願景基金投資失利燒掉3兆日圓!軟銀創史上最大虧損,下步怎麼走?
願景基金投資失利燒掉3兆日圓!軟銀創史上最大虧損,下步怎麼走?

這波經濟動盪下,日本軟銀毫無疑問是最大的輸家之一。不僅虧損超過3兆日圓創下歷史新高,如今為了止血接連出售阿里巴巴、Uber的股份,也像黯然轉移公司的重心,離開創投這個傷心地。

去年好不容易從疫情地獄爬回來的軟銀,現在看來又再次墜入了萬丈深淵。本週公佈的4至7月財報中,軟銀營收為1.57兆日圓,較去年同期的1.48兆日圓成長6.3%,然而卻從原本超過9,300億日圓的獲利成績,變成虧損3.29兆日圓。

這是軟銀有史以來最慘烈的虧損,且與上一季約1.46兆日圓的虧損相比更是直接翻倍,創下成立30多年來最嚴重的赤字。

願景基金重挫,軟銀出售Uber、阿里巴巴股份止血

而創下鉅額虧損的罪魁禍首,便是軟銀總投資金額超過1,000億美元的願景基金。願景基金業務整體虧損2.9兆日圓以上,軟銀指出這些虧損主要是來自對投資組合中,公開交易公司投資變現。

由於通貨膨脹、利率上升引發全球經濟衰退擔憂,加劇了全球股價下跌的趨勢,也使得這些公司的股價有所下滑。

最惹外界關注的是,軟銀在這個季度以每股41.17美元的價格出清了Uber股份。軟銀聲稱,Uber股份平均每股成本為34.5美元,因此這次出售也能為公司帶來一些收益,但沒有透露實際創造多少收入。

Uber
願景基金的嚴重虧損,也讓軟銀選擇出售Uber等企業的股份來挽回財務狀況。
圖/ Viktor Avdeev on Unsplash

早在2017年,軟銀就已經對Uber投資超過10億美元,並隨著2018、2019年的加碼投資,更直接成為了Uber的最大股東。去年Uber股價高漲時,軟銀就出售了約3分之1的股票套現,而現在願景基金遭遇重創之際,更乾脆出清持股彌補虧損。

根據《CNBC》報導,軟銀出清Uber持股是為了彌補滴滴與阿里巴巴的投資虧損。滴滴去年一上市便遭中國政府審查,服務被強制下架外,也暫停新用戶註冊,股價因此在過去一年內下跌近70%。

阿里巴巴曾是軟銀最知名的投資戰果,但同樣遭受中國政府的打擊,過去一年裡股價同樣下跌超過50%,且阿里巴巴的業績成長開始放緩,去年雙11的交易額僅成長8.5%,創下10年來最低的上升幅度。

軟銀沒有透露出售Uber股票的營收總和,包括Uber、Opendoor、Guardant、貝殼等多家新創的持股在內,4至7月季度內出售的股票總計為公司創造56億美元獲利。

另外,軟銀也利用遠期合約在這一季出售了部份阿里巴巴股份,獲得超過100億美元現金。遠期合約是約定未來某個時間,按照商定價格交易的合約,這種作法讓軟銀能繼續持有阿里巴巴股份,並藉此籌措現金,未來也有機會買回。

《金融時報》指出,軟銀在2022年已經透過這種方法籌措超過200億美元的資金,另外這也代表軟銀憑借早期投資阿里巴巴成功,進而發展起來的時代即將落幕。

2020年時,軟銀曾因為WeWork上市失敗、新冠肺炎爆發等影響,一度陷入高額虧損當中,當時軟銀執行長孫正義承諾,未來他們在投資時會更加謹慎。

然而《華爾街日報》指出,去年經濟回暖時,孫正義開始要求對新創公司進行更大手筆的投資,總計向183家公司投資逾380億美元,是創投領域單年投資最高紀錄。

但這也導致軟銀的入股也因此買在高點,邁入2022年後,俄烏戰爭、美元加息、經濟衰退接踵而至,讓軟銀損失慘重。

願景基金人事動盪,孫正義開始轉移公司重心

而慘烈的投資成果,自然也為軟銀帶來劇烈的人事動盪。財報正式公佈前幾天,《彭博社》披露從2020年3月至今,軟銀已經有超過10位高管離職。前陣子兩位合夥人Yanni Pipilis、Munish Varma即將離職。

願景基金執行長Rajeev Misra也傳出正在淡出軟銀,有意離開公司發展自己的事業。事實上,就有內部消息指出,Rajeev Misra已經退出第二期願景基金,僅負責第一期基金。

另外,這次公佈季度成績後,孫正義也宣佈將縮減願景基金部門的員工人數,但還未公佈具體裁員的比例,或在何時實施裁員。

Arm_shutterstock_1661905603拷貝.jpg
有消息指出孫正義逐漸將公司重心從願景基金轉移到Arm等其他方向,計畫今年登場的上市計畫,更是受到關注。
圖/ Shutterstock

《彭博社》引述消息人士的說法,聲稱孫正義開始逐漸調整公司方向,將公司的重心從願景基金轉移到Arm等新的方向。在各家科技公司開始投入自研晶片的趨勢下,Arm也被寄予帶來高回報的厚望。

Arm今年第二季財報中,營收為7.19億美元,較去年成長6%,包含4.53億美元晶片授權費用收入,較去年成長22%,也創下歷史新高。

同時這一季搭載Arm架構晶片的產品出貨數達到74億部,是第四個突破70億大關的季度。Arm指出,這代表Arm在汽車等多元領域的布局已逐漸取得成果。

軟銀正積極籌備Arm的上市計畫,孫正義曾稱這會是半導體產業史上最重要的上市計畫,目前他們希望能重新為Arm定位,降低營運成本提高獲利,促進投資的吸引力。在軟銀的規劃中,Arm上市時的估值將達到600億美元。

資料來源:CNBC金融時報軟銀BloombergTheRegister

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