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

曾是台灣製造業重要根基的塑膠射出產業，如今正面臨人才斷層危機。尤其桃園聚集大量工業區與製造業者，老師傅退休、新人才接不上的現況，更是許多工廠正在面對的現實難題。

從汽車零組件、網通設備、醫療器材到半導體載具，許多產品都離不開射出成型。智穎智能創辦人暨執行長張詠翔指出，全球塑膠射出市場規模超過 3000 億美元，每年仍以約 3% 至 4% 的幅度成長。需求並未消失，只是製造基地從台灣、中國逐步往東南亞等地移動。但機器可以搬、訂單可以轉，老師傅數十年累積的經驗卻很難複製。

這道人才缺口，正是 2020 年成立的智穎智能切入市場的機會。團隊從桃園中原大學的研究能量出發，歷經近十年研究與工廠驗證，嘗試把老師傅腦中的射出經驗，轉化成可以計算、保存與持續學習的 AI 模型，解決產業第一線面對到的挑戰。

把老師傅經驗交給 AI，射出成型從「導航」走向「自駕」

「餐廳沒有廚師是不行的。有再好的設備，不會做的人還是會把它做失敗。」張詠翔如此比喻射出成型的技術門檻。當模具完成後，生產現場仍得依產品、材料與機台特性，調整溫度、速度、壓力、位置等條件；即使使用同一種塑料，不同產品的調整方式也可能完全不同。

而老師傅的珍貴之處，不只是記住參數，而是知道面對材料、機台與環境變化時如何修正。智穎智能要做的，就是把這些難以傳承的「火候」拆解成可以運算的製程邏輯。目前其 AI 解決方案已應用於超過 200 種材料、50 多種產品類型。

把老師傅的經驗轉化為製程邏輯後，第一步就是讓 AI 協助操作人員找到合適的成型條件。智穎智能為此開發智能成型導引系統，工廠只要輸入材料、機台規格、產品尺寸等資訊，sMolding 便能計算第一組成型參數；若試模後出現產品缺陷，再由 sTroubleshooting 提供修正建議。

「它就像導航。我今天告訴你要從 A 點到 B 點，但不知道路怎麼走，導航會把路徑算給你。」張詠翔說。對射出成型而言，這條「路徑」就是溫度、速度、壓力與位置等參數如何組合。以半導體載具試模為例，傳統方式需 7.5 小時，導入系統後縮短至 2 小時，材料使用量從 23 公斤降至 8.7 公斤，整體試模成本降低 64%。

但找到正確參數只是第一步，真正進入量產後，工廠面對的「路況」還會持續改變。溫溼度、材料批次與機台耗損，都可能讓原本設定好的製程條件產生偏移。智穎智能因此進一步開發 StabMolding 成型穩定模組，透過射出壓力數據持續監控品質，並依生產狀態自動補償關鍵參數。換言之，AI 不只在試模階段提供一條正確的「導航路徑」，進入量產後還能因應製程變化持續修正，進一步朝「自駕」邁進。

從產線驗證到海外布局，桃園如何助攻智穎智能跨過0到1？

但要讓 AI 真正走進工廠，智穎智能採取 SaaS 訂閱模式，將核心運算留在雲端持續學習與更新，降低中小型製造商一次投入大量資金的門檻。另一項差異則是「跨廠牌」。現實中的射出工廠往往同時擁有台灣、日本、歐洲不同品牌與年份的設備，因此智穎智能的方案既能導入既有設備，也能與射出機、控制器業者合作，在新機出廠時直接整合。「一個工廠不會只有一個廠牌，就像你家的車庫不會永遠只放同一品牌的車。」張詠翔說。

對智穎智能而言，AI 真正走進製造現場的關鍵，在於不同世代、不同品牌的設備都能導入。只是對工業 AI 而言，降低導入門檻還不夠，更關鍵的是能否取得真實產線反覆驗證。對從中原大學研究成果衍生創立的智穎智能而言，桃園不只是公司所在地，也提供了技術走向市場的第一塊試驗場。「對新創來說，第一個就是要經費、要人才、要場域，再來就是客戶與合作夥伴資源。」張詠翔說。

成立初期，團隊透過桃園市政府研發補助、新創競賽與基地進駐等資源，降低早期研發與營運負擔。更重要的是，桃園密集的製造業聚落，本身就是智穎智能最直接的潛在市場。透過市府串聯工業區與在地企業，智穎智能在創業初期接觸到位於桃園的「良器」，成為公司第一個客戶。從概念驗證、產品調整到實際導入，合作一路延續至今。對必須進入產線反覆驗證才能成熟的工業 AI 而言，第一個願意開放場域的客戶，意義遠超過第一筆營收。

如今，從桃園製造現場磨出的解決方案也開始往海外走。「日本這一次，完完全全都是桃園市政府帶著我們去做這件事情。」張詠翔表示，透過市府帶領團隊前往日本神戶，智穎智能接觸當地官方與企業資源。在市府引薦下，團隊成功對接了神戶知名加速器，更取得日方針對外資新創設立公司與拓展市場的兩階段實質補助資訊。目前團隊正籌備日本布局，為下一階段海外市場拓展做準備。

AI 解決「怎麼生產」後，下一步是「替誰生產」

當 AI 開始解決「怎麼生產」，張詠翔看到的下一個問題，是「替誰生產」。部分製造商提高生產效率後反過來問他，如果我的產能多了 20%，但沒有多 20% 的訂單，我何必要做那麼快？

這個問題催生了智穎智能下一階段的製造媒合平台構想。隨著供應鏈分散至不同國家，品牌要在海外重新尋找符合特定規範與製程能力的供應商，也愈來愈困難。團隊因此希望串聯既有使用 AI 方案的製造商，讓品牌端能依條件尋找供應商，也讓製造端的閒置產能有機會被看見。團隊預計 2027 年上半年推進平台服務，初期規劃串聯超過 200 家製造商與破千台機器。

從中原大學的研究，到桃園工廠提供第一個實際驗證場域；從把老師傅經驗變成 AI「導航」，再走向能自行修正製程的「自駕」，智穎智能試圖數位化的，是製造業最難被保存的資產：人的經驗。而當全球供應鏈持續移動、製造基地愈來愈分散，這套從桃園工廠磨出的 AI，下一步不只要替老師傅找到數位接班人，也要重新連結散落全球的製造能力。
而「Meet 桃園+」也期盼持續透過計畫的媒體報導與宣傳資源，將更多像智穎智能這樣扎根在地、走出海外的創業故事傳遞出去，讓外界看見桃園豐沛且具實戰力的創新動能。