孫正義帶滴滴出行攻進日本,如何用中國技術挑戰台幣4,000億規模的打車市場?
孫正義帶滴滴出行攻進日本,如何用中國技術挑戰台幣4,000億規模的打車市場?
2019.12.18 | 創業活動

滴滴出行日本(DiDi Mobility Japan)是由孫正義帶領的日本軟銀集團(Softbank)與滴滴出行於2018年6月成立的合資企業,兩家公司分別持股50%。

12月3日,中日旅遊文化商務促進會和日本最大旅行社集團株式會社JTB共同舉辦的「中日旅遊合作高峰論壇2019」在東京召開。滴滴出行日本事業開發本部長Eric Wei(魏嘉宏)、百度日本CEO張成煥等人,以「中國技術(MaaS・電子支付・大數據)如何促進日本地方振興」為題,進行了圓桌討論。

論壇結束後,36Kr Japan記者獨家採訪了Eric Wei,請他分享了滴滴出行日本的現狀和未來規劃。

DIDI.jpg
Eric Wei 在中日旅遊合作高峰論壇2019的圓桌討論後接受采訪
圖/ 36氪

採訪節選:

Q:滴滴出行日本自2018年成立,短短一年已經擴大到100多名員工的規模。請問當前的團隊結構是如何的?

A:叫車平台是我們的主要業務,現在一半以上的人員都是面向車企的銷售。目前我們已經與全日本400多家租車公司建立了合作關係。此外,公關和市場部門、(計程車公司以外的)B端合作部門,客戶服務中心等都發揮著重要作用。

Q:所以開發團隊都在中國對嗎?

A:是的,日本沒有直接的開發團隊。我們有專業的產品經理負責分析日本市場的特徵並深度挖掘客戶需求,然後將必要信息傳達給工程師團隊,共同實現產品的開發。

Q:日本是個蠻特殊的市場,與中國市場的差異也非常大的。你們進入日本市場時遇到的最大障礙是什麼?

A:確實不一樣。這就是為什麼我始終認為推進「本地化」至關重要。
在中國,滴滴司機的平均年齡在30歲左右。他們都習慣於使用智慧型手機,只需要讓他們下載滴滴的應用程序,就可以開始使用服務。但是日本司機的平均年齡達到了59歲,有些年長的人在手機這樣比較小的螢幕上閱讀文本比較困難。於是我們重新設計了系統,為日本的司機導入了8英吋平板電腦。此外,我們也盡量把作業系統的界面設計得更為簡單,以便他們可以更輕鬆地使用軟體。

Q:說到打車平台服務,現在除了DeNA(日本最大的遊戲和電子商務公司之一)營運的MOV,索尼旗下品牌S.RIDE,最具規模的服務商應該是Japan Taxi。Japan Taxi背靠日本最大的計程車營運商,我想它會成為滴滴非常強大的競爭對手。在這個同質化比較嚴重的市場中,滴滴的優勢是什麼呢?

A:首先,Japan Taxi是一家計程車管理公司,而我們是平台提供商。我認為Japan Taxi的服務更偏向B端,他們希望把曾經的電話叫車模式轉化到手機上。但滴滴的宗旨是服務C端用戶,我們想要為用戶提供前所未有的行動體驗(此句也是滴滴出行日本的slogan)。

我們會定期對乘客和司機進行調研,收集和分析客戶的聲音。這裡我舉兩個例子。日本人有個特點,他們很喜歡積分卡。我們也聽到了用戶「乘車沒有積分嗎?」的聲音,隨即引入了乘車積分的機制。我們最高等級的積分會有3%的回饋,比一般信用卡都高,所以迴響很好。這個機制在中國在巴西都沒有,僅在日本提供。

第二,日本的很多計程車司機有佩戴手套的習慣。帶著手套使用觸控螢幕很不方便,因此我們在程序中加入了語音識別功能。當司機從乘客那裡收到訂單時,無需手動操作智慧型手機或平板電腦螢幕即可完成接單任務。

雖然滴滴是來自中國的服務,但我們認識到想在日本取得成功,本土化才是關鍵。

Q:毫無疑問,軟銀和滴滴都是高科技公司。特別是滴滴有5.5億用戶的行動數據,造就了它世界頂級水平的AI技術和成熟的平台系統。作為兩者的合資公司,除了技術支援外,您對兩家公司的期望是什麼?

A:他們都有大量的用戶。軟銀在日本擁有4,000萬手機用戶,滴滴在世界上擁有超過5億以上的用戶。這些用戶即使只轉化十分之一,都是非常大的數字。更多的用戶會讓我們有能力在日本創建一個更好的平台並提供更好的服務。

Q:中國的計程車是「低單價高頻率」,但是日本正好相反,價格昂貴,大部分人都不會首選打車。您真的覺得滴滴可以打開日本市場嗎?

A:確實,僅以每公里計算,日本的計程車單價是世界上最貴的。不過,在日本我們的目標不是讓計程車變便宜,讓更多的人去乘坐。日本的計程車市場規模超過1兆6000萬日元(約新台幣4,405億元),我們目前的首要任務是改善已有用戶的出行體驗。比如,無論何時何地都可以輕鬆打到車,再者就是付款方式的多樣化等。要知道,在日本只有40%的計程車能使用刷卡機⋯⋯如果解決了支付問題,對赴日的外國遊客也更友好。從長遠來看,市場份額還會繼續增加。

另外,我們也在考慮推出拼車服務。尤其是在日本地方城市(農村),計程車的供應數量本來就少,透過我們的平台進行匹配,可以更有效地用車並降低乘車成本。

Q:在地方推出拼車服務是個好主意,感覺那裡確實有難打車的問題。最後一個問題,說說今後的計劃吧。

A:首先,我們最近成立了廣告部門。第一步,我們將從12月9日開始在計程車上展開行動電視廣告服務DiDiTV。透過O2O廣告模式來增加營收,促進司機的收入或降低乘車費用。

然後,我們將強化電子支付的推廣和高精度地圖的開發。除了與PayPay(相當於日本的Alipay)合作,我們還將繼續擴展我們的支付商渠道。另外,在日本市場上還沒有最好的地圖服務商,我們將與Zenrin(日本最大的地圖出版商,也為Google日本等提供地圖服務)一起開發符合滴滴要求的地圖服務。

本文授權轉載自:36氪

關鍵字: #軟銀 #滴滴出行
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