聯手阿里巴巴攻向東南亞，即時預訂平台FunNow獲1.6億元A輪融資|數位時代 BusinessNext

聯手阿里巴巴攻向東南亞，即時預訂平台FunNow獲1.6億元A輪融資

主打即時預訂的 FunNow 宣布獲得阿里巴巴創業基金領投 1.6 億元投資，未來將加速拓展東南亞市場，除此之外，將有可能納入阿里旗下的「口碑」，成為阿里巴巴旅遊版圖的一塊拼圖。

阿里巴巴領投，FunNow加速拓展東南亞市場

FunNow 近日最知名的活動，便是將世界級的國際電音派對 UNITE with Tomorrowland 拉到台灣來，更找上了台北市市長柯文哲上台客串 DJ，並與爆紅的「學姐」拍攝宣傳影片。

於 2015 年 11 月上線的 FunNow 目前擁有 50 萬名會員，且與 3,000 多家廠商合作，提供了十多種休閒娛樂產業服務，共有超過 20,000 種即時預訂服務選擇，包含旅宿、泡湯、餐廳、酒吧、按摩等等。除此之外，FunNow 也透露已經與米其林簽署合約，未來兩年將成為米其林的官方預訂夥伴，讓米其林餐廳的預訂能夠更方便。

而此 A 輪資金，FunNow 計劃用於加速布局東亞市場，除了已經營運的香港及沖繩，未來吉隆坡、曼谷、峇里島、大阪、東京都在一年的計畫走期中。FonNow 的目標是打造亞洲超即時的休閒娛樂預定體驗，讓「說走就走」的新生活方式得以落實。

主打即時性，FunNow不怕旅遊平台威脅

不過儘管有了阿里巴巴的協助，光台灣的 KKday 與 Klook 都是強敵，特別是 Klook 在獲得 60 億元投資後，威脅更強大。不過 FunNow 聚焦在「即時性」以及半日至一日的活動，在共同創辦人與執行長陳庭寬對《TechCrunch》所說，大部分 FunNow 的預訂都瞄準在 15 分鐘至 1 小時之後。

再加上對於已經加入 FunNow 的商家來說，為了避免重複預訂、過度預訂等狀況發生，陳庭寬認為已加入 FunNow 的商家並不會加入其他旅遊平台的體系。

除此之外，FunNow 也將投入更多心力在於技術發展，將訂位、預訂的延遲縮到最小，正於陳庭寬所說，「就算是一分鐘，空位隨時都有可能賣給走進店裡的客人。」只有掌握最精準的預訂、空位資訊，FunNow才能提供給使用者最棒的體驗。

借助FunNow，阿里巴巴旗下口碑快速擴張

回到阿里巴巴身上，在旅遊服務方面阿里巴巴已經建立起自己的一條龍帝國。從當地的預訂服務的「口碑」、外送平台「餓了嗎」、旅遊預訂的「飛豬」等，透過分眾的方式對抗美團的「美團點評」。美團點評 App 中，擁有上述的所有功能。

因此阿里巴巴的創業基金不斷找尋能夠協助其生態系的新創公司，本次投資台灣新創 FunNow，FunNow 的共同創辦人與執行長陳庭寬也說，未來將有可能把 FunNow 上的資訊上架到口碑，讓中國遊客能夠透過「口碑」獲得台灣的旅遊資訊。而阿里巴巴也要求 FunNow 快速擴展東南亞市場，未來旗下的「口碑」將藉由 FunNow 的拓展，一口氣將版圖拉至全亞洲。

AI 智慧代理人時代來臨！三大導入階段， AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」。

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」（Agentic AI），在最少人為干預的情況下，自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾，而是需要對AI有正確認識，並制訂循序漸進的導入流程，才能真正發揮AI功效。在2025台灣人工智慧年會中，cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段，深入剖析企業如何從概念驗證（PoC）階段，逐步推進到實際上線（Production），並分享實務經驗與觀察。

延伸閱讀：生成式AI可以怎麼用？cacaFly現身說法，助企業應用GCP服務智慧轉型

解鎖 Agentic AI，企業邁向多任務智慧代理

「很多公司會問，One AI 要做什麼事？但實際上，若要讓 AI 回答公司內部政策或新法條的相關問題，僅靠基礎模型並不足夠。」吳振和指出，要讓 AI 真正成為能「做事」的智慧代理人，前提是它必須理解企業內部的脈絡與知識，並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符，這意味著系統必須具備持續爬取與解析最新資料的能力。為此，企業必須先截取與整理內容，再建構成專屬的知識庫（Knowledge Base），確保資料品質達到可用標準後，再透過檢索增強生成（Retrieval-Augmented Generation, RAG）技術，使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀：從資料清洗到 RAG，大型語言模型的必需品，做出專屬企業的 AI 知識庫！

吳振和強調，這是一個動態循環的過程：從資料蒐集、品質控管、知識庫建構到生成應用，每一環節都息息相關，任何一處鬆動都會影響最終產出的準確性與可信度。

破除「一次到位」迷思，從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望，因此常將 PoC 視為年度計畫的重點，希望能「一次到位」做出具體成果。但吳振和提醒，若缺乏清楚的系統工程思維，PoC 容易淪為「概念展示」，難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程，分為三個關鍵階段：

1.第一階段：可行性評估（Feasibility Study）
企業必須在投入資源前，先明確界定「最需要被 AI 解決的關鍵問題」是什麼，並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性，更要從商業目標出發，釐清導入 AI 的具體使用情境、預期成效與風險邊界，如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段：系統設計與驗證（Design & PoC）
在確定導入方向後，必須規劃清楚資料蒐集與整理流程，確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調，這個階段不能只追求展示效果，而應以「產品化思維」來構築 PoC，使其具備可擴充性、可維護性及安全性，才能為後續上線打下基礎。

3.第三階段：產品化與營運（Production & Operation）
當 PoC 驗證完成後，進入正式上線階段，挑戰也隨之而來。除了需要整合企業內部系統與流程，還必須建立持續監控與維運機制，確保模型表現隨時間演進不會劣化，並能快速回應法規變動或資料更新的需求。吳振和指出，這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

建立模型優化根基，打造高品質的黃金資料集

吳振和特別強調，要讓 Agentic 系統工程真正發揮效益，企業必須先建立一套高品質的「黃金資料集」（Golden Dataset），作為模型評估與優化根基。他指出，黃金資料集的價值在於能為模型選擇與前測提供客觀依據，讓團隊能針對不同任務挑選最適合的模型，避免導入初期就誤踩方向。

同時，黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點，進而快速回應「模型飄移」（Model Drift）的風險。吳振和說明，所謂模型飄移，指的是即使模型本身未經改版，效能也可能隨著環境與資料變動而突然下降，導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果，團隊才能即時察覺效能衰退，並進行迭代更新，確保系統長期穩定運作。

從小規模應用起步，漸進擴展至核心業務

吳振和分享，在實際輔導企業導入 AI 的經驗中，最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證（PoC）階段即可呈現完整的產品原型，然而實際情況顯示，若企業未能建立完善的資料架構與流程基礎設施，即使短期內展現亮眼成效，也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時，應採取漸進式策略，從小規模應用場景著手，逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節，而非獨立的一次性專案。

AI 的導入不僅是一場技術升級，更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局，才能確保 AI 能在企業內部真正「落地生根」，創造長期商業價值，成為真正的智慧代理人。