【有恆为AI成功之本】台湾的AI新创只要做到这几点就有机会了

台湾因为市场不大，人工智慧在产业界比起美中日欧等发展又晚，加上法律重重限制，要做 AI+ 这种以人工智慧发展为主，能颠覆产业的新创公司着实相对较难。

所以我在今年年初提出，台湾需要的是＋AI，也就是 AI 成为产业的工具，透过 AI 来做服务强化、效率升级。其实这就是 AIoT 的精神，透过感测器与人机介面来收集各产业的相关数据，分析这些数据来建立模型，接下来做异常侦测与预防、趋势预测与了解行为模式。

但这并不是只要去搞懂人工智慧的工具、或是拥有开发技术就可以做得好的。如果认为自己的新创团队懂人工智慧的工具，就可以满足产业的需求，这就未免天真了。懂人工智慧的工具，可说是有了技术；有技术，还必须找到客户对应的需求，而且客户愿意为此付钱，而这样的客户所在的市场必须够大，总结为好的商业模式才能养活这家创业的公司。

可惜的是，我参加很多新创的 Pitch，也跟其中一些团队进行深入的交谈，见到了很多新创公司出现了「没有可以赚够钱的商业模式」的根本性问题。有技术，远远不够。

如果 AI 新创要帮传统企业解决问题，该怎幺做？

要帮助产业必须先了解产业的真正需求，具备该相关领域的领域知识，而能从领域出发，找出最适合处理的机器学习方法。我遇过新创团队的成员直接问我，可不可以不要跟产业合作就能解决他们的问题？但是问题在于，如果不合作，你要怎幺知道客户的痛点？特别很多是企业秘密，不合作连观察的机会都没有，怎幺可能找到问题而解决问题呢？

AlphaGo 在围棋上打败人类棋王，让深度学习受到重视，于是很多新创公司想做人工智慧都从深度学习开始。但是深度学习有个很大的缺点，所建立的模型必须很庞大，其中的参数很多，因此要求非常大量的资料来做学习，才能有够完善模型。但是一般产业界可能在一开始没有这幺多的资料，如果新创想跟产业界谈长期收集资料后，才能工作，产业界的公司一般没有这幺大的耐性，也因此不会理这种新创。

我就遇过新创，一心一意想要产业公司跟他合作，拿产业当白老鼠，结果一直找不到对象，如果这个新创是国内有名的大学或研究机构的老师跟类似公司或同间公司里出来的而获得支持，那可能还有机会，不然人家为什幺要跟这新创合作呢？

而且就算成功获得合作机会，必须花很多时间在了解领域知识，寻找对应机器学习的最佳方法，过程中要做多次试误尝试，如果合作不够紧密，可能会有花很多的时间在沟通和重新建模上，这也是要特别注意的。另外，资料的收集，有的还会因为个资法的影响而难以收集到足够的资料，困难点其实不低。

新创有技术已经不够，因为基础建设已经完成

Google、Amazon 和 Microsoft 等三大公司的 MLaaS跟 AIoT 整套方案让人工智慧学习、建置和物联网布建的门槛大大降低，同时在台湾也计画大量训练人才，加上人工智慧学校训练的人才，让人工智慧人才越来越充足，技术基本门槛越来越低。

这也造成一般人工智慧技术的新创，如果没有好的解决方案与商业模式，更加不被看好，也因此更难拿到投资者的钱。

但人工智慧的新创不是没有机会，也因为技术门槛越来越低，如果公司本身有很强的研究级的人才，可以透过数学找出最佳模型，在技术上就可能胜人一筹。

重点还是要找到客户的痛点，协助解决，及找出好的商业模式。而找到客户的痛点，就必须选定产业，想办法在该产业找到愿意合作的客户。这样的第一次合作通常是最难的，但是如果成功，接下来别的客户看见你有过经验，也就愿意跟你合作，就可以展开业务了。

+AI 可能从企业内部展开AI 新创则可以朝向被併购的方向展现技术力

对 AI 新创来说，若有了成功案例能让市场了解你的商业模式，自然比较愿意投资你的公司或是和你合作。但这毕竟除了技术和努力，还要人脉和运气，因此除了继续等待与寻找，不妨也可以刻意规划，有没有机会针对特定产业深入耕耘，并且让自己有朝一日被产业大厂看到了，会愿意优先投资与併购？

结论：

AI 新创拥有技术力只是基本，要活下去如前面所述，必须要拥有对特定产业的领域知识，才能看到痛点与问题，不然拿着一把斧头想要去打一公里外的苹果，不是要跑个几分钟效率不彰，就是随便乱丢怎样都没有狙击枪精準。此外，也要建立自己的商业模式，不能只是代工或顾问。最后，新创企业的出场方式有很多，对于台湾产业来说，+AI 比 AI+更有机会，但是也因此对 AI 新创来说，被併购可能也是值得考虑的出场方式。