維持成長， 其壓箱寶恐怕就是去年大肆展店的「POYA Beauty」美妝店型 。

寶雅美妝店型助攻淨利率

寶雅自2022年下旬推出POYA Beauty，其店型特色是美妝保養品類商品佔比逾50％，相較過去一般店型佔比高出至少10%，而坪數上也較為靈活，相較寶雅一般店型標準坪數大約在400~500坪左右，POYA Beauty則是從100坪上下的百貨店型，到300~400坪以上街邊店型都有。

美妝消費M型化！POYA Beauty成大贏家，店數一年翻近3倍

截至2023年底，POYA Beauty還只有33家，但到今年1月底，卻一口成長到90間，等於一年之間店數翻了近三倍。據寶雅表示，截至1月，寶雅全台店數達420間：一般店型328間、美妝店型90間、店中店（含寶家）2間。

POYA Beauty店數猛增，連帶使得寶雅在美妝保養類商品的銷售佔比、業績雙雙提升。據寶雅在2月法說會公佈的2024年銷售數據中，只有化妝品、護膚保養、美容造型、沐浴清潔這4種品類的商品維持雙位數以上成長率，且這4類的全年銷售佔比也都相較2023年，再提升1~2％。由於美妝保養一向是高毛利商品，平均毛利在40~50％，當這類商品銷售好，獲利自然高。

而POYA Beauty之所以能在美妝市場攻城掠地、展店動能充沛，很大關鍵來自消費趨勢的加持。

據資深百貨專家觀察，近一兩年，台灣美妝消費市場呈M型化趨勢。像是香奈兒（Chanel）、迪奧（Dior）、嬌蘭（Guerlain）、海洋拉娜（LA MER）這些動輒萬元以上的頂級彩妝、保養品牌，業績穩定增長。反倒是千元價位的中階品牌，顯得有些後繼無力，而這些原屬於中價位的消費需求，近年往下延伸至千元有找的平價開架品牌。「美妝消費往兩極化推進，給了在低價位這端的POYA Beauty很大的消費紅利。」

展望寶雅未來展店動能，據寶雅在法說會上公告，2025年目標展店數達470間，而目前在高雄、桃園兩地物流中心，也已經備好供應最多489間門市的倉儲物流量能，後續就看今年寶雅的銷售結構，能否維持一貫的高獲利水準。

本文不提供轉載

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。