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

上週五,Uber發布2019年第二季(4至6月)財報,然而在上市以來的第二份成績單中,這間共享乘車巨頭卻未達到投資人心目中的合格分數,導致股價重挫6.8%。

與競爭對手Lyft相比,Uber一向勇於拓展海外市場與業務範疇,不過上市後不如預期的表現,讓投資人漸失耐心,要求Uber裁撤業務的壓力,也漸漸落在執行長達拉.科斯羅薩希(Dara Khosrowshahi)肩上。

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。

uber 2019 q2 revenue
Uber本季營收為31.7億美元,同比成長14%。
圖/ Uber

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。

UBER
乘車業務在拉美地區嚴重衰退,成為本季營收成長停滯的主因。
圖/ shutterstock

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。

shutterstock_1120000325_uber eats.jpg
在Uber砸重本刺激下,Uber Eats活躍用戶數上升140%,且上半年訂單幾乎成長了1倍。
圖/ JPstock via shutterstock

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

資料來源:CNBCThe InformationNew York TimesUber

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

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
代理式商務連動百兆商機
© 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