Uber中國賣給了滴滴，Uber俄羅斯也賣給了當地叫車業者Yandex.Taxi|數位時代 BusinessNext

Uber中國賣給了滴滴，Uber俄羅斯也賣給了當地叫車業者Yandex.Taxi

繼中國市場後，Uber也把俄羅斯業務，賣給了當地業者Yandex.Taxi。

繼中國市場後，Uber又把俄羅斯業務「還給」了本土版「滴滴」。

據彭博社報導，Uber與其俄羅斯競爭對手Yandex NV正合併他們的出行業務。當地時間週四，Uber發表聲明稱，將投資2.25億美元給一家新合資企業，占股36.6%，而Yandex以1億美元，占新公司59.3%股份，該合資公司總價值為37.3億美元，目前暫時尚未命名。

雙方聲明，Yandex.Taxi俄羅斯的老大Tigran Khudaverdyan，將擔任合資公司CEO。新公司將有權在該地區使用Yandex.Taxi、Uber兩個品牌，相應兩個App也可繼續使用，只是司機端整合稱單一平臺。

彭博社援引給投資者準備的講稿指出，目前在俄羅斯，Yandex.Taxi年度總訂單額（gross bookings）為10.1億美元，Uber為5.66億美元。業務合併後，兩者每月能處理3,500次乘車需求，未來將向哈薩克、亞塞拜然、亞美尼亞、白俄羅斯和格魯吉亞等地拓展業務。雙方還將共同運營UberEATS食品送貨服務。

預計該交易將在今年最後三個月完成。交易公佈後，Yandex股價漲幅15%至1881盧布（約合新台幣952元），創歷史新高。

無論是合併業務的「姿勢」，還是合併後「用戶」保持兩個App，司機端統一的營運方式，這幕宛若去年在中國市場上演的翻版。

在中國共用汽車的大戰中，Uber損失超20億美元後，終「繳械」退出中國市場。Uber全球與滴滴達成戰略協定，雙方將相互持股，成為對方少數股權股東，Uber中國的品牌、業務、資料等全數資產，由滴滴全盤接手。

俄羅斯是Uber第二次從主要市場撤退，這很可能成為Uber在其他大型，競爭激烈出行市場的前兆。彭博社援引兩位知情人士稱，有投資者日前提出Uber在印度和東南亞持續虧損的問題，並私下問他們是否與市場領導者Ola和Grab達成交易會更好。有Uber離職員工告訴36氪，Uber接下來或也會從印度和北亞市場退出。

Uber最近糟心事還很多。高階主管頻頻離職、性醜聞、專利官司、暗算競爭對手醜聞等，創始人Travis Kalanick還被迫離職。

為緩解投資者擔憂，日前Uber的確做了些改變。

6月底，Uber首次允許司機通過Uber App收取小費，作為決心180天變革的一部分。此外，Uber還將為司機提供賺更多錢的機會。如若乘客讓Uber汽車等待時長超2分鐘，將按時間收取費用；以往乘客叫車後5分鐘若取消訂單，司機才能獲得5美元補償費，之後時間將縮減至2分鐘。而與Yandex達成合併俄羅斯業務的協定也是Uber努力改善收入，縮減損失，處理其法律問題的一部分。

與此同時，財務方面似乎有向好發展的趨勢。華爾街日報援引Uber公司稱，Uber今年第一季度營收為34億美元，環比增長18％，Uber總預訂量也增長9%。同時，Uber虧損達7.08億美元，較前三個月9.91億美元有所收窄。

還有一個好消息是，幾天前，Waymo撤銷了對Uber 4項專利指控中的3項。一切似乎在慢慢回歸正軌，Uber的改頭換面是否能助其重歸往日輝煌呢？

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。