數據解讀:星巴克想將中國外賣經驗複製到美國,太難了
數據解讀:星巴克想將中國外賣經驗複製到美國,太難了

在中國上線外賣業務逾兩個月後,星巴克打算把外賣帶到包括大本營美國在內的其他市場。

星巴克總裁兼執行長凱文·強森(Kevin Johnson)本月在上海參加一場品牌活動時,透露這一計畫。他當時對CNBC記者說,中國的創新步伐比世界上任何其他地方都快,他希望將中國流行的創新服務模式──外賣是其中之一──用於美國市場。

這一計畫還在非常初級的階段,星巴克沒有透露其他資訊。今年9月,星巴克與阿里巴巴旗下的「盒馬鮮生」和「餓了麼」合作,先行在北京、上海測試外賣服務,目前全中國17個城市、超過1,000家門市支援外賣,預計年底會擴展到30座城市、2,000家門市,屆時占星巴克中國門市總數近七成。

負責星巴克門市業務配送的是餓了麼專屬配送團隊。門市之外,星巴克在盒馬鮮生開了星巴克「外送星廚」,盒馬會為星巴克提供專用外送管道、星巴克專用外賣箱,並推出適用於外送的杯蓋和包裝。

儘管摩根史丹利在一份報告中提到,他們所研究的美國開業餐廳,有九成皆已接受外賣這塊市場,並試圖跳過外送平台改自己做,或找規模更大的零售商借助其配送團隊,以消化外賣訂單。未來五年,外賣市場複合成長率大約16%。

但這兩個市場的差別還比較大。

中國百萬人口城市是美國的17倍,這決定了外賣網路的規模

中國的餐飲外賣市場一年交易額高達3,050億元人民幣,創造了「騎手」這個以前完全不存在的職業,並且提供了數量可觀的工作職缺。

美團點評在其招股書裡提到,其餐飲外賣收入從2015年的1.74億元人民幣快速增至2017年的210億元人民幣。截至2017年年底,每天有53萬人幫美團送餐。更多註冊了卻很少接過配送訂單的騎手,被美團稱作「為500萬人提供就業機會」,餓了麼公佈的官方數字則是300萬。加在一起、即使完全算重複註冊的,中國的外賣配送員可能仍有800萬人。

而這些人一年的薪水大概在3~4萬元人民幣,還沒鄭州富士康新員工的年資高。

外賣騎手是一個幾乎零門檻的職業,美團外賣享受到中國人口紅利,並受益於中國高密度城市群──156個百萬以上人口城市──逐步形成的配送網路也吸引更多餐廳簽約配送平臺,幾方面相互強化,擴大市場規模。

外送經濟1.jpg
圖/ 好奇心日報

根據美團眾包騎手線上培訓的頁面顯示,目前在巔峰時間,平台平均能給騎手提供2~4個「順路單」(即從同一商圈送到同一生活區的單子),這個數量在兩年前是肯定沒有的。隨著網路中節點數量增多,單項業務最短路徑規劃能力將會增強,這使得平均配送效率得以提高。

外賣市場佔有率第二大的餓了麼,也有類似的配送網路。與此同時,星巴克在中國的各城市門市數量,也與城市人口數呈高度正相關。由於門市密度決定著外賣騎手送到消費者手上的時間,也決定著用戶在外賣App裡看到的門市距離,這些影響著每一次下單。

外送經濟2.png
圖/ 好奇心日報

因為咖啡店不像超市一站式購物的低頻率,在一個商圈裡,星巴克的門市密度可達5家以上。外賣業務的出現,對於星巴克未來新門市的選址標準提出了一個新的維度。如果星巴克在未來4年要進入100個新城市,這些地方的咖啡市場也許並不如上海、北京需求那麼大。

那麼,這些城市部分區域的咖啡消費需求,就可以靠2公里外的外賣來解決,配送時間通常會在30分鐘內。這符合平安證券年初一份報告的預估,即中國每單即時配送的平均送達時間為35分鐘。

這些都是星巴克能在中國2,000多家門市上線外賣的基礎。使它上線外賣後,一躍成為市場上最大、最方便的咖啡外賣連鎖。

美國沒有那麼便利的外賣網路可以用。占美國即時配送市場近四成的GrubHub,目前也只在有限的地區提供服務,包括人口密度更高的東部和中東部城市群,以及洛杉磯、舊金山城市群,還有一部分中部和南部的核心都市圈。這有助於企業和配送平台保證利潤率。

美國外賣人力成本是中國的五倍,運費貴過一杯咖啡的價格

2017年,美國的外賣交易額大約157億美元,約人民幣1,083億元。不過,不同於中國外賣平臺承擔了絕大部分配送,美國近九成外賣配送是由餐廳完成,其餘才由協力廠商平臺如GrubHub接手。

外送經濟3.jpg
圖/ 好奇心日報

外賣依賴餐廳配送,很像中國外賣平台崛起之前的情況:住宅區、商業區裡的人總會不定期的收到周邊幾百公尺範圍內的餐廳廣告,他們也會選擇這些餐廳。而餐廳本身則基於成本考慮,配備的人手可能也只夠覆蓋周邊食客。

人口總量決定了對餐飲外賣的需求,外賣業務的天花板與當地的人口密度有相當大的關聯度。跟中國比,美國人口數達百萬以上的城市只有9個。再加上美國的外賣人工成本幾乎是中國的五倍,它難以建立起跟中國一樣高效率的配送網路。

外送經濟4.jpeg
圖/ 好奇心日報

星巴克很清楚美國還沒有辦法平衡外賣效率和成本,尤其是咖啡等食品業。

可能這也是為什麼它先選擇在美國上線手機下單,但讓顧客到店取貨的服務。這些服務已經積累了數據,但依然沒有上線外賣。

美國大部分餐廳、配送平臺的配送費,基本在3~5美元(還沒算上小費)。

例如GrubHub送餐先是跟餐廳抽15%到35%的服務費,然後要求顧客繳納配送費,基本為3美元,再加上每英里增加0.5美元,以及額外小費。這種收費方式,把GrubHub的成本壓力都轉嫁到了店家和顧客身上,這樣GrubHub就有了盈利的空間,而且毛利率還很高,上市第一年就獲利。根據財報計算,GrubHub佣金占交易額的18%~20%。

基本上,美國最流行的外賣披薩,配送費占商品金額20%左右,一個披薩15.99美元,配送費3.99美元。2007年,達美樂外送了價值109億美元的披薩,雖在這幾年略有下滑,但也有近百億美元銷售額。它符合美國業已成體系的配送領域的特點:單品價格高;佣金/商品額在20%以上;易打包配送,一盒盒披薩往上疊即可。

和提供正餐、披薩的餐廳不同,星巴克美國大杯拿鐵不到4美元、美式更便宜。如果點一杯咖啡,運費很可能比咖啡還貴。

作為對比,星巴克中國9元人民幣的運費雖已比其他外賣貴,但依然不到大杯拿鐵的1/3。

把外賣經驗複製到美國,是件挺難的事。

本文授權轉載自:好奇心日報

關鍵字: #外送服務
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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
台達電全解讀
© 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