外送商機無前景？美國訂餐外送新創SpoonRocket宣布停業|數位時代 BusinessNext

外賣訂餐服務 SpoonRocket 的共同創辦人 Steven Hsiao 今天向外界確認，SpoonRocket 的服務已經正式關閉了，這個消息也已經在 SpoonRocket 官方網站上公佈了。

對於關閉的原因，SpoonRocket 在官網上是這樣說的：由於外賣行業激烈的競爭以及近期公司融資出現了問題，我們已經嘗試了所有的策略方案，直到最後一刻，但這些方案都以失敗而告終，所以公司最終決定關閉服務。

圖說明
圖說：SpoonRocket創辦人Steven Hsiao 和 Anson Tsui。照片來自：SpoonRocket官網

Steven Hsiao 透露，在決定關閉之前，SpoonRocket 找到一家不願公開名稱的快餐連鎖店，對方一開始是同意收購SpoonRocket 的，然而當一切都談得差不多了，直到最後一刻即將簽署收購協議的時候，對方卻放棄了此次收購交易。這對於 SpoonRocket 是非常不幸的，等待它的只有死路一條。

圖說明
圖說： Sprig 之前也有收購 SpoonRocket 的意向，但最終還是不了了之。圖片截取自：Sprig官網。

還有消息稱，SpoonRocket 的競爭對手 Sprig 之前也有收購 SpoonRocket 的意向，不過 SpoonRocket 的智慧財產權和其它公司資產不能出售，最後收購不了了之。不過在 SpoonRocket 關閉後，雙方卻展開了合作。一份發給 SpoonRocket 送貨司機和服務員的備忘錄建議這些 SpoonRocket 的員工加盟 Sprig，但需要重新經過 Sprig 的面試。此外，作為此次合作的一部分，來自 SpoonRocket 的新客戶使用 Sprig 第一單可以優惠 10 美元。

SpoonRocket 是 Steven Hsiao 和 Anson Tsui 在 2013年共同創辦的一家外賣公司。 SpoonRocket 聘請專業廚師每天更換菜色，且一次只提供兩種餐點，一種為葷食，一種為素食，價格多數為 8 美元，相對而言是比較便宜的。 SpoonRocket 的另一個特色為訂購餐點的快速遞送，他們宣稱在消費者訂餐後，只要 15 分鐘就可送達。因此，便宜和快速是 SpoonRokcet 的兩大特色。

SpoonRocket 此前共獲得過 1350 萬美元的投資，投資方主要包括 Foundation Capital、Base Ventures、FundersClub、General Catalyst Partners 和 Y Combinator 等。這些投資方最初認為外賣行業具有廣闊的發展前景，不過事實證明外賣行業想盈利還是非常困難，這導致外賣公司融資變得越來越難。

最近一段時間，可能受宏觀融資環境的影響，很多做按需訂購的公司的日子都不太好過。印度的打車應用 Ola 已經在不久前關閉了旗下的送餐業務。有機食品配送公司 Good Eggs 也已經關閉了好幾個城市的外賣業務。不過也有例外，那就是 Uber。 Uber 的外賣訂餐應用 UberEats 於這個月月初正式在美國推出，當時的服務範圍還僅限於美國的舊金山地區，不過從今天開始，洛杉磯、芝加哥、舊金山和休士頓的用戶可以享受到 UberEats 服務。在未來的幾週內，紐約、華盛頓、亞特蘭大、奧斯汀、達拉斯、墨爾本、巴黎和西雅圖也能推廣此項服務。有了 UberEats 的強勢介入，讓這個競爭已經非常激烈的市場又多了一個不缺錢的競爭對手。

圖：SpoonRocket

本文授權轉載自：36氪

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。