外送美食戰場打到空中，Uber最快2021年用無人機送餐|數位時代 BusinessNext

外送美食戰場打到空中，Uber最快2021年用無人機送餐

未來的外送戰場可不只侷限在陸地上，最近有外媒發現Uber的網站上默默出現一項新的職缺，正在尋找無人機外送業務的高層，暗示正在研擬推出無人機外送服務，最快2021年就會在多個大城市展開商業化營運。

三年要組機隊，最快2021年投入商業化營運

Uber早已不再是單純的手機叫車公司，近年積極轉型，無人車、AI、飛天計程車等新科技都積極布局，其中一項重要的戰略就是加強外賣業務，以台灣市場來說，昨（22）日才宣布正式進軍桃園、新竹，與在地超過300家以上的的餐廳合作。

而Uber現在已經將目光從陸地轉向天空，除了先前推出飛天計程車入「uberAIR計畫」，根據Uber 最新的招募資訊，他們正在尋找一位無人機外送業務的高層，在職缺描述中，Uber希望這位高層可以落實「安全、合法、有效率以及有規模的飛行業務」，計劃要在三年內建立一支無人機機隊，最快在2021年於多個市場展開商業營運。

未來這項飛天外送業務將取名為UberExpress，這是UberEats對無人機外送業務使用的內部名字。然而在外媒披露這項消息後，Uber目前已經將這個職缺撤下，發言人表示：「這項消息不能完全反映我們內部的規劃，一切仍在非常早期的階段。」

餐飲外送成Uber大黑馬

「Uber不是只做汽車，」今年五月，Uber執行長多拉·霍斯勞沙希（Dara Khosrowshahi）在Uber Elevate會議中揭露了無人機計畫，「我個人相信，要解決城市移動的問題，關鍵就在無人機，我們需要無人機。」霍斯勞沙希認為，無人機絕對可以大幅降低運送時間，未來希望能將食品配送的時間目標訂在5到30分鐘內完成。

從UberEats在台灣加速服務布局就不難觀察出，現在的餐飲外送已經成為Uber底下的一批「大黑馬」，今年初霍斯勞沙希就曾談到，希望餐飲外賣業務未來每年都能貢獻至少60億美元的營收。如今UberEats已經涵蓋全球上百座城市、2017 年約占 Uber 整體營收的10%。

如此的發展態勢對於計劃明年在美國IPO的Uber相當關鍵，目前部分投資銀行認為光是UberEats的估值就達200億美元，這將對Uber整體的估值有大大加分的作用，如今再喊出飛天外送的願景，在歷經過去幾次的醜聞風波後，這或許也是某種程度安撫投資人，公司整體盈利、業務正在邁向正軌中。

監管問題要先解決，不如來台灣做測試？

從實際層面來看，無人機外送並非一件簡單的事情，電商巨頭亞馬遜（Amazon）曾在2013年計劃推出無人機送貨服務，並計劃在四到五年內實現，然而直到現在都未取得監管單位的同意。

因此Uber喊出要在2021年前讓無人機外送商業化，也會遭遇同樣的問題，美國聯邦航空管理局先前制定無人機監管草案，內容針對無人機飛行有諸多的限制，未來如果要應用在商業用途，勢必要針對飛機識別系統方、夜間飛行等規範更詳細的制定，美國監管部門預計會在明年推出無人機快遞業務的監管規則，不過等到規範實際上路可能都要等到2020年之後。

監管是一部分，無人機外送食品也可能碰到竊盜、天候、食安等等的考驗，最近台灣立法院經濟委員會剛剛通過《無人載具科技創新實驗條例》審查，預計最快在今年年底就能三讀通過，這將是一個全世界陸、海、空載具都能申請的條例，或許Uber可以考慮來台灣做測試。

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。