不只吃下全世界，Uber還為網路企業打開中國大門|數位時代 BusinessNext

Google和Facebook都做不到的事情，Uber做到了。

有人認為，這次滴滴出行收購Uber中國，是Uber創辦以來的一大挫敗，但與其說是滴滴吃下Uber中國，倒不如說是Uber吃了全世界。而Uber這場成功的謀略，就像是為其他非中國網路公司，打開了通往中國市場的另一道門。或許這稱不上是康莊大道，卻會是更有把握的一條路。

Uber
(圖說：Google、Facebook都進不去的市場，Uber進去了／圖片來源：Automobile Italia)

中國有超過13億人口，是全球最大的經濟體，如果沒有中國市場，你很難說你擁有全世界。但細數世界幾大網路巨擘，不論是較早期的Yahoo、Amazon，還是後來的Google、Facebook、Netflix，進中國一直都是一道無解難題，直到「Uber中國」的出現。

##兵敗中國？其實Uber現在才是真正擁有中國市場

雖然，就表面上的結果來說，Uber中國狂燒超過20億美元(約合新台幣633億元)，最終還是落得賣給滴滴的命運，似乎是打了一場敗仗。但實際上，在這次合併之後，Uber預計可以持有「新滴滴」約17.7%的股份，也就是說，Uber其實比先前還更真真實實的擁有中國市場。

或許，17.7%的比例看來不高，但可別忘了，中國是一塊多大的餅，單單是滴滴出行，目前的日接單量就可以上看1600萬筆，研究機構羅蘭貝格還預估，到了2020年，中國網路預約車市場還將成長超過5000億人民幣(約合新台幣2.4兆元)。

再以財務面來看，兩家公司合併後，新滴滴的估值上看350億美元(約合新台幣1.1兆元)；第二，新滴滴幾乎獨佔了整個中國網路預約車市場，代表燒錢補貼大戰也將同步告終，「賺錢」應是指日可待。這也是為什麼過去那些總是質疑Uber估值過高的創投、分析師們，在Uber補上中國這塊版圖後，如今紛紛改口，認為Uber先前625億美元(約合新台幣2兆元)的估值太低。

回頭來看，Uber究竟是如何走出這一局棋？

2015年，負責Uber全球營運的資深副總裁Ryan Graves來到中國尋找負責Uber中國業務的總經理人選，當時他就很清楚，在這塊土地上存在太多無法可解的難題，但即便早已認清這樣的事實，他還是決定擁抱這些問題，一次又一次的挑戰。而從他這樣的態度和一連串舉措來看，其實你可以合理推測，他心中早已寫好一套劇本。

##只要讓滴滴「夠痛」，就可以成就一筆划算的交易

當然，Uber憑藉的也可能只是身為全球估值最高獨角獸的那一股自信，認為終究會有一絲機會可以征服中國市場；但更有可能，Uber其實一直都知道，即便Uber中國無法自己拿下中國的半壁江山，只要他能讓滴滴「夠痛」，讓滴滴不得不出手併購，終將會成就一筆划算的買賣。

（圖說：併入Uber中國後，新滴滴的估值可能會上看350億美元／圖片來源：滴滴出行官網）

而要讓滴滴不只是芒刺在背，更是痛入骨髓，最直接的方法，就是跟進補貼。

這一招對一般的新創來說或許很難，但對於不愁沒錢花的Uber而言，卻再簡單不過了。即使這樣的補貼競賽，一年就要燒掉10億美元（約合新台幣316億元），但相比於未來數以百億美元計的市值增長空間，這筆錢也只是九牛一毛。

事實上，就在滴滴和Uber中國燒錢競賽的這段期間，兩邊各自募資，估值早已經跟著水漲船高，而現在，兩者合併，Uber成功掌握部分中國市場，更成為Uber給投資人的完美故事，因為現在就連最困難的中國市場，他都拿到了。

在Uber這件事情之後會看到什麼趨勢呢？所有獨角獸會開始知道，什麼叫做進中國？真正應該追求的未必是在中國擁有一家獨立的公司去硬闖，而是像Uber一樣，成立一個獨立於全球總部之外的中國公司，然後想辦法寄居在這些中國網路巨擘身上，借道去擁有一部分的中國市場。

甚至，這也不會只是新創獨角獸的模範，連Facebook都可能在這個模式下找到破口。

##循Uber中國模式，誰將寫下下一個中國故事

持續成長的Facebook，雖然一直在擴大對世界的掌控權，但Facebook創辦人Mark Zuckerberg至今仍無法回答華爾街的一個問題就是：「Facebook什麼時候要進中國？」中國對Facebook而言，至少會是市值再大幅成長千億美元的最好故事，所以我們看到Mark Zuckerberg不只勤學中文、多次造訪中國，甚至也在北京置產，但這些「示好」的舉動，可能都不及成立一家獨立於總部之外的「Facebook中國」來得有效。

而要想在中國找到合作夥伴，對Facebook應該也不會是難事，如以BAT(百度、阿里巴巴、騰訊)三巨頭來看，一直無法補上社群這塊缺口的阿里巴巴，就是可能的對象。

當然，Facebook如果這麼做，那存在於中國的勢必會是一個變形的Facebook，屆時輿論攻擊恐怕也將隨之而來，而要如何像Uber做到既惹人同情，又能獲取實際利益，勢必要有縝密的策畫安排。

此外，以Uber這次的案例來說，若非Uber中國的股東組成，和滴滴出行的股東結構有不小的重疊，兩邊的談判也未必能夠進行地這麼順利。

但可以想像的是，在Uber之後，不論是Facebook也好，Netflix也罷，一定還會有更多非中國的網路公司會嘗試循著類似的路徑，寫下自己的中國故事。

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。