是誰真正擊倒了摩拜單車?
是誰真正擊倒了摩拜單車?

曾經,摩拜是我最看好的物聯網營運商。

不僅因為它是「共享經濟」風口上最炙手可熱的角色,更是因為它的營運模式,很接近電信營運商,具備長期健康成長的特質。

作為一家網路公司,摩拜主要的收入來自於前向收費(從使用客戶那裡收錢),而且基於連接開展營運,怎麼看都像是電信營運商的升級版。

如果這種模式成功,那麼電信營運商領域積累的人才和經驗就有了用武之地,而電信營運商也可能找到自己進一步進步的空間。

去年,在和很多人討論共享單車時,我曾經堅定地認為:共享單車兩巨頭玩的是不同的生意經,如果時間夠久,按照互聯網模式發展的ofo,一定會輸給搞精細化營運的摩拜。

ofo小黃車
圖/ ofo

遺憾的是,4月初的一則傳聞最終成為現實,摩拜被美團收入囊中,經營管理團隊隨即調整,原來的前向營運方式難以持續。

我並不是說美團管不好摩拜,而是覺得自此之後,營運模式的質變會讓摩拜變個樣子,很可能不再是個物聯網營運商了。

帶著些許遺憾,我第二次去盤點某一家網路公司的歷程(上一家是滴滴打車)。

共享單車的興衰

2016年4月,摩拜單車在上海上線,在APP上實名註冊,繳納押金即可租用的模式,讓人眼前一亮。

而在此之前的2015年6月,ofo就在北大推出了共享計劃。

可以說,在共享單車興起之初,兩家之間的合作大於競爭,盡量避免相互攻擊和比較,畢竟是在一起做大市場空間,尤其是在輿論方面,既要引導客戶和監管部門接納新鮮事物,又要斥責那些破壞共享單車的「壞用戶」,還要吸引投資者的關注和參與。

沒有直接對壘,並不等於兩家公司不相互較勁。尤其是20016年下半年到2017年上半年這段時間裡,兩家公司交替發布融資成功的信息,讓人目不暇接。

此時,共享單車已經成了熱門生意,除了紅黃之外,街上充斥著五顏六色的自行車和各色投資者,他們紛紛憧憬著,將這一低門檻的業務發展到一定規模,然後被大佬收購。

他們等來的不是接盤俠,是交通部等十部門聯合發布的《關於鼓勵和規範互聯網租賃自行車發展指導意見》。

隨著對營運的監管規範化,共享單車的營運成本越來越高,越來越多的玩家退出,市場上除了兩巨頭還繼續發聲,其他聲音漸漸消失。

此時,市場上時不時傳來兩家共享單車企業合併的消息,貌似滴滴和快的合併的故事又要重演。

然而,2018年3月,ofo宣布融資8.66億美元,領投的是阿里巴巴,這則消息讓兩公司合併的可能性迅速降低。

半個月後,就出現了文章開頭提到的場景:雖然CEO王曉峰投了反對票,但是根據遊戲規則,美團還是如願將摩拜收入囊中。

摩拜的營運邏輯

曾經有人比較兩家公司的領軍者認為,ofo的創辦人是從校園直接創業,沒有路徑依賴,所以更有敢想敢幹的網路思維,在試錯中前行;而摩拜則是傳統產業專業人士轉身,三思而後行,所以走的每一步都是相對完整的解決方案。

而我一直覺得,兩家共享單車企業是不一樣的經營模式。

ofo走的是互聯網的路子,做平台實現人與車的連接,把入口做大到一定規模之後,透過平台獲益。

摩拜則是基於人與車的連接,透過開展精細化營運,在較長周期內持續獲取收益。

將摩拜的營運流程和規則與營運商進行對照,會發現很多相似之處:都有訂單管理、計費結算、預存和套餐、客戶服務以及投訴處理等等。

甚至連摩拜創造的「紅包車」,也可以提煉出營運框架模型:根據車輛活躍度選擇和發放紅包,被定義為「紅包車」的多是難以被發現的車輛,被紅包吸引的騎行者成了車輛的啟動者。

透過IT手段節省了尋找和搬運的人工成本,這不就是傳說中的資源管理嗎?

猛一看,兩者都是互聯網創新領域的獨角獸,但在事實上,一個玩的是短平快,另一個卻是打算跑馬拉松的。

ofo車輛製造成本低,能夠更快地將資源部署到位,再結合互聯網的宣傳迅速收割入口流量;而摩拜立足於長期經營,所以車輛質量、投入規模、產品優化等,都是基於數位化營運,圍繞改進和提昇營運效率是核心。

摩拜的理想很豐滿,但是殘酷的現實是:企業的規模和業務量以超常規的速度發展起來了,但在營運和管理方面積累和沈澱不足。

作為一家營運企業,當營運管理能力跟不上業務發展速度時,各種問題就暴露出來。

成也資本,敗也資本

在企業家眼裡,企業就像自己的孩子一樣,希望他健康成長,走得更長遠。

而對於資本來說,投資企業就像養豬,盡快催肥然後賣掉,再去尋找下一頭。

這個比喻也許不雅,也許會讓人不爽,但至少對於某些場景,是非常形象的比方。在互聯網的世界裡,很多創新可以在資本的推動下,讓理想成為現實。所以,尋找投資是創業者必須做的事情。否則,在如今的市場環境下,光靠自己的力量,再好的創意也很難落地。

看起來投資者是大爺,其實他們也不容易,既要從浩如煙海的專案淘到真金,還要幫助投資的企業成長壯大。要獲取回報,而且最好是高額回報,投資者的付出並不比創業者少。

在這個遊戲中,企業發展的各個環節都可能被加速或者放大。

就像用化學原料催化動植物加速成長,生長周期短了,產量上去了,然而並不是所有的都能催化,基礎打不牢,就很難蓋起高大的建築物。

對於摩拜來說,初期借助資本獲得發展動力,在研發、生產、佈局等方面得以超常規發展。發展到一定規模時,理論上企業應該潛心梳理沉澱經驗,優化營運規則和管理,為下一階段的突破積蓄力量。

然而,從資本和競爭的角度看,2016到2017年上半年這段時間正是摩拜和ofo較勁的關鍵時期,如果任由各個城市被小黃車覆蓋,客戶沒了,再好的營運計劃也是白搭。

此時,摩拜只能按照互聯網的發展節奏做事,進一步融資,獲取和ofo抗衡的資源和裝備,然後簡單粗暴地砸錢、造車,讓摩拜單車佔領每一個街口。

也許摩拜的經營者期待著能喘息一下,調整好呼吸和步伐後再接著跑,但是無論是ofo帶來的競爭壓力,還是資本給與的成長壓力,都在鞭策著摩拜狂奔下去。

也許有人會指責摩拜經營不善,比如租用了那麼多倉庫,不僅需要支付租金,還降低了車輛的營運效率。不可否認,這些都是可以改進的地方,但是對於一個剛剛成長起來,還在競爭中不斷摸索還要快速成長的企業來說,我們是不是對摩拜有些苛責?

結語

以共享經濟為代表的互聯網浪潮之下,投資者才是真正的玩家,各種概念的公司只不過是他們遊戲的工具和表演的舞台。

翩翩起舞的ofo背後,也是強大的資本在支撐,如果沒有它參與,共享經濟不會那麼熱鬧,摩拜也不會引入那麼多投資。

如果ofo堅持不住,也許摩拜的營運之路還能走下去;如果投資者的耐心再多些,摩拜做得再好些,也不會有最後的一幕發生。

可惜,沒有那麼多如果,事實就是事實,真實地發生了。

故事如此之透明,參與各方如此之坦蕩,足見只有陽謀,願賭服輸。

時也,運也,命也。

本文授權轉載自:鈦媒體

關鍵字: #共享經濟
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