foodpanda、Uber Eats策略差異化，45歲成分水嶺！台灣外送平台大調查|數位時代 BusinessNext

台灣外送平台大調查！foodpanda還是龍頭，這兩個年齡層使用度超過77%

整體而言，有71%網友使用外送服務，較2022年略減2.3%。

foodpanda為所有年齡層常用第一名，且18-25歲、36-45歲使用度超過77%；56-65歲族群在Uber Eats常用度為全年齡層最高、36-45歲常用度最低。

外送平台使用習慣M型化！訂閱會員數變多了，但消極用戶更傾向回歸實體

不同年齡使用者之中，26-35歲、46-55歲皆有逾四成訂閱會員，且46-55歲在2023年新訂戶增加近一成，為全年齡層成長漲幅最大。資深產業分析師胡自立分析，整體訂閱會員有增加態勢，然而消極用戶也同步增加，外送市場正逐漸走向M型化，積極用戶、會員將更傾向加入訂閱與持續使用服務、消極用戶將更傾向回歸實體，甚至取消原有訂閱。

外送平台訂閱會員面貌解析：6成外送平均金額超過300元，購買品項更多元

進一步分析會員行為，資策會MIC表示，會員在金額、品項等都有更強的消費潛力，有六成會員外送平均金額超過300元，比例較非會員高13.8%；除此，購買品項更多元，除了餐飲熟食，其他品項也有兩到三成不等的常用度，且外送生鮮雜貨、生活用品較2022年小幅成長。相對的，非會員高度集中在餐飲熟食，且其他品項常用度皆不到一成五。

外送平台會員經營策略：AI優化體驗、強化非餐飲熱食品項

資深產業分析師胡自立表示，針對會員經營，建議業者可考量運用生成式AI優化會員體驗，如根據個人飲食偏好、過往訂單與所在位置等，回饋會員符合偏好的菜單料理與餐廳，或結合AI聊天機器人，快速精準生成回覆用戶問題。

展望2024年，胡自立表示，業者除了強化會員體驗，也應持續強化非餐飲熟食品項、提高客單價。觀察2023年外送品項，可發現餐飲熟食與其他品項差距依舊高達六成，而生鮮雜貨、生活用品相對具需求潛力，也是業者應持續耕耘的品項。

外送支付工具，信用卡、行動支付哪種最常用？

分析客單價，可發現年長者平均外送金額高，然而使用頻率較年輕族群低；年輕族群則是使用頻率高。然而調查顯示，18-35歲用戶有超過九成平均每次外送金額未達600元，如何提升年輕族群客單價，以及提升年長族群黏著度都是關鍵課題。

針對支付工具，2023年有明顯變化，55.9%消費者常用信用卡結帳、46.5%常用行動支付，相較2022年68.8%消費者常用信用卡、31.4%常用行動支付，兩大支付工具差距已從將近四成縮小至9.4%，其中行動支付成長高達15.1%，無論會員與否，以行動支付結帳比例皆明顯增加，也顯示出隨著行動支付的日漸普及而帶動外送平台的付款偏好。

責任編輯：林美欣

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。

台灣外送平台大調查：foodpanda、Uber Eats策略差異化，45歲成分水嶺！