零售藏寶圖：AI 如何重塑零售商業模式

在全球零售產業快速轉型的浪潮中，AI(人工智慧) 已從輔助工具，躍升為重塑商業模式的核心引擎。隨著大型語言模型（LLM）、AI 雲端基礎建設與資料分析的高速成長，零售業的競爭邏輯已被改寫，誰能最快將資料轉化為洞察，並把 AI 技術落地到顧客接觸點，誰就能在下一代零售市場中取得關鍵優勢。

安永聯合會計師事務所舉辦的「零售藏寶圖：AI 賦能商業新格局」沙龍，邀請多位專家從趨勢、投資、技術與應用四大視角，拆解AI如何為零售帶來新商業模式。

AI 不再是趨勢，而是零售業的「基礎能力」

座談會引言人台灣元宇宙新媒體發展協會理事長鄒淑文指出，自OpenAI 帶起生成式 AI 熱潮後，全球零售業已進入「全面導入期」。不僅大型超市、電商平臺積極投入，中小零售商、品牌電商與餐飲業者也快速加入 AI 轉型。

大型電商使用 AI 智慧客服與自動回覆系統、國際運動品牌運用 AI 預測銷量與最佳庫存配置等案例，證明AI 對零售的影響正在加速。她形容「下一代零售競爭，不是多一家店，而是多一位 AI。」AI 不僅能強化營運效率，更能協助企業掌握消費者需求與市場變化，形成新的成長引擎。

投資觀點：電力 × 算力 × 數據，決定 AI 能走多遠

永淵資本有限公司執行長陳仕晉，從投資與產業鏈結構的角度指出，零售企業在規劃 AI布局之前，必須先理解一個關鍵前提：AI 的核心價值，並不只存在於演算法本身，而是建立在電力、算力與數據三項基礎條件之上。若缺乏對這三個底層要素的系統性認知，AI 很容易淪為概念導入或短期試點，難以在企業營運中形成可持續的競爭力。

從長期投資與產業發展的視角來看，AI 生態可拆解為三個相互依存的基礎層：電力、算力與數據，其成熟度將直接影響 AI 能否真正落地與規模化。

一、電力：AI 能否運轉的根本前提

AI 模型的訓練與推論，對能源的需求遠高於傳統雲端運算。隨著算力密度提升與資料中心規模擴大，電力已不再只是成本項目，而是決定 AI 系統可擴展性的關鍵限制。

若企業或產業環境缺乏穩定、可預期且具備韌性的電力供應，即使擁有先進的模型與系統架構，AI 仍難以長期運作。這也是近年來，綠能、電力基礎設施與儲能系統，逐漸成為 AI 產業鏈中不可忽視的一環。

二、算力：支撐所有 AI 應用的核心基礎

算力涵蓋 GPU、AI 專用晶片、運算中心，以及雲端與邊緣運算架構，是所有 AI 應用的物理基礎。

從實務經驗觀察，未來三年臺灣零售業若希望有效推動 AI，關鍵不在於導入哪些 AI 應用工具，而在於是否具備足夠、可持續且可擴充的算力規劃能力。若僅聚焦應用層，忽略算力結構與長期配置，企業往往會在業務放大或跨系統整合階段遭遇瓶頸，導致 AI 專案無法持續推進。

三、數據：驅動 AI 價值創造的燃料

AI 的實際效能，最終取決於資料的完整性、品質與治理能力。然而，多數企業的數據仍分散於不同系統與部門之中，形成資訊孤島，限制了 AI 的學習與決策能力。

陳仕晉指出，若企業未建立完善的資料治理架構，即使導入再先進的 AI 技術，也難以產生實質營運價值。因此，數據整合、治理與可用性，應被視為 AI 投資與導入過程中的核心能力，而非後續補強項目。

AI 投資的關鍵，在於基礎建設而非短期應用

從企業經營與投資的角度來看，真正具備長期價值的 AI布局，並不僅存在於前端應用或單一技術，而是在於背後完整的基礎建設體系。這包括 AI 雲端與算力平臺、能源與電力設施、數據管理與治理架構，以及資安與法遵機制。

這些底層建設雖不易在短期內展現成效，卻是決定 AI 能否持續成長、穩定落地，並轉化為企業競爭力的關鍵所在。

智慧零售工作流：AI × LLM × IoT

睿思智慧股份有限公司林勃志財務長指出，AI 導入的核心不是模型能力，而是「能否快速整合企業資料與流程」。透過將 LLM 與企業內部資料串接，能夠實現AI 自動生成庫存建議、AI 客服、對話式查詢、作業流程自動化，以及IoT 設備數據即時分析。林勃志說：「關鍵不是 AI 多強，而是企業能否把 AI 用在真正有價值的地方。」

林勃志進一步分享中小企業應用案例，例如餐飲店利用 AI 生成更具利潤的菜單、維修商家用 AI 自動回覆報價、服務業使用 AI 記錄客訴、派單與進度追蹤。他強調：「AI 不會取代人，而是讓人把時間投入在更有價值的工作。」