AI 食品分銷新創正在用一種反直覺的方式重寫供應鏈商業模式。新加坡的 Farmio 過去 12 個月做到 600 萬美元營收、自動化超過 55,000 筆訂單、服務 1,600 家以上 B2B 客戶，全公司只有 5 個人。柏林的 Choco 用同一套邏輯把估值做到 12 億美元，每年處理 880 萬筆訂單，連 OpenAI 都把它列為旗艦案例。2026 年 3 月 10 日，紐約的 Anchr 拿到 a16z Speedrun 領投的 580 萬美元種子輪，OpenAI 領導層個人跟投。這個市場正在進入機構押注的階段。

筆者最近在跟幾個準備創業的客戶討論 AI agent 該往哪走，他們的第一直覺都是做工具型 SaaS、做 chatbot、做 AI 寫作助手。但真正能撐起 600 萬美元年收的，反而是那些聽起來最不性感的傳產供應鏈，例如蛋商、海鮮經銷商、餐飲耗材中盤商。這篇拆的就是這條路：錢從哪來、AI 真的吃掉了哪幾個環節、想做要付出什麼代價。

為什麼是食品分銷

食品分銷是少數同時具備「剛需、高頻、每單賺錢、市場極度分散」四個特質的產業。

以新加坡為例，2024 年蛋類消費約等同 22 億顆，新加坡進口大約七成的蛋，餘下三成由本地三家蛋場供應。餐廳每天都要用，沒有「今天不買蛋」的選擇。獲得一個客戶之後的複購幾乎自動發生，每筆訂單都有毛利，這是傳統 SaaS 燒錢買成長模式的反面。

放到全球規模看，光是美國的餐飲分銷產業每年就是 4,000 億美元，Choco 估計整個全球餐飲服務（foodservice）市場大約 6 兆美元，而目前絕大多數交易仍透過紙本或手動試算表完成。IFDA 2025 年的技術基準報告對 32 家美國食品經銷商的調查指出，技術整合相容性與預算限制仍是技術導入的最大門檻。翻譯成生意人話，這個產業還沒被軟體吃掉，AI agent 第一波就有空間。

更關鍵的是市場結構。食品分銷極度本地化：紐約曼哈頓的肉商不會跟洛杉磯的肉商競爭，新加坡的蛋商不會跟雅加達的蛋商搶單。這代表這個市場不會出現贏家通吃的局面，每個城市、每個品類都可以容納各自的玩家。Choco 做到 12 億估值的時候，新加坡市場上還沒有對等的玩家；Farmio 切進去，一年做到當地第六大蛋商。

對想創業的人來說，這是一個少見的「市場容量很大、競爭壓力卻不會立刻到頂」的窗口。Tenten 在 2025 AI Agent 商業革命：頂尖機構揭示「小團隊大公司」時代來臨 那篇分析過類似邏輯：AI agent 真正的紅利不在大平台，而在能把人力成本壓到不可思議低的垂直市場。

AI 吃掉了哪幾個環節

傳統食品經銷商的人力結構大致是：採購團隊談價下單、倉管做冷鏈和庫存、路線規劃師每天排車、客戶經理維護關係處理帳期，加上財務行政。一家中型經銷商，二、三十人是基本配置。

AI 切進去的是其中四個核心環節。這幾個環節被吞掉之後，原本要養三十人的營運團隊只剩五人。

訂單處理

最大的省人環節。傳統模式靠電話、傳真、WhatsApp、簡訊、語音留言，人工抄寫進 ERP 系統。Choco 的 OrderAgent 是這個領域目前最成熟的產品。它可以處理 email、WhatsApp、簡訊、語音留言、PDF、手寫拍照的採購單，連「多來點牛排」「跟上次一樣來五份」這種口語都能根據客戶歷史記錄匹配到具體 SKU。

實際成效有幾組關鍵數據：準確率達到 97%，部分案例可達 99%；原本要 8 分鐘的訂單處理，現在不到 30 秒；英國的 Lynas Foodservice 上線 OrderAgent 之後，原本要 4 個人處理 240 家客戶的訂單，現在 2 個人就能處理超過 1,000 家，省下來的人力轉去做電話銷售。

技術層面，Choco 走的是 OpenAI 路線。OrderAgent 把 email、SMS、圖片、文件等多模態輸入轉成結構化的 ERP 訂單，另一個 VoiceAgent 則用 OpenAI Realtime API，讓客戶在非營業時間也能直接打電話下單，延遲在 1 秒以內。

採購決策

今天從哪個供應商進多少蛋，是一個小型最佳化問題，根據庫存水位、歷史消耗、價格波動自動計算。傳統做法是採購主管憑經驗加 Excel 試算表，AI 接手之後可以把這個決策從每日例行任務變成例外處理（exception handling），只有偏離常態時才需要人介入。Anchr 在這方面的早期客戶數據很具體：某家經銷商透過用即時需求訊號改善採購決策，一個月就減少了 30,000 美元的過期庫存沖銷。

配送路線

哪輛車去哪幾家餐廳、走哪條路最省油，這是經典的車輛路徑規劃問題（vehicle routing problem，VRP）。Google OR-Tools 等開源方案已經能解大部分中小規模的 VRP，AI 排線比人類排線好已經是 2010 年代以來確定的事，差別只在實際導入。

對帳與庫存預測

自動生成帳單、根據歷史資料預測下週備貨量。對庫存週轉壓力大、毛利又薄的食品分銷業而言，這個環節省下來的不只是人力，抓得到的庫存水位等於抓得到現金流。

把這四個環節加起來，傳統經銷商六、七成的人力可以被 AI 接手。Farmio 5 個人做 1,600 家餐廳的生意，Choco 平台上某些經銷商兩個人處理 1,000 家客戶。這些不是行銷數字，是已經發生的營運現實。

平台模式 vs Player 模式

進這個市場有兩條路，選錯路線會吃完全不同的苦。

平台模式（Choco 走的路）

不碰實體貨物，不做供應商，做一個 SaaS 工具幫現有經銷商和餐廳把訂單數位化。Choco 在 2018 年由 Daniel Khachab 與 Julian Hammer 共同創辦於柏林（早期還有第三位共同創辦人 Rogerio Da Silva Yokomizo），至今累計募資 3.01 億美元，估值 12 億美元（2022 年 4 月）。它的核心策略是從供應商端切入：說服一個有規模的供應商上線，背後的數百家餐廳客戶會自然跟著遷過來。

商業模式是：餐廳端完全免費；供應商端基礎功能免費，OrderAgent 等 AI 模組是付費服務。目前 Choco 服務超過 21,000 家經銷商、10 萬家買家，分布在美國、英國、歐洲與 GCC（海灣國家）。2025 年該平台每年處理超過 880 萬筆訂單，使用超過 2,000 億個 AI token，手動訂單處理量下降高達 50%。

平台模式冷啟動相對容易。它解的是經銷商「想數位化但不知道從哪開始」的困擾。但利潤薄、護城河淺，因為當底層 LLM 能力快速提升，OrderAgent 這類產品的技術門檻是會被攤平的。

Player 模式（Farmio 走的路）

自己就是經銷商，買貨賣貨送貨，AI 只是後台系統。Farmio 2023 年由 Paco Chan 和 Andrian Kanta 在新加坡共同創辦，由 Antler 領投種子輪 12.5 萬美元，加上 GreenBridge Venture 共同支持，也是香港 Cyberport 育成計畫的成員。

過去 12 個月，Farmio 創造 600 萬美元營收、自動化超過 55,000 筆訂單、服務超過 1,600 家 B2B 客戶。簡單算一下，平均每筆訂單金額大約 109 美元，年自動化訂單數除以 365 大約是每天 150 筆，這個密度才是 5 個人能撐住整盤生意的關鍵。

Player 模式的獲客難度比平台模式大一個數量級。食品供應極度依賴信任：餐廳老闆跟現有蛋商合作多年，有帳期、有信用、有默契。換供應商意味著把這些全部重新建立，而食品斷供的代價是當天開不了業——沒有任何餐廳老闆會為了便宜幾毛錢去冒這個風險。

但一旦客戶換過來，Player 模式的利潤遠高於平台模式。你拿的是商品毛利加上 AI 省下來的人力成本，不是 SaaS 訂閱費。長期護城河也更深，因為供應鏈關係、進口許可證、冷鏈倉儲合作這些東西，新進玩家無法靠融資就買到。

兩種模式的對照
維度 平台模式（Choco） Player 模式（Farmio）
角色 SaaS 工具供應商 實體經銷商
冷啟動難度 中等 高
單位經濟 SaaS 訂閱費，利潤薄 商品毛利+人力節省，利潤厚
獲客邏輯 從供應商端切入帶餐廳 從備選供應商切入轉主力
護城河 產品功能與整合深度 供應鏈關係、許可證、冷鏈
規模天花板 全球 單一城市/區域
啟動資金需求 300–1,000 萬美元 30–50 萬美元
典型客戶 中型以上經銷商 餐廳、零售、F&B

選擇哪一條，要看創辦人手上的資源、人脈和耐受度。沒有絕對好的答案。如果你出身產業、有供應鏈人脈、能拿到許可證，Player 模式的單位經濟長期會贏；如果你是技術背景出身、習慣做產品迭代、想快速擴張，平台模式比較適合你。

起手的具體路徑

選市場與品類

市場要小而密。新加坡 733 平方公里，2021 年人均吃掉約 390 顆蛋，配送半徑短、冷鏈成本可控、一輛車一天能跑完，這是驗證模式的理想環境。台灣的話，台北市加新北市的人口密度與外食比例都符合條件；中國一個二線城市的單個區也夠。

品類要高頻、標準化、每家餐廳都會用到。Farmio 選了蛋這個品類，採購頻率高、金額不大但複購確定。把客戶關係建起來之後加食用油、米、調味料，邊際獲客成本接近零。Farmio 在 2024 年已經在拓展更多食品垂直類別。

搞定供應鏈與資質

這一步才是真正的壁壘。以新加坡蛋類進口為例，需要 SFA（新加坡食品局）核發的進口許可證、通過 SFA 檢查的冷鏈倉儲、以及來自 SFA 認證來源國的農場供應商關係。截至 2024 年，SFA 核准 42 個國家/地區可出口肉、蛋、家禽至新加坡。台灣的邏輯一樣：食品經營許可證、冷鏈倉儲、上游供應商。

這些既是護城河，也是別人複製你的門檻。Farmio 的做法是不擁有車隊、不擁有倉庫，跟現有基礎設施合作，輕資產啟動。

搭 AI 系統

不需要從零開發。訂單處理可以用 WhatsApp Business API 接收訊息加 LLM 解析，OpenAI 或 Anthropic 的 API 直接呼叫即可；路線最佳化有 Google OR-Tools 等開源方案；庫存預測初期甚至可以用 Excel 加幾個 Python 腳本。Choco 的 OrderAgent 在客戶端可以 2 至 4 週完成部署，這個時間軸是已經被多個客戶驗證過的。

但不能低估把這些元件串成一個真實可用系統的難度。WhatsApp 訊息進來之後，要正確識別「老樣子來 30 箱」對應的是哪個客戶的哪個 SKU，然後自動觸發採購和排線，異常情況（缺貨、改單、退貨）要有人兜底。Choco 做到 97% 準確率，花的是好幾年的迭代成本，包括建立黃金標準資料集、A/B 測試、持續監測等基礎設施。

技術選型上，OpenAI 的 GPT 系列在多模態輸入（語音、圖片、PDF）的處理上目前最成熟，是 Choco 和 Anchr 都選擇它的原因；Anthropic Claude 在長文本理解和工具呼叫上有優勢，適合做採購決策、庫存預測這類需要連結多個資料來源的 agent 工作流。具體選用哪一家，看的是任務類型而不是品牌偏好。多 agent 編排的原則，我們在 B2B TOFU 行銷正在被 AI Agent 重寫 那篇分析過。

獲客：整個鏈條最難的一步

Farmio 的公開資料裡，從來沒有完整講過他們怎麼拿到前 100 個客戶。但從共同創辦人 Paco Chan 在 P&G 做過分銷渠道銷售、之後在 Pickupp 跑過最後一哩配送的背景來推斷，前幾十個客戶大概率來自行業人脈的暖介紹。之後最可能的路徑是先做備選供應商從縫隙切入，證明送得準、品質穩，然後逐步從備選變成主力。新加坡每年都有大量新開的餐廳沒有固定供應商關係，這是另一個低門檻的切入點。

Farmio 一年簽下超過 1,600 家客戶，平均每個工作日新增 6 到 7 家，說明他們找到了某種可複製的獲客方式。但具體手法外部看不到。

選 Player 模式的話，獲客和建立信任可能需要一年甚至更長。前 100 個客戶的品質決定生意的生死。他們的複購是現金流基礎，他們的口碑是後續獲客的槓桿。這個邏輯跟 Tenten 在 YC 創業課：如何發想與評估 AI 創業點子 裡提到的「先解決一個人的問題、再規模化」是一致的。

為什麼是現在

時機這件事，比商業模式本身更值得注意。

LLM 能力到了臨界點

Choco 2018 年成立的時候，沒有 GPT-3、沒有 Claude、沒有 OpenAI Realtime API。OrderAgent 早期幾乎完全是自研。Choco 花了好幾年建立 in-context learning 基礎設施、客戶 SKU 對應表、單位偏好、配送模式，這些知識原本只存在訂單員的腦子裡。

現在用 OpenAI 或 Anthropic 的 API，幾週就能部署出接近同等效果的方案。技術門檻被攤平之後，分銷業者不需要先成為 AI 公司才能用上 AI。這是 Choco 把 OrderAgent 賣給其他經銷商的時機紅利，也是 Anchr 一進入市場 12 週就做到七位數美元營收的原因。

資本市場確認方向

2026 年 3 月 10 日，紐約的 Anchr 拿下 580 萬美元種子輪，由 a16z 旗下的 Speedrun 領投，Anterra Capital、Offline Ventures、Long Journey Ventures 以及 OpenAI 領導層個人跟投。a16z Speedrun 是 a16z 專注於早期新創的加速器計畫，不是 a16z 主基金，所以這個案子的訊號值不該誇大。但 OpenAI 領導層願意個人下注，這個訊號值很高。Anchr 在 a16z Speedrun 計畫的 12 週內就做到七位數美元收入，客戶包含 50 億美元規模的上市公司 Chef's Warehouse，這代表機構買家也認可 vertical AI 在食品分銷的價值。

傳統經銷商不會自己變

做了 20 年的老闆不會突然開始用 AI。這是 organizational inertia 的客觀事實，與貶低無關。他們的反應速度決定了新玩家的窗口期。而食品分銷極度本地化、極度分散，不會出現一家通吃的局面。Choco 做到 12 億估值的時候，新加坡還沒有人做，Farmio 進去，一年做到第六大蛋商。

東南亞、中東、非洲、拉美，每一個食品分銷還在用電話和傳真接單的市場，都有位置。

資金、人力、時間的真實成本

外界容易把這類故事浪漫化成「5 個人、種子輪、年收 600 萬美元」。但這個敘事漏掉了幾件事。

啟動資金。Farmio 用 Antler 12.5 萬美元種子輪起步，但算上庫存週轉資金、冷鏈合作、系統開發和前期獲客補貼，實際從啟動到穩定營運可能需要 30 到 50 萬美元（NTD 約 960 萬到 1,600 萬）。這個數字平台模式更高。Choco 做到 8.8M 筆訂單規模之前，已經累計募了 3 億美元以上。

團隊組成。Farmio 公開的團隊規模是 5 人，但至少需要一個懂供應鏈銷售的、一個能搭 AI 系統的。CEO 前期大量時間花在跑牌照、談供應商、拉客戶上，這些都不是坐在電腦前能完成的工作。

時間線。Farmio 2023 年成立，真正大規模產生收入是 2024 到 2025 年的事。從零到 600 萬美元年收，實際走了大約 24 個月。Choco 從 2018 年到做到 8.8 百萬筆訂單規模，走了將近 7 年。供應鏈關係的建立從來不是燒錢就能加速的。

Author Insight

筆者在 Tenten 跟客戶討論 AI agent 落地的時候，最常碰到一個誤判：他們以為 AI 創業的紅利在新技術，但實際上紅利在舊產業。

我協助過台灣的金融、製造、流通客戶評估 Claude Code、OpenClaw 等 AI agent 框架的內部導入策略，反覆驗證一件事：能讓營收和獲利同時跳一個量級的，往往是把 AI agent 接到產業既有的工作流裡，例如採購、調度、對帳、補貨，把人力結構從 30 人壓到 5 人。

Farmio 跟 Choco 的故事讓我重新思考一個問題：如果你今天要創業，你應該找一個還沒被軟體吃過的產業，不是再做一個 AI 寫作工具。蛋商、海鮮商、肉品商、烘焙原料商，這些行業每天都在用手抄訂單、用 Excel 排線、用 LINE 對帳。對工程師來說，這聽起來很無聊。但無聊才是現金流的母床。

關於 player 模式與 platform 模式的選擇，我的判斷是：如果你不是出身那個產業，先做平台。Player 模式需要的供應鏈信任、許可證、實體基礎設施，不是技術背景的創辦人短期能補上的。但如果你已經在產業裡待過十年，player 模式的單位經濟長期遠勝任何 SaaS。

對台灣的中小型分銷業者來說，現在的議題已經從「要不要用 AI」轉成「要不要被新玩家吃掉」。我們最近協助幾家流通客戶評估垂直 AI agent 的導入路徑，包括訂單處理自動化、路線最佳化、跨平台對帳整合，平均把後台人力需求壓低 40 到 60%。如果你想討論 AI agent 怎麼接到既有 ERP 或營運流程，歡迎跟 Tenten 團隊預約諮詢。

FAQ

Farmio 怎麼用 5 個人做到 600 萬美元年收？

關鍵在於用 AI agent 接掉傳統食品經銷商六、七成的人力環節。具體來說：訂單處理用 LLM 解析 WhatsApp 與簡訊、採購決策用庫存與歷史資料自動計算、配送路線用 OR-Tools 排線、對帳與庫存預測自動化。Farmio 過去 12 個月自動化超過 55,000 筆訂單，平均每天約 150 筆。

Choco 和 Farmio 商業模式有什麼不同？

Choco 是平台模式：做 SaaS 工具賣給現有經銷商，餐廳端免費、供應商端基礎功能免費加值服務收費，靠規模獲利。Farmio 是 player 模式：自己就是經銷商，買貨賣貨送貨，AI 是後台系統，賺的是商品毛利加上人力節省成本。平台模式冷啟動容易但利潤薄，player 模式啟動慢但長期單位經濟好。

想做 AI 食品分銷新創，啟動成本大概多少？

Player 模式估計 30 萬到 50 萬美元（約 NTD 960 萬到 1,600 萬），含庫存週轉、冷鏈合作、系統開發、前期獲客。平台模式技術投入更高，但不需要押實體貨物與許可證。兩條路都需要至少一個懂供應鏈銷售的合夥人加上一個能搭 AI 系統的合夥人，這是最低配置。

Choco 的 OrderAgent 是怎麼運作的？

OrderAgent 用 OpenAI API 處理 email、SMS、圖片、文件、語音留言等多模態輸入，把它們轉成結構化的 ERP 訂單。技術核心是「動態 in-context learning」：系統根據每個客戶的歷史訂單與商品目錄解析模糊指令，例如「跟上次一樣」會自動對應到該客戶上次的 SKU。準確率可達 97%，處理時間從 8 分鐘壓到 30 秒以下。

什麼樣的市場與品類適合切入？

市場要小而密，配送半徑短、人口密度高、外食比例高（新加坡、台北、香港都符合）。品類要高頻、標準化、每家餐廳都會用到，例如蛋、油、米、調味料、海鮮、烘焙原料。先用一個高頻品類把客戶關係建起來，再橫向擴展其他品類，邊際獲客成本可以壓到接近零。

權威引用

Share this post
Erik (EKC)

With over 20 years of experience in technology, and the startup industry, I am passionate about AI and driving innovation. Keeping the engine running

Loading...