台灣foodpanda「有3、4位買家很想要」!統一、全聯、momo都被點名,為何搶手?
台灣foodpanda「有3、4位買家很想要」!統一、全聯、momo都被點名,為何搶手?

1.台灣foodpanda目前沒有要賣給Uber Eats,但foodpanda台灣總經理說:有3、4個人來問我有沒有機會談(出售)。

2.業界人士認為,全聯、momo零售通路業者,出手可能性最高。

3.零售通路看上foodpanda的會員樣貌和高頻率的消費場景,更有機會進軍線上廣告市場;foodpanda大車隊更是能補足物流最後一哩路。

日前傳出台灣外送龍頭foodpanda要出售給Uber Eats的婚事告吹,但一段幕後故事的曝光,也揭示出後續發展的更多可能。

「(出售)消息出來的時候,不只一個人來問我,大概三、四個人都有來問我有沒有機會可以談。」foodpanda台灣總經理黃逸華日前談到這起出售事件時,顯得受寵若驚,原來自家「是這麼受歡迎的一個公司。」

雖然她強調,前述出售消息傳出後,她立刻求證德國總部,得到了「短期內不會出售」的答覆。但所謂短期,究竟是一個月、兩個月,還是一年、兩年,總部未給她明確承諾。

顯然,出售的可能性還是存在。而且就如年初統一集團,是以可轉債的方式投資Yahoo台灣,全資併購也非合作的唯一形式。更重要的是,對foodpanda感興趣的玩家確實不少。

黃逸華無法透露這些主動接觸者的資訊,但不只一位業界人士認為,應以零售通路業者出手的可能性最高。

統一、全聯、momo都被視為foodpanda潛在買家

這裡所說的零售通路不限於統一、全聯這些以實體通路為主的業者,幾大電商平台如momo、酷澎,也被認為是潛在買家。

不同於Uber Eats若接手foodpanda,主要的意義可能在於消滅競爭對手;零售通路業者出手,則有截然不同的考量。

可以從兩大面向來看foodpanda之於零售通路的價值。

會員樣貌與消費頻率具互補性

目前foodpanda主要營收來源是美食外送,這是幾大虛實零售業者還沒涉獵的市場,對營業額可以直接加分。而且在年交易額700億元的規模下,該平台已經進入穩定獲利狀態。

「我們目前在永續經營方面,是絕對不會有問題的。」黃逸華說。

但營收、獲利貢獻對通路業者還不是最重要的,因為這700億不單純只是交易數字,同時更代表巨大的會員數和交易量。

雖然7-11、全家、momo等大型零售通路,會員數都已經是千萬等級,就算foodpanda用戶數再多,也未必能讓零售通路業者在新客方面有太多收穫。但可以期待的是,藉由不同場域消費行為,可以補上消費者的不同樣貌,也可藉此增加更多與消費者接觸的機會。

舉例來說,一個消費者可能兩周才進一次全聯,但同期間內,卻可能會點六次外送,而且不一定只點餐,也可能是生鮮雜貨。透過下單金額、品項、時間、使用的支付工具等,都可以幫助通路更認識使用者。

當通路對消費者的瞭解更全面,接觸的機會也變多,就有機會賣更多東西給消費者。這個效益不會只顯現在推高零售通路本身的商品銷售業績,也有助於強化近兩年零售業相當關注的零售媒體廣告(RMN),做流量變現。

在這個新的廣告事業加持下,電商巨擘亞馬遜已是僅次於Google和Meta的美國第三大數位廣告平台;不久前,美國零售巨擘沃爾瑪以逾20億美元的金額,收購知名電視大廠Vizio,也被認為是在為此事業布局。還有在台灣,線上零售龍頭momo已從去年開始積極投入。

對低毛利的零售通路業者來說,高利潤的零售媒體廣告收入,是很好的銀彈補充。

遍布全台的龐大車隊

在互補性之外,foodpanda的第二大吸引力,是遍布全台的龐大車隊。

對電商來說,最後一哩的物流配送,一直都是重要課題,而外送平台遍布全台的車隊,就是提高配送效率很好的補強。以PChome來說,目前就在使用Uber Direct的車隊服務。

另外,從酷澎來台先推出的,是主打生鮮雜貨15分鐘送到的快電商、蝦皮先前也嘗試過發展外送業務可知,強調即時性的外送市場,對他們有一定吸引力。

而對超商、超市和量販業者來說,過去幾年在生鮮雜貨外送的嘗試更是積極,而且經過疫情推波助瀾,也確實成為這群業者搶進線上市場很好的切口。

以全聯小時達為例,去年營收規模已經達到52億元。而他們藉由小時達的活躍,又可以借勢再將隔日達等更多線上購買服務推銷給消費者。

但多數實體零售通路,不論是在foodpanda和Uber Eats上架,還是用自家平台提供外送服務,使用的,主要也都是兩大外送平台的車隊運能。

車隊是外送服務的核心,這些業者卻沒有掌握在自己手中,一個關鍵原因,就如黃逸華說的:「沒有一日三餐,你是養不起這個車隊的。」

對零售業通路來說,聘僱專職外送員的成本太高,但如果要養兼職外送員,只靠生鮮雜貨,外送需求的頻率又太低,吸引力不夠強,管理更是難題。

就算願意承擔這些成本,外送員也不是說要就有。如momo總經理谷元宏被問及是否計畫擴大自有車隊規模時,就指出一個關鍵問題:人很難找。

事實上,在人的問題之外,同時也考驗平台動態媒合的技術能力。

雖然外送平台本質上也是一種電商,但相比傳統電商,主要是媒合消費者和供應商兩端,foodpanda經營的則是複雜得多的三方關係。必須要商家、外送員、消費者,三邊達到平衡,這個平台才能轉動。

而且若能運作得好,這個龐大運能還可以不斷延伸服務項目,從送餐、生鮮雜貨,再到個人文件配送等。

一名連鎖零售通路高階主管直言,這種技術能力不是一般零售業者可以做到的。也是他們眼中相當具有含金量的一塊。

但這卻也點出零售通路要想買下foodpanda可能遇到的難題:平台後續維運與開發。

零售通路併foodpanda最大難題:平台維運

雖然foodpanda之於零售通路,確實有很多吸引人的亮點,也有創造出1加1大於2的可能,但該平台的產品研發主要在德國總部。因此接手者是否有平台維運能力,又能否持續開發、優化,都是挑戰。

而且也因為foodpanda是國際公司,除了有德國總部,也在東南亞多地營運,其系統和會員資料能否切分乾淨,該如何移轉,又可能是另一個難題。

這些問題未必不能解決,但將解決成本納入考量後,foodpanda的價值該如何認定,雙邊勢必要經歷一番拉鋸。而這可能就會是實務上,「短期」內不會出售的其中一個原因。

但目前看來,foodpanda不會只有嫁給Uber Eats這一條路,而且將來一旦成局,左右的也未必只是外送市場,還可能是更大的台灣零售版圖。

本文由商業周刊授權刊載,原文為:台灣foodpanda沒有要賣給Uber Eats,誰才是買家?

延伸閱讀:
捷運站生乳捲機台只佔2%營收,還要做?剖析亞尼克再度重押「YTM」的算盤

電價開漲,餐飲、住宿業挫咧等!小品牌會越慘越邊緣?服務業M型海嘯來了

責任編輯:林美欣

關鍵字: #foodpanda #ubereats
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

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
代理式商務連動百兆商機
© 2026 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