體育用品專刊 • 專題報導 9 要時快速查詢「過去某型號鞋底在高濕度環境下的瑕疵率」、「特定供應商的交貨延遲紀 錄」等資訊，並讓AI生成決策摘要。這讓製造現場能夠更快地定位問題，並提出具體的改善 建議。 值得注意的是，RAG不僅是工具層面的改善，更是資料治理的驅動力。一旦企業開始依 賴RAG，便需要對內部知識進行結構化整理與權限管理，這實際上推動了組織的數位化基礎 建設。對於台灣的體育用品業者來說，這不只是技術升級，更是一個進入「知識資產化」的 新階段。 總結來說，RAG的意義在於：它把知識從「靜態文件」轉化為「即時服務」。在消費者 互動與工廠決策都日益加快的今天，這種能力正逐漸成為競爭力的核心之一。 四、多模態 AI：影像與數據的結合 多模態AI（Multimodal AI）代表的是人工智慧從單一維度邁向整合式理解的關鍵一步。 傳統模型往往侷限於文字或數值資料，但多模態模型能同時處理影像、文字、聲音，甚至感 測器數據，並在不同型態之間建立聯繫。這項能力，對體育用品產業的意義格外突出，因為 這個產業天生就跨足「物理產品」、「人類動作」與「市場數據」三個維度。 在製造端，多模態AI已經開始應用於品質檢測。以往人工檢測依賴抽樣與經驗判斷，效 率有限；即使導入影像辨識模型，也需要人工比對規格文件。多模態 AI 的優勢在於，它能 直接將影像與標準文字規格結合，進行即時判斷。例如，當攝影機掃描鞋底壓紋時，系統能 自動比對規範文件中的設計要求，並同步檢測瑕疵。這不僅提高了準確度，也能顯著降低品 管所需的人力投入。 在零售端，多模態AI則展現出場域感知能力。透過監視影像、銷售紀錄與顧客互動數據 的結合，零售商能精準掌握「哪一區域吸引最多顧客停留」、「哪一個貨架轉換率最高」。 這類資訊過去需要透過人工觀察與統計推估，而如今可以即時產出，並直接回饋到商品陳列 與庫存管理中。某些品牌更進一步將其應用於安全管理，例如辨識顧客是否有異常行為（防 竊、防搶），在事件發生前就自動發出預警。 在運動端，多模態AI的突破已經引起全球矚目。今年，中國舉辦了全球首場AI機器人足
RkJQdWJsaXNoZXIy MjIwMjA1