Uber寒冬降臨！第二季虧損逾1,600億元，這地區衰退警訊響起|數位時代 BusinessNext

盛夏未過，Uber的寒冬已經來了

Uber本季營收為31.7億美元，低於市場預測的33.6億美元，同比增長14%，也是過往最低的成長幅度；同時每股虧損4.72美元，不如外界預估的3.12美元，淨利則同比成長26%，相較過去顯著放緩。

但要說最讓投資者失望的，莫過於本季高達52億美元（約新台幣1,612億元）的虧損，其中包括39億美元的股利分紅，但就算不計這筆費用，13億美元的虧損，依舊同比增長近2倍。另外，Uber預計第三季還得再支出4.5億至5億美元的分紅費用。

上一季Uber就決定要走出價格戰的泥沼，但似乎一點也沒有緩和連年虧損的情形。科斯羅薩希指出，本季乘車趟數增長35%，7月更首度突破1億月活躍用戶，但持續加劇的虧損，仍重重打擊投資者對Uber能否營利的信心。

就在Uber發布財報的前一天，頭號勁敵Lyft也公布本季財報，其亮眼的72%營收成長，更讓Uber當日股價暴跌12%。

乘車業務發展停滯，砸重本刺激外送成長

至於Uber財報表現困窘的主因，在於核心業務共享乘車成長陷入停滯，與去年同期相比，營收成長僅2%。進一步從各地區營收表現來看，主因拉丁美洲營收縮減造成的影響。

拉丁美洲是Uber僅次於北美的主要市場，原先營收約占北美地區的1/3，然而隨著本季拉美營收下滑24%，比例也縮減至1/4。

在拉美市場碰壁，外界將其中一個原因歸咎於中國滴滴出行的大舉擴張。2018年時，滴滴收購巴西最大叫車平台99，正式涉足拉美乘車市場；今年更宣布進軍智利、哥倫比亞，擴大在拉美的業務規模。

身為Uber第二大業務的Uber Eats，本季營收則為5.95億美元，同比成長達72%；每月活躍用戶數也上升140%，且上半年總訂單數突破64億，與去年相比成長99%。

雖然Uber Eats貢獻了相當比例的營收，但外送業務也是導致Uber大規模虧損的原因之一。為了在競爭激烈的外送市場生存，Uber Eats不僅祭出多項優惠吸引消費者，也持續為司機發送業務獎勵。

最終導致的結果，便是營收、用戶成長都非常亮眼，但虧損也同樣慘不忍睹；且即便如此下重本，Uber Eats依舊沒能從DoorDash等眾多競爭者中脫穎而出。（除了無人機、「美食版Netflix」推薦系統，Uber Eats科技藍圖裡還有哪些料？）

信心喊話下半年將好轉

自今年5月正式IPO以來，Uber的表現一直非常平庸，上市當天股價就滑落7.6%，市值維持在700億美元左右，一反企業上市股價上漲的慣例，同時逐漸擴大虧損，也一再動搖投資者的信心。在急需挽回投資者信任的當下，執行長科斯羅薩希坦承，本季虧損是前所未有的沈重打擊。

實際上，Uber本季的表現早有預兆。6月時，營運長、行銷長兩位高管雙雙離去；上個月，Uber更以減少冗員為由，裁撤400名行銷部門員工。科斯羅薩希在電話會議上解釋，為了改善效率、加速公司決策，這些都是必要措施。（團隊臃腫、工作重疊！Uber史上最大裁員，將資遣行銷部門400人）

根據Uber估算，撇除分紅等一次性支出，今年虧損預估為30至32億美元。不過這個數字也令人懷疑，Uber上半年就已經虧損逾20億美元，這意謂著下半年虧損幾乎得砍半才有辦法維持在預期範圍內。

或許是為了穩固軍心，科斯羅薩希聲稱， 下半年Uber將創造30%淨營收成長 ，並表示他們對公司整體營運、商業模式有相當的了解，認為Uber不僅能擺脫虧損困境存活下來，還能逐漸壯大、拓展業務規模。

在接受外媒採訪時，科斯羅薩希更預計，未來兩年內Uber便能漸漸減少虧損，逐步邁向營利，但這不包括還在成長階段的Uber Eats，依舊得以虧損換取成長與市占率。

責任編輯：陳映璇

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。