富爸爸騰訊當靠山，旅遊平台同程藝龍赴港IPO背後的三大挑戰|數位時代 BusinessNext

靠著大股東騰訊微信及移動QQ的流量導入，旅遊平台同程藝龍經歷兩年虧損後，在2017年轉虧為盈，線上用戶跟付費用戶人數都大增，但目前在中國OTA排名第三大的地位，未來IPO後，挑戰仍然不小。

兩平台合併僅3個月就火速計畫IPO

包括小米、美團，中國線上旅遊平台(online Travel Agency，OTA)同程藝龍也於6月21日向港交所遞交招股書，預計募資10億到15億美元。

同程與藝龍原本皆為中國領先的線上旅遊平台，同程提供線上旅遊服務，包含航空票務及住宿預訂；藝龍為提供旅遊訊息、住宿預訂服務、交通票務及互聯網廣告服務，雙方於2017年12月宣布合併，於2018年3月完成合併。

兩家公司整併後，結合雙方的資源，同程藝龍成為一站式旅遊平台，提供交通票務、住宿預訂及各種配套增值的旅遊產品及服務，目前兩大股東為騰訊（持股占比24.9%）、線上旅遊平台攜程（持股占比22.88%）。

仰賴大股東，平台6成流量來自騰訊

根據招股書顯示，2017年同程藝龍總收入人民幣52.26億元，2015到2016皆為虧損狀態，直到2017年淨利潤為人民幣6.85億元，高達9成的收入來自住宿預訂服務。

在用戶方面，同程與藝龍，平均月活躍用戶從2015年8870萬，增至2017年1.21億；付費用戶上，2015～2017年，從390萬成長到1560萬，複合年增長率為 99.6%。

而用戶的增加，主要來自騰訊的流量扶持，用戶可透過微信錢包、QQ錢包、微信小程序來預訂服務，2017年同程與藝龍的騰訊旗下平台合併平均月活躍用戶為7960萬，推估平台高達6成的活躍用戶來自騰訊，卻也成為同程藝龍日後的隱憂。

不過同程藝龍也特別強調「不會過度仰賴騰訊」，未來將持續透過多元的流量管道，擴大用戶群。除了騰訊旗下平台外，同程藝龍的應用程式，平均月活躍用戶為2790萬、網站平均月活躍用戶則為1370萬。

內憂外患，同程藝龍未來挑戰艱鉅

不過同程藝龍也才完成合併三個月的時間，就火速宣布IPO，未來面對的挑戰不只來自內部的營運隱憂，還有外部的競爭。

中國線上旅遊市場龐大、競爭激烈

近年來中國線上旅遊市場（OTA）大規模成長，從2013年人民幣3070億元，到2017年人民幣1.17兆元，預計2022年將成長至人民幣2.46兆元。根據2017年交易額計算，中國四大 OTA 分別占中國線上旅遊市場的35.6%、14.2%、9.8% 及4.4%市占率，而同程藝龍9.8%的市占率位列第三。

同程藝龍得面臨途牛、阿里巴巴旗下的飛豬、美團等其他OTA平台的競爭，其次則與傳統旅遊機構以及旅遊服務供應商的競爭。

在高度競爭的線上旅遊市場上，如何提高用戶體驗、多元的產品服務、增加流量渠道，以及如何運用人工智慧與大數據等科技創新，提供客戶個性化的旅行產品及服務，都是各平台比拚的項目。

同程藝龍的品牌聲量

另外同程藝龍正式合併才三個月的時間，無論是管理經營或是業務合併，仍有磨合期。雖然同程、藝龍打造了強大的品牌知名度，但要如何以「同程藝龍」作為單一品牌知名度，並繼續擴大用戶基礎與提升忠誠度，仍有挑戰空間。

與騰訊的關係

此外，同程藝龍與大股東騰訊的關係也是潛藏的隱憂，現階段與騰訊有多項合作，包含技術、基礎設施、市場營銷，靠著騰訊微信及移動QQ的流量導入，2017年月活躍用戶、月付費用戶大幅增加。

因此若未來無法維持與騰訊現有的合作水平，若騰訊開啟自身的線上旅遊入口或與其他線上旅行平台合作，都會大大影響同程藝龍的業務。

不過藉由赴港上市後，同程藝龍也將獲得更多的資源、獲得更大的市場，就像同程藝龍上市文件寫的：「我們的使命是讓旅遊更簡單、更快樂。」打造多元的產品服務選項，以滿足用戶在旅途中各種旅遊需求。

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。