SaaS新星Monday成軍不到10年拚IPO，但這間以色列新創還有哪先關卡要過？|數位時代 BusinessNext

SaaS新星Monday成軍不到10年拚IPO，但這間以色列新創還有哪先關卡要過？

來自以色列的新創Monday.com，透過SaaS與訂閱制模式，為各企業提供工作流程管理服務。成立不到10年便提交上市申請，但風光背後還有哪些隱憂？

疫情＋數位轉型，工作流程管理系統異軍突起

為何這種與工作流程有關的平台，近年在B2B市場異軍突起？原因在於，雖然像是Salesforce或SAP這種系統大廠，確實提供從訂單、生產、行銷自動化、CRM到客服近乎一條龍的服務；但企業採購系統時往往是分段進行，基於不同時期與環境的考量下，很可能會發生「一家公司、多套軟體」的狀況。這時系統間的資料串接，以及系統與傳統流程的整合，往往會造成開發端相當大的成本。

因此如Monday.com這類整合公司業務及第三方服務的平台類產品，讓企業無須自行開發，或是以相對低度施工成本，在單一平台串連相關的系統與工作流程。再加上新冠疫情推波助瀾，進而成為中小型企業快速數位轉型的解決方案之一。

從數字上來看，確實帶來不少業績。對於一家需獲取穩定經常性現金的SaaS公司，獲客數與因客戶數而來的經常性收入是最重要的指標。根據Monday.com提交的F-1表格，在2020年ARR逾5萬美元的客戶數，從前一年的76家增加到264家。營收也從0.78億美元提升至1.6億美元。

競爭者多＋財務失衡成最大隱憂

不過，據Seeking Alpha專欄作家Donovan Jones分析，雖然Monday.com營收表現亮眼，但 目前最大的風險在於為數眾多的競爭者 。除了更早切入企業溝通市場的Slack、Asana，另外還有同樣提供工作管理模板的Airtable與Notion，也搭上疫情帶來的遠端工作趨勢，營收分別來到0.33億與0.13億美元，都是不可忽視的後起之秀。

此外，Donovan Jones認為 財務風險同樣不能輕忽 。攤開財務報表，雖然Monday.com營運翻倍成長，但營運費用也是同步膨脹。其中最大宗的業務與行銷費用，不論是2019年的1.18億美元或2020年的1.91億美元，都大於該年度的總營收——這對於投資人而言，恐怕對財務管控的評價大打折扣。

正是因為SaaS類型的新創企業，為了搶佔市占率與營收，會發生客戶數與行銷成本同步飆升，犧牲利潤率。因此要衡量SaaS體質，美國企業家Tim Feld提出「 40法則 」，也就是 「營收成長率」加上「營業利潤率」大於40%的公司，才是較為健康的SaaS公司 。

以Monday.com今年第一季的成績，營收年成長率85%加上EBITDA（未計利息、税項、折舊及攤銷前的利潤）為負64%，為21%，顯見在利潤率與營收的平衡上，仍有改善空間。

但營運端似乎已意識到財務面的危機，從2019年至今，業務與行銷費用占營收比例已經從151.8%降到118.8%，今年第一季更是來到106.9%。另外現金持續外流的狀況也有改善，今年第一季自有現金流為負159.5萬美元，去年同期則為負595.9萬美元。

資料來源：Protocol、Seeking Alpha、SEC
責任編輯：文潔琳、蕭閔云

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。