[數位觀點] Uber在台灣合法的三種可能途徑|數位時代 BusinessNext

可能途徑一：美國加州模式

第一種途徑就是台灣政府修法或設立新法規。台灣提出類TNC法規，讓Uber光明正大在台營運，但前提是Uber在納稅與保險等議題，有心溝通並和政府達成協議。

「Uber是全球公司，希望像美國一樣『有（TNC）法規』可以被納入。」Uber台灣資深營運總監吳罡說。2013年美國加州因應Uber等新型運輸服務，在法規中新增TNC(Transportation Network Company)類別，Uber平台上的私家車可以合法載客，來自加州的Uber也希望台灣政府能參考此作法。

除了Uber，台灣科技新創圈也有股強勁力量，支持修法（指計程車客運服務業申請核准經營辦法）或設立新法規，並且實施計程車彈性費率與多元計程車方案，讓台灣業者可以公平競爭，也讓類Uber業者合法經營。

不過，由於Uber目前僅用Uber荷蘭所授權的台灣宇博數位服務公司之名營運，用境外架構，逃避在台的實質車資納稅與乘客保險等責任。因此這個途徑有個大前提，就是Uber必須真心誠意和政府協議，營業登記符合法規，繳納實質車資總額稅捐，並且考量台灣乘客權益，提供國際險之外的在地保險。

可能途徑二：中國滴滴出行模式

第二種途徑則是Uber賣給台灣業者。Uber台灣也可以依照Uber中國併入滴滴出行的模式，賣給台灣相關業者，輕鬆當個背後股東。

在法規層面，前行政院政務委員蔡玉玲指出，「若Uber台灣賣給台灣業者，成為背後股東。Uber提供技術，台灣業者承擔納稅、保險與消費者保護等責任，法規上可行。」

不過，依目前的狀況來看，台灣環境，沒有太多誘因讓Uber台灣選擇走這條路。

首先，Uber中國併入滴滴出行是Uber公司的「以退為進」策略，心元資本創辦人鄭博仁就指出Uber藉此成為少數能實際營運中國市場的矽谷科技公司。Uber僅取得滴滴出行的5.89%股權，但享有17.7%經濟收益，17.7%的經濟收益如何想像？2015年滴滴已經擁有超過3億個註冊用戶，1500萬名司機，年訂單總量就高達14.3億筆，商機驚人。

再者，Uber中國的股東組成和滴滴出行的股東重疊度相當高，溝通容易。滴滴出行的「補貼戰法」嚴重威脅Uber中國的營運。加上，中國政府在法規上否定Uber原有主張，因此賣給滴滴出行是Uber中國最佳出路。

相比之下，Uber台灣和產業中相關公司並沒有股東上的重疊，台灣市場小的多，也沒有如滴滴出行般商業模式雷同、在競爭版圖上勢均力敵的對手，因此雖然也是一種途徑，但可能性不高。

可能途徑三：Uber出資入主台灣業者

第三種途徑，則是Uber出資直接入主台灣業者。這種途徑，在其他國家還很少見。由於台灣法規上對此產業沒有外資投資限制，Uber有可能直接砸錢，入主台灣交通運輸相關產業。

《東森新聞》指出，「市場盛傳，Uber找金融業想合夥買台灣大車隊。」不過，台灣大車隊總經理李瓊淑反駁此新聞，她說「此事為『子虛烏有』，台灣大車隊從來沒有和Uber有任何的接觸，也沒有和台灣金融業有任何接觸。」《數位時代》繼續詢問，假設Uber真的來找台灣大車隊，公司的態度是？李瓊淑回應，「我們不答覆任何假設性問題。」「是否擔心Uber買下其他競爭同業？」「台灣大車隊專注於車隊服務品質的提升，外界的看法對我們來說不是這麼的重要。」

除了台灣大車隊，台灣也還有很多交通運輸與租賃相關業者。Uber台灣已經有約100萬註冊用戶，上萬名司機，市場說大不大，說小又不小，若Uber真的有心繼續經營台灣市場，聯手台灣本地企業或自己砸錢，負起經營者該有的責任，讓投審會點頭，入主台灣業者並非不可能。

不過，這是付出成本與回收利益間的商業考量。Uber全球佈局擴張，Uber是否願意花時間與精力和台灣業者談合作？台灣政府在後續協商過程中，是否能給予Uber壓力或是提供誘因？都是關鍵因素。

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。