從賣鞋子到賣 GPU：Allbirds 的極限轉身

> Meta Shift

想像一下你是 Allbirds 的 CEO，手上拿著公司最後一次董事會的會議記錄。上面寫著：鞋子事業賣了 3900 萬美金，公司帳上還有現金，股票代碼 "BIRD" 還在 Nasdaq 上交易。然後你要跟投資人說：「我們決定不做鞋子了，要做 AI GPU 租賃。」

這不是開玩笑，這是 2026 年 4 月真實發生的事。Allbirds 把整個鞋子品牌和資產打包賣給 American Exchange Group，然後宣布公司改名叫 NewBird AI，要做「fully integrated GPU-as-a-Service」。從羊毛鞋到運算晶片，我是覺得這轉得有點誇張。

那些年，我們一起穿過的 Allbirds

Allbirds 在 2016 年創立的時候，確實是個很聰明的 idea。創辦人 Tim Brown 和 Joey Zwillinger 看準了永續材料這個市場空缺，用美麗諾羊毛做鞋子，主打舒適、環保、簡約設計。最重要的是，他們抓住了矽谷 tech bros 的心 — 那些 Google、Facebook 工程師穿著 Allbirds 去上班，彷彿這雙鞋就是「我很在意環保但又很有品味」的身份象徵。

2021 年 IPO 的時候，Allbirds 估值達到 22 億美金，股價一度衝到 32 美金（來源：TechCrunch）。但好景不長，疫情後消費習慣改變，再加上永續時尚市場競爭激烈，Nike、Adidas 這些大廠也開始做環保材料，Allbirds 的護城河就沒那麼深了。

到了 2024 年，股價已經跌到個位數，公司開始裁員、關店、尋求轉型。說實話，從一個 $2.2B 的獨角獸變成要賣掉核心事業的狀況，這落差確實很殘酷。但這就是消費品牌的現實 — 你的 moat 其實很容易被複製。

3900 萬的算盤

賣掉鞋子事業拿到 3900 萬，老實說這數字不算高。對比當年 22 億的估值，這大概是 1.7% 的價值回收。但關鍵不是這筆錢有多少，而是 Allbirds 的管理團隊看到了什麼。

首先，保留上市公司的殼是個聰明的決定。在 Nasdaq 維持交易資格本身就有價值，re-listing 的成本和時間都很高。其次，AI infrastructure 確實是現在最熱的賽道之一。GPU 供不應求，大家都在搶 H100、A100，如果你能提供 GPU-as-a-Service，確實有商業機會。

NewBird AI 宣布拿到 5000 萬的投資（convertible financing facility），這比賣鞋子的錢還多。投資人的邏輯很明確：AI compute 的需求在爆炸性成長，而且這是 B2B 生意，比 B2C 的鞋子穩定多了。

但這決策也有很大的風險。管理團隊從消費品跳到 AI infrastructure，這中間的 domain knowledge gap 不是開玩笑的。你要懂 GPU 集群管理、data center 營運、enterprise sales，這些都跟賣鞋子完全不同。而且 GPU 租賃市場已經有 AWS、Google Cloud、Azure 這些大玩家，新進者要怎麼切出市場？

歷史總是押韻的

這種極限轉型其實有先例。2017 年 Long Island Iced Tea 公司改名叫 Long Blockchain Corp，股價直接漲了 275%（來源：TechCrunch）。但一年後 Nasdaq 就把他們下市了，因為區塊鏈泡沫破了，公司根本沒有實質的 blockchain 業務。

Allbirds 的情況會不會一樣？我覺得有幾個關鍵差異。首先，AI compute 的需求是真實存在的，不像 2017 年那些空殼區塊鏈公司。其次，Allbirds 確實有 5000 萬現金要去買 GPU 資產，不是純粹的概念炒作。

但問題是執行力。GPU-as-a-Service 不是買一堆 H100 放在機房就完事，你要處理散熱、電力、網路、安全、監控、客戶支援…這些都需要專業團隊。Allbirds 現在的管理層有這個能力嗎？還是他們打算全部外包？

從投資角度來看，這更像是一個 special situation。如果你相信 AI compute 市場會繼續爆發，而且 NewBird AI 能找到對的團隊來執行，那確實有 upside。但如果執行不力，這就是另一個 Long Island Iced Tea 的故事。

對工程師的啟發

這件事讓我想到的是：產業變化的速度真的太快了。三年前誰想得到賣鞋子的公司會去做 GPU 租賃？

如果你是軟體工程師，特別是在做 AI/ML 的，我覺得值得注意幾個點：

第一，GPU compute 的供需缺口確實存在。大模型訓練、inference scaling、multimodal AI，這些都需要大量算力。如果你有相關經驗（CUDA programming、distributed computing、cluster management），市場價值會越來越高。

第二，不要小看 infrastructure play。大家都在關注 OpenAI、Anthropic 這些 model company，但真正賺到錢的可能是賣鏟子的人。NVIDIA 就是最好的例子。

第三，商業模式轉型的風險。技術可以學，但 go-to-market 和 customer acquisition 是完全不同的遊戲。Allbirds 從 B2C 跳到 B2B enterprise，這中間的 learning curve 會很陡。

我個人是覺得這個轉型太激進了。如果是我，可能會先做一些相關的 adjacency，比如 AI-powered supply chain optimization 或是 sustainability analytics，至少跟原本的 domain knowledge 有點連結。直接跳到 GPU infrastructure 感覺像是在賭博。