不只吃下全世界,Uber還為網路企業打開中國大門
不只吃下全世界,Uber還為網路企業打開中國大門
2016.08.10 | 科技

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。

滴滴出行 (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。

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓