陸學森請辭後，Gogoro股價跌破1美元！台灣最被看好的獨角獸怎麼了？|數位時代 BusinessNext

陸學森請辭後，Gogoro股價跌破1美元！業績黯淡、累虧逾百億，台灣最被看好的獨角獸怎麼了？

Gogoro截至2023年底，帳面更已累積4.26億美元的虧損。陸學森請辭消息隔天，Gogoro股價跌破1美元，並且持續走跌，目前已來到0.6美元，

Gogoro（睿能創意）於9月13日傍晚宣布創辦人暨執行長陸學森請辭，執行長職務將由台灣總經理姜家煒暫代、潤泰集團法務長曾達夢則接任董事長。

陸學森請辭消息隔天，Gogoro股價就跌破1美元，並且持續走跌，目前已來到0.6美元，面臨自美股下市危機。截至9月19日美股收盤，Gogoro股價今年來已下挫76%。

Gogoro當年風光在那斯達克掛牌，曾經是台灣最被看好的新創事業，獲得國內外重量級產業龍頭注資，如今在資本巿場卻光采盡失，股價大跌9成，累積虧損超過百億元，市值僅餘三億美元。Gogoro到底怎麼了？最新一期《財訊》雙週刊有完整的解析。

根據《財訊》雙週刊報導，8月15日，Gogoro公布上半年財報，創辦人暨執行長陸學森開門見山地談到公司持續虧損，交車不及，導致營運狀況不符合預期。因為在今年第二季，Gogoro總營收為8090萬美元，年減7.2％；淨損為2010萬美元，比去年同期擴大虧損1450萬美元。毛利率更因平均單價降低，自去年同期的15.2％，大減至5.2％。

Gogoro財務長Bruce Aitken指出，由於台灣市場的挑戰以及國際銷售速度低於預期，因此今年第二季和全年營收，都低於先前預期。雖然Bruce Aitken也強調，上半年的營運現金流與2023年上半年相比，增加了約1000萬美元，但事實是，Gogoro從2022年4月在美國那斯達克掛牌上市以來，股價一路探底；截至9月6日收盤價1.11美元，已經從初上市時的高點14.1美元，下跌超過9成，顯示投資市場並沒有對Gogoro投下信任票。

公司中文名稱為睿能創意的Gogoro，從2011年陸學森宣布創業、潤泰集團總裁尹衍樑及宏達電董事長王雪紅個人注資的消息曝光後，就一直是台灣媒體的焦點。2015年發表第一部新車，不但迅速成為台灣電動機車龍頭品牌，也陸續引進許多國際大咖參股。最大股東尹衍樑據估算，個人及其關係企業，還有長子尹崇堯，前前後後砸進的資金已超過3億美元，可控制股權達到約50％。

華麗的股東陣容，並沒有讓Gogoro的營運表現起飛。這家公司從成立至今，營運現金流始終都是負數；截至2023年底，帳面更已累積4.26億美元的虧損，目前市值僅3.3億美元，讓市場對其未上市前認為估值可達10億美元新創獨角獸的想像，直接幻滅。

為何Gogoro業績不見起色？包括定位不明、財務規畫混亂以及股權高度集中等問題。

《財訊》雙週刊指出，Gogoro雖然營運績效不佳，其技術仍有相當價值，對台灣機車產業也有一定貢獻。但是創意和技術，是在產業競爭中的必要條件，卻不是充分條件。法人認為，Gogoro還是應該要務實面對改善營運的挑戰，降低成本創造盈餘，否則終將失去股東的支持。

延伸閱讀：
Gogoro人事大洗牌！陸學森為何無預警請辭？完整聲明一次看

陸學森辭任執行長，潤泰集團前進Gogoro團隊！首要目標是什麼？

Gogoro產品長彭明義低調辭職！利潤長、稽核長今年相繼離職，Gogoro下一步怎麼走？

本文授權轉載自：《財訊》

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。