2020年44家新進獨角獸、總估值640億！雲端、軟體服務與線上教育成新趨勢|數位時代 BusinessNext

今年44家新進獨角獸、總估值640億！雲端、軟體服務與線上教育成新趨勢

據Chrunchbase統計，2020年截至6月底，新增了44家新獨角獸，大約每3個工作天就有一間新創可以躋身獨角獸之列。

44 家新進獨角獸，帶進 640 億美元總估值

據 Chrunchbase 統計，2020 年截至 6 月底共新增了 44 家新獨角獸，大約每 3 個工作天就有一間新創儕身獨角獸之列。這批新的生力軍將獨角獸新創數量的統計數字推到高峰——目前累計有超過 600 家獨角獸新創，平均募資額為 7.35 億美元，平均估值達 33 億美元。今年估值最高的新獨角獸，分別是英國的電動車商 Arrival、由前百度工程師在美國創辦的自動駕駛公司 Pony.ai 和印度生技公司 Biocon Biologics ，其估值分別都有 30 億美元以上。

與新進獨角獸數量最多的 2018 年相比，該年度有 169 間新進獨角獸，大約每 1.5 工作天就會多一間獨角獸新創，成長速度為今年的 2 倍。2018 年新進獨角獸募估值總額高達 5140 億，募資總額達 1120 億；而 2020 年的新進獨角獸總估值為 640 億，募資總額達 120 億，落差近 10 倍。

線上教育與軟體服務大熱，疫情加速推動數位轉型

2020 的新進獨角獸當中，以線上學習與軟體服務為最新熱門獨角獸候選，2019 年最熱門的金融科技和電子商務則退居第二。

其中四家線上教育獨角獸包括：以學習者為核心，遊戲化記憶流程的線上學習工具 Quizlet，於今年完成 C 輪融資後，估值達 10 億美元；今年 E 輪融資後估值達 20 億美元的線上課程平台 Udemy ；總部位於加拿大的線上留學申請平台 ApplyBoard，也是加拿大自 2019 年加以後的第一間獨角獸；為學生提供線上學習資源，包括作業幫助、補充資料、教科書閱讀的 Course Hero，今年 B 輪募資後估值達 11 億美元。

軟體服務類則有生產力筆記工具 Notion；線上設計協作工具 Figma 可以讓軟體開發者即時共同編輯 app 的介面，以及協助中小型商家維繫顧客關係的 Podium。這些線上學習與軟體服務的新創獨角獸，或多或少都因為疫情加速了世界數位轉型而獲益，比如在疫情期間實體商家難以提供顧客線下服務，便會採用 Podium 的工具，以線上互動式訊息來提供客戶更多服務。

疫情帶來機會的同時，也嚴重衝擊世界各主要經濟體，獨角獸尋求 IPO 的腳步也緩和了下來。今年到目前為止，有五家獨角獸公司公開上市，其中包括 DraftKings 和 Nikola Motor，它們都是透過與上市公司的反向合併以達到公開上市的。有七間獨角獸被收購，金額最高的為美國柯氏工業集團（Koch Industries）以 130 億收購提供雲端服務的 Infor。

許多在疫情期間成長率飆升的企業，其實在 2019 年就在 IPO 市場有很好的表現，在疫情期間也穩定發揮，例如：Zoom、Crowdstrike、Cloudflare、Fastly等。也因此我們可以得知企業對數位轉型、雲端服務的需求並不只是因為疫情而曇花一現，2020 年的 IPO 市場也可能更加青睞提供相關服務的獨角獸。過去數月，保險科技公司 Lemonade、雲端資料公司 Snowflake、資料分析公司 Palantir Technologies，以及銀行服務系統 nCino 都紛紛尋求敲響 IPO 的大鐘。

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。」

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。