兩年活躍用戶翻5倍，叫車龍頭Uber正式申請IPO|數位時代 BusinessNext

用戶兩年翻5倍，但仍面臨虧損

Uber在對外公開的S-1文件中，公佈了2018年財報，讓外界得以一窺Uber目前的資金狀況與經營方向。儘管身為一家尚未上市的企業，這並不是Uber首度向大眾透露營運狀況，但民眾與投資者可藉由這份報告，看出叫車巨頭的發展趨勢。

Uber 2018年的總營收達到112.7億美元，與2017年79.3億美元的營收相比，成長幅度達42%；若聚焦叫車服務方面的收入，則在2年內從35億美元成長到92億美元，不過調整後的EBITDA（稅息折舊攤銷前利潤）仍虧損18億美元，但相比2017年調整後EBITDA約26億美元的虧損，可看出營運狀況正逐漸好轉。

在用戶數量方面，Uber月活躍使用者也從2016第一季的1,900萬人，成長至2018年第四季的9,100萬人。整個2018年度的活躍使用者，較2017年度上升約35%，第四季總乘車次數也來到近15億次。按照Uber的估計，在63個服務地區之中，約有2%人口是Uber的活躍使用者。

統計資料顯示出，民眾似乎越來越接受使用Uber作為短程代步工具，2018年總乘車次數上升了34%，不過平均乘車金額卻略微下滑了1%；去年第四季每位使用者單月乘車次數平均達5.5次。

軟銀為背後主要資金來源，Alphabet也是大股東

長達上百頁的募股說明書中，也揭露目前Uber背後資金提供者，其最大股東為軟銀願景基金旗下的SB Cayman 2，擁有16.3%的股份，其次則是美國創投公司基準資本（Benchmark Capital Partners），持股比例為11%，前Uber執行長卡拉尼克（Travis Kalanick）則以8.6%持股位列第3。

值得一提的是，儘管Google姊妹公司Waymo過去因無人車專利糾紛，與Uber對簿公堂，母公司Alphabet卻是Uber的大股東之一。Alphabet曾在2013年投資Uber 2.58億美元，持股比例約5.2%，這項投資預計將隨IPO為公司帶來近20倍的豐厚回報。

另外，Alphabet擁有的5.2%股份中，還包含Waymo與Uber的專利訴訟中，Uber向Waymo賠償的0.34%股份，約占Alphabet總持股的7%。

不忘回饋旗下司機，Uber制定獎勵方案

遍布全球的數百萬名Uber司機，對這家叫車巨頭的成功可說功不可沒，即將公開上市的Uber也為忠誠司機們訂定了一套回饋方案。今年度在4月7日前至少載客一趟，且信譽良好的司機，若總載客趟數達2,500、5,000、10,000、20,000次，可對應獲得100、500、1,000、10,000美元不等的獎金，用於購買IPO股票。

Uber與Lyft的獎勵辦法十分類似，不過Uber對載客次數沒那麼多（不足一萬趟）的司機們，也提供小額回饋，但美國海外的司機會依照當地時薪調整獎金額度。

一般而言，IPO股票會在上市後快速增值，這代表Uber給予司機的回饋，會遠大於獎金額度所示。

還有什麼值得注意？

雖然去年3月的自駕車死亡車禍引發宣然大波，卻絲毫沒有減緩Uber投入自動駕駛技術的腳步。2018年Uber共支出4.57億美元用於自駕車與飛天車相關技術研發，占公司總研究開發預算的三分之一。

Uber認為，自動駕駛技術是其未來業務拓展不可或缺的一部分，不僅能夠提高安全性、載客效率，也能創造更經濟實惠的乘車服務。目前Uber無人車團隊Uber ATG已生產250輛自駕車，並與Toyota、Volvo與戴姆勒等3家車廠擁有合作關係。

從生成式AI訓練、推論，到代理式工作流程（Agentic Workflow）與未來的實體AI，資料流量正以指數級成長，讓記憶體從過去支援運算的配角躍升為決定AI效能與能源效率的關鍵角色。

全球知名的半導體與微電子技術分析機構TechInsights指出，AI競爭正逐漸從晶片算力擴展到記憶體架構設計能力，加速「Computational Memory」等新架構興起；在這波浪潮中，深耕記憶體與儲存技術數十年的美光科技，正與關鍵夥伴展開深度協同設計，包含攜手NVIDIA共同開發適用於新世代資料中心的低功耗記憶體技術，在AI基礎建設的新賽局中成為不可或缺的關鍵。

當GPU不再是唯一主角，記憶體為何躍上AI舞台中央？

過去，半導體的焦點多圍繞在晶片，例如CPU、GPU跟AI加速器等，市場普遍認為，晶片運算能力是左右科技產業發展速度的關鍵，但在進入生成式AI世代後，產業逐漸發現另一個事實：真正限制AI效能的瓶頸不是運算，而是資料能否快速被存取與傳輸。

從大型語言模型訓練，到AI推論、代理式工作流程（Agentic Workflow），甚至未來的機器人與自駕車，龐大的資料流量正持續推升對高頻寬、低延遲、高容量記憶體的需求，讓記憶體產業從過去相對標準化、以價格競爭為主的市場，逐漸轉變為AI基礎建設的重要核心。

「仔細觀察AI應用服務會發現，大多數工作負載都被頻寬限制。」美光科技全球業務執行副總裁Mike Cordano認為，記憶體是突破（頻寬）瓶頸的關鍵，也讓AI競賽從晶片算力升級到記憶體與儲存架構的系統級競爭。這樣的產業洞察，也正是Mike在歷經二十餘年的儲存產業資歷，加上四年半的創投生涯後，選擇加入美光的核心原因之一：在AI重塑產業結構的浪潮下，記憶體將成為這波成長最直接的動能所在。

從零組件供應商到策略夥伴，記憶體共創時代來臨

AI的崛起，正在改變記憶體廠商與客戶的關係。

過去，記憶體產品多是標準化元件，客戶關注的是價格、供貨與規格；合作模式也偏向短期採購與交易導向。然而隨著AI系統規模愈來愈大，從資料中心、雲端平台到終端裝置，記憶體已經成為決定系統效能的重要關鍵，也因如此，越來越多企業將記憶體視為「策略性資產」，而非單純零組件。

Mike表示：「現在，我們跟客戶合作的時間跨度改變了，在產品正式上市前三到四年便開始合作，從系統架構階段就共同規劃未來需求。」例如，美光科技與NVIDIA共同研發的資料中心所使用的低功耗記憶體，便是雙方提前多年展開深度合作（co-design）的成果。

值得特別注意的是，美光科技除從技術層面與晶片製造商等夥伴共創產品，也在需求層面與客戶進行密切合作，例如，將過去較無約束力、期限僅一年的長期協議（LTA）轉變成為期五年、條款更具約束力的策略性客戶協議（SCA），藉此掌握客戶的未來需求，進而在技術層面做更深度的合作。Mike坦言，深度協同設計是高成本的投入，美光的做法是先廣泛進行市場感知，理解不同場域的需求方向，再與生態系統中的夥伴們展開客製化合作。

從裝置導向轉為Token導向，AI浪潮重寫記憶體成長模式

除了合作模式改變，更大的典範轉移是需求的改變。

Mike解釋，過去記憶體需求跟PC、手機跟伺服器出貨量息息相關，但在AI新世代，推動記憶體需求成長的核心不再是設備數量，而是AI模型所產生的運算與資料消耗量。「AI產業逐漸走向以『Consumption』或『Token』為主的新經濟模式，每一次的模型運算都需要消耗大量的記憶體跟儲存資源，這意味著，即使設備銷量成長趨緩，記憶體需求仍可能持續上升。」

更重要的是，AI應用正從資料中心外擴至手機、PC、自駕車與機器人等場域，儘管不同場域對記憶體的需求不盡相同，但是，Mike認為：所有AI裝置都存在三項共同需求：更快的速度、更大的容量，以及更高的能源效率。

正如Mike在受訪時提到的：「我們最大的挑戰，是如何與客戶和整個生態系保持高度一致，一方面創造供給與產能，另一方面持續推動技術創新。」可以預期，在接下來的五年，記憶體產業面臨的挑戰不僅僅是擴展產能，而是如何與客戶共同規劃需求、同步投入技術創新，而這也是美光科技積極經營AI生態體系的原因。

總的來說，AI帶來的改變，不只是算力提升，而是重新定義整個運算架構：過去，記憶體被視為支援運算的基礎元件；現在，則是決定AI效能、能源效率與創新速度的關鍵資源；當產業競爭從晶片性能延伸到資料流動效率，從裝置數量轉向Token消耗量，記憶體的重要性也將隨之水漲船高，對美光科技來說，這將是其從供應商走向AI生態系核心夥伴的關鍵角色轉變。