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。

曾是台灣製造業重要根基的塑膠射出產業，如今正面臨人才斷層危機。尤其桃園聚集大量工業區與製造業者，老師傅退休、新人才接不上的現況，更是許多工廠正在面對的現實難題。

從汽車零組件、網通設備、醫療器材到半導體載具，許多產品都離不開射出成型。智穎智能創辦人暨執行長張詠翔指出，全球塑膠射出市場規模超過 3000 億美元，每年仍以約 3% 至 4% 的幅度成長。需求並未消失，只是製造基地從台灣、中國逐步往東南亞等地移動。但機器可以搬、訂單可以轉，老師傅數十年累積的經驗卻很難複製。

這道人才缺口，正是 2020 年成立的智穎智能切入市場的機會。團隊從桃園中原大學的研究能量出發，歷經近十年研究與工廠驗證，嘗試把老師傅腦中的射出經驗，轉化成可以計算、保存與持續學習的 AI 模型，解決產業第一線面對到的挑戰。

把老師傅經驗交給 AI，射出成型從「導航」走向「自駕」

「餐廳沒有廚師是不行的。有再好的設備，不會做的人還是會把它做失敗。」張詠翔如此比喻射出成型的技術門檻。當模具完成後，生產現場仍得依產品、材料與機台特性，調整溫度、速度、壓力、位置等條件；即使使用同一種塑料，不同產品的調整方式也可能完全不同。

而老師傅的珍貴之處，不只是記住參數，而是知道面對材料、機台與環境變化時如何修正。智穎智能要做的，就是把這些難以傳承的「火候」拆解成可以運算的製程邏輯。目前其 AI 解決方案已應用於超過 200 種材料、50 多種產品類型。

把老師傅的經驗轉化為製程邏輯後，第一步就是讓 AI 協助操作人員找到合適的成型條件。智穎智能為此開發智能成型導引系統，工廠只要輸入材料、機台規格、產品尺寸等資訊，sMolding 便能計算第一組成型參數；若試模後出現產品缺陷，再由 sTroubleshooting 提供修正建議。

「它就像導航。我今天告訴你要從 A 點到 B 點，但不知道路怎麼走，導航會把路徑算給你。」張詠翔說。對射出成型而言，這條「路徑」就是溫度、速度、壓力與位置等參數如何組合。以半導體載具試模為例，傳統方式需 7.5 小時，導入系統後縮短至 2 小時，材料使用量從 23 公斤降至 8.7 公斤，整體試模成本降低 64%。

但找到正確參數只是第一步，真正進入量產後，工廠面對的「路況」還會持續改變。溫溼度、材料批次與機台耗損，都可能讓原本設定好的製程條件產生偏移。智穎智能因此進一步開發 StabMolding 成型穩定模組，透過射出壓力數據持續監控品質，並依生產狀態自動補償關鍵參數。換言之，AI 不只在試模階段提供一條正確的「導航路徑」，進入量產後還能因應製程變化持續修正，進一步朝「自駕」邁進。

從產線驗證到海外布局，桃園如何助攻智穎智能跨過0到1？

但要讓 AI 真正走進工廠，智穎智能採取 SaaS 訂閱模式，將核心運算留在雲端持續學習與更新，降低中小型製造商一次投入大量資金的門檻。另一項差異則是「跨廠牌」。現實中的射出工廠往往同時擁有台灣、日本、歐洲不同品牌與年份的設備，因此智穎智能的方案既能導入既有設備，也能與射出機、控制器業者合作，在新機出廠時直接整合。「一個工廠不會只有一個廠牌，就像你家的車庫不會永遠只放同一品牌的車。」張詠翔說。

對智穎智能而言，AI 真正走進製造現場的關鍵，在於不同世代、不同品牌的設備都能導入。只是對工業 AI 而言，降低導入門檻還不夠，更關鍵的是能否取得真實產線反覆驗證。對從中原大學研究成果衍生創立的智穎智能而言，桃園不只是公司所在地，也提供了技術走向市場的第一塊試驗場。「對新創來說，第一個就是要經費、要人才、要場域，再來就是客戶與合作夥伴資源。」張詠翔說。

成立初期，團隊透過桃園市政府研發補助、新創競賽與基地進駐等資源，降低早期研發與營運負擔。更重要的是，桃園密集的製造業聚落，本身就是智穎智能最直接的潛在市場。透過市府串聯工業區與在地企業，智穎智能在創業初期接觸到位於桃園的「良器」，成為公司第一個客戶。從概念驗證、產品調整到實際導入，合作一路延續至今。對必須進入產線反覆驗證才能成熟的工業 AI 而言，第一個願意開放場域的客戶，意義遠超過第一筆營收。

如今，從桃園製造現場磨出的解決方案也開始往海外走。「日本這一次，完完全全都是桃園市政府帶著我們去做這件事情。」張詠翔表示，透過市府帶領團隊前往日本神戶，智穎智能接觸當地官方與企業資源。在市府引薦下，團隊成功對接了神戶知名加速器，更取得日方針對外資新創設立公司與拓展市場的兩階段實質補助資訊。目前團隊正籌備日本布局，為下一階段海外市場拓展做準備。

AI 解決「怎麼生產」後，下一步是「替誰生產」

當 AI 開始解決「怎麼生產」，張詠翔看到的下一個問題，是「替誰生產」。部分製造商提高生產效率後反過來問他，如果我的產能多了 20%，但沒有多 20% 的訂單，我何必要做那麼快？

這個問題催生了智穎智能下一階段的製造媒合平台構想。隨著供應鏈分散至不同國家，品牌要在海外重新尋找符合特定規範與製程能力的供應商，也愈來愈困難。團隊因此希望串聯既有使用 AI 方案的製造商，讓品牌端能依條件尋找供應商，也讓製造端的閒置產能有機會被看見。團隊預計 2027 年上半年推進平台服務，初期規劃串聯超過 200 家製造商與破千台機器。

從中原大學的研究，到桃園工廠提供第一個實際驗證場域；從把老師傅經驗變成 AI「導航」，再走向能自行修正製程的「自駕」，智穎智能試圖數位化的，是製造業最難被保存的資產：人的經驗。而當全球供應鏈持續移動、製造基地愈來愈分散，這套從桃園工廠磨出的 AI，下一步不只要替老師傅找到數位接班人，也要重新連結散落全球的製造能力。
而「Meet 桃園+」也期盼持續透過計畫的媒體報導與宣傳資源，將更多像智穎智能這樣扎根在地、走出海外的創業故事傳遞出去，讓外界看見桃園豐沛且具實戰力的創新動能。