Foodpanda退出群雄割據的日本市場！分析師：外送業將在各國出現整併|數位時代 BusinessNext

德國外送業者Delivery Hero表示，由於在日本面臨激烈競爭及外送員短缺的影響，其亞洲品牌Foodpanda將退出日本市場。雖然外送市場仍持續增長，但是什麼讓進入日本市場僅一年多的Foodpanda宣布退出呢？目前各國家地區幾乎都面臨當地與全球外送公司的競爭，分析師認為，外送業者未來將經歷幾輪的整併，因此必須謹慎調整新的增長策略。

由於新冠疫情讓個國家市場對外送的需求持續成長，讓Delivery Hero在2020年9月決定透過其收購而獲得的亞洲品牌Foodpanda進入日本。Foodpanda執行長雅各布·安吉利（Jakob Angele）甚至親自坐鎮日本三個月，希望能憑藉在新加坡、台灣的成功經驗在日本快速站穩腳跟。決定退出後，Foodpanda將在明年第一季出售日本業務，預期將加速外送服務業者在各市場的整併。

Foodpanda在日本市場面競爭者中及外送員短缺的挑戰，其實在多個國家地區也同樣能看到，加上吸引新用戶和外送員的成本也與日俱增，阻礙營利能力，成為目前外送業者難以拓張市場的主要困境。日本調研機構ICT Research and Consulting在2月進行的線上調查可見，3,600 名受訪者中有428人表示使用Demae-can，同時有426人使用Uber Eat，僅有34人表示使用Foodpanda。

事實上，不僅是Foodpanda想在日本市場分一杯羹，來自美國的外送業者Doordash也透過併購芬蘭外送服務Wolt來拓展日本業務，同時中國叫車服務滴滴出行，也從日本大阪開始推出外送服務，讓日本外送服務市場的競爭逐步加劇。

在Foodpanda進入日本市場前，同樣為全球性業者的Uber Eat和日本業者Demae-can已分佔不少用戶，因此要成功突圍獲得用戶支持並不容易。目前Uber Eats在日本與13萬家餐廳和商店合作，Demae-can的合作商家也達到10家。

然而，Uber Eats和Demae-can目前財報表現仍呈現虧損狀態，Demae-can更表示截至8月的財年淨虧損已達1.8 億美元（206 億日元），面臨市場的新競爭者Foodpanda加入，三家外送廠商勢必將以常用的折扣補貼作為拉攏用戶的行銷手段，讓如履薄冰的財報更雪上加霜。

儘管在各市場的競爭激烈，但外界對行業的成長仍十分看好。根據谷歌、淡馬錫控股和貝恩公司 11 月發布的報告指出，東南亞的外送行業的總交易金額（gross merchandise value）預計將從2021年的120億美元，倍數增長至2025年的230億美元。另外，ICT Research and Consulting的報告也表示日本的外送市場規模，從2020年到2023 年之間將成長38%，達到59 億美元（6820 億日元）。

雖然外送市場仍持續成長，但Momentum Works執行長李江乾表示，外送服務是一個利潤相對較低的行業，需要建立巨大的數量和密度才能盈利，從許多市場可見容納兩個以上大型外送服務平台，基本上就分佔了該市場的利潤，因此並非所有廠商都能搶到成長的紅利，所以未來外送業者將以何策略提升營運效率就成為搶佔市場的關鍵。

例如在新加坡，就是全球性廠商Foodpanda、Deliveroo和本地廠商Grab三者間較量，另外，在印尼就是來自新加坡的Grab所推出的Grab Food和Sea推出的ShopeeFood，與印尼當地業者Gojeck推出的GoGood之間競爭。

資料來源：Nikkei Asia、Reuters

責任編輯：錢玉紘

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。