滴滴從紐約下市股東一面倒支持!上海媒體評:自食其果,早有苗頭
滴滴從紐約下市股東一面倒支持!上海媒體評:自食其果,早有苗頭

中國叫車平台龍頭滴滴才在美國上市不到一年,在5月23日所召開的臨時股東大會上股東以96.26%贊成比例支持滴滴從紐約證券交易所退市,目的為回應中國監管機關所發出的警告,希望可以藉此恢復中國市場的營運。

中國政府在滴滴進行首次公開募股後展開了網路安全調查,中國國家互聯網信息辦公室除了從應用商店下架滴滴旗下的26個應用程式外,還以國家安全和公共利益為由禁止滴滴讓新用戶註冊,滴滴好不容易在美國上市,股價卻不斷下跌,自去(2021)年6月底公開募股至今,滴滴的股價已經下跌約90%,其中起始交易價為14美元,市值蒸發了約600億美元。

在本次的決策中,包括滴滴出行的創始人、共同持有公司約10%股份的高階主管和有阿里巴巴、騰訊集團等投資人在內的董事會皆一致同意退市這個決定,因為來自北京的制裁替滴滴帶來了營運危機,除了收入減少和虧損擴大以外,裁員更讓公司士氣變得低落。

截至今年4月底為止,滴滴在市場上流通的股數有12億股,而其中出席臨時股東會的股東們持有著約8.1144億股,最後以極高的贊成比例同意滴滴的退市計畫,綠山資本董事長Thomas Hayes表示如果股東堅持和中國政府唱反調,他們將會面臨更多的苦難。

滴滴出行.jpeg
滴滴的股東們普遍認為從美國退市會是權宜之計,和中國政府硬碰硬沒有好處。
圖/ Didi Global via Facebook

目前滴滴已經通過股東會的決議,並發布聲明表示計畫在6月2日將相關文件交給美國證券交易委員會,退市程序將會在1至2個月內完成,股東也希望從美國退市可以平息和中國政府間的衝突,讓滴滴可以開始準備在香港上市。

不過滴滴對於從紐約退市以後,在香港上市的時程安排以及是否能順利成功尚未做出承諾,Bernstein分析師Cherry Leung認為在中國的網路安全調查結束以前,滴滴還是會處於僵局狀態,而且就算來自中國政府施加的壓力受到解決,滴滴仍須面對美國投資者的集體訴訟,以及滴滴叫車的業務是否合乎規定的問題,這些都將成為未來滴滴準備在香港上市過程中的阻礙。

《上海證券報》在23日一篇「滴滴敗局:去年無聲上市,如今黯然退市」的評論文章表示,滴滴如今App被整改下架、司機轉投別家、全線業務裁員,其脫離監管紅線的野蠻生長,終究自食其果。

文中指出,希望此次下市,能真正讓滴滴在各個方面躬身自省,回歸「正軌」。

參考資料:BloombergReutersFinancial TimesSouth China Morning Post

責任編輯:吳秀樺

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

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
一次搞懂Vibe Coding
© 2025 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