小米赴港申請上市,三大事業營運數據曝光
小米赴港申請上市,三大事業營運數據曝光

市場謠傳多時,小米終於在5月2日向香港交易所遞交上市申請書,近3年的營運數據也跟著曝光。整體來說,相對於2016年的低潮,去(2017)年可以說是小米營運大復活的一年,包括智慧型手機和IOT產品的銷售都有顯著增長,帶動總營收成長67.5%,達人民幣1146.25億元(約合新台幣5434億元)。

智慧型手機銷售回升,營收大增逾6成

雖然小米近年來持續往多元化布局,智慧型手機已經不是唯一的產品,但截至目前為止手機仍是小米營運的最大支柱。而相對於2016年小米的智慧型手機銷量較2015年下滑了17%,掉到5541萬支,在2017年的銷售則是出現非常顯著的回升,達9141萬支。

小米近3年智慧型手機出貨量.png
小米近3年智慧型手機出貨量
圖/ 資料來源:小米

同時,在2017年小米不只有智慧型手機銷售量出現成長,智慧型手機的平均單價也有小幅增加,從2016年的人民幣879.9元(約合新台幣4172元),增加到至人民幣881元(約合新台幣4177元),而整體手機營收則是較前一年大幅成長65.2%,達人民幣805.64億元(約合新台幣3820億元)。

IOT跑更快,營收占比已突破20%

不過智慧型手機的表現雖亮眼,但因為同時間小米的IOT產品營收成長更快,年增88.86%,達人民幣234.48億元(約合新台幣1112億元)。所以智慧型手機的出貨雖來到高點,對整體營收的占比倒是從2015年的80%,2016年的71.3%,在2017年又進一步降至新低的70%。相對地,IOT產品的營收占比則是首度突破20%。

小米2017年營收分布.png
圖/ 資料來源:小米

而在硬體銷售之外,小米還有另一大事業是網路服務,包括網路廣告和網路加值服務,總計在去年成長了52.3%,達人民幣98.96億元(約合新台幣469億元),佔整體營收比重約8.6%。

網路服務營收近人民幣百億元

同時小米也公布了與網路服務營收表現密切相關的MIUI月活躍用戶數變化,相對於2015年底MIUI的月活躍用戶數約1.12億人,至2017年12月則是已經成長到1.71億人,維持每年20%以上的年成長率。

除了產品營收分布的變化,就地理區域來看,小米在海外市場也有顯足進展。相比於2015年小米有高達94%的營收都是來自中國,至2017年中國市場的營收占比已經降至72%。

CSMIC2015移動互聯網年會雷軍傅盛.jpg
雷軍日前表示小米的硬體綜合淨利潤率不會超過5%。
圖/ 賀大新/攝影

硬體平均毛利率拉升至8.6%

此外,在申請書中可以看到小米創辦人雷軍日前提出「小米硬件综合净利潤率永遠不會超過5%」的宣言,不過從申請書公布的財務數字則是無法清楚拆分出小米在2017年的硬體綜合淨利潤率是多少。但可以比較明確知道的是,小米的智慧型手機成本在過去3年來有明顯降低,因此毛利率從2015年的-0.3%,2016年的3.4%,至2017年已經拉升到8.8%。

另IOT產品的毛利率則是有8.3%,所以小米2017年整體硬體平均毛利率約落在8.6%。而因為網路服務事業的毛利率相對高出許多,達60.2%,所以也幫助小米拉高整體毛利率水準至13.2%。

而從財務報表來看,雖然扣除營業費用後,小米本業仍有高達人民幣112億元(約合新台幣531億元)的營業利益,但因認列特別股價值減損,最終則是有高達人民幣439億元(約合新台幣2081億元)的鉅額帳面虧損。

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

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
代理式商務連動百兆商機
© 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