創業不易談分手更是艱難
創業不易談分手更是艱難
2006.05.15 | 科技

伙伴創業可以理性地從數個客觀階段進行討論,除了創業的基本功必須做好之外,包括市場、公司發展步調、分工狀況及充裕的資金等,都是影響伙伴團隊凝聚力的重要因素。另外,在創業中期伙伴間也要審慎思考「下車」的各種選擇,上市上櫃雖然象徵了創業成功,但卻不一定適合每一種創業型態,包括轉賣給對手大企業或維持小企業型態,都是可以思考的選擇之一。
首先,創業的鐵三角包括專業技術、市場行銷及人脈能力,一個好的創業團隊必須在此三方面技能互補,才具有競爭力。若出現了能力的空缺,則要不吝向外延攬好手,務求創業基本功的完整。
除了技能互補之外,在創業伙伴的選擇上,也首重好溝通、能坦白的人選,由此點出發,或許朋友創業就不是好選擇,因為朋友時常會礙於情面吐不出真話。真正成功的創業要讓「伙伴變成朋友」,塑造對等、互信的溝通管道,才能確保組織的長期健康。

人人計較創業就不會成功

我覺得創業團隊的方向首重「新」的概念,包括新的產品、技術或是交易方式都是可能發展的方向。
在維繫創業團隊方面,則必須在四個方面下足功夫:首先是團隊必須擁有夠大的市場機會,一定要創造一塊夠大的餅,才能留得住人;第二是要能夠掌握公司的發展節奏,適時以金錢回報或市場肯定來激勵團隊;第三是分工的問題,就像烹調火腿蛋三明治,要能成就一份美味的火腿蛋三明治,就必須要有一隻豬犧牲生命製作成火腿,而一個團隊之中,也必須要有一個人擔任這隻「豬」的角色,為公司犧牲奉獻,甚至不惜獻上自己寶貴的生命。若每個人都斤斤計較分工權重,那麼就很難造就一個成功企業;最後則是擁有足夠的資金。「貧賤夫妻百事哀」雖是老生常談,卻是再實際不過的狀況,我也必須提醒創業公司若是遇上資金困難,就必須就事論事尋求外援,畢竟唯有在一個健康的資金體系下,才能保證企業的穩健發展。
此外,有心創業的團隊,一定要為自己的創業計畫設下三年的停損點,若經過三年創業公司還未見起色,不僅團隊容易分崩離析,而且還可能是誤判創業情勢,推出了錯誤的產品或服務。

面臨拆夥時尊重對方選擇

除了創業困難之外,如何為公司找到出路也是一大學問,這也是我常提到的「下車」哲學。
目前的創業公司都只把目標訂在IPO(首次上市上櫃),但事實上,並非每一個創業公司都適合這樣的軌道,包括持續小公司的營運規模、轉賣給市場上的大企業都可以是選項之一。創業切忌意氣用事,只為爭面子而將目標訂在唯一的IPO,反而是自我侷限發展的可能性。
其實不少團隊拆夥的導火線,都來自於對下車的不同選擇,一旦伙伴之間對於未來有了不同的詮釋與期待,那麼也就很難維持合作關係,因此我建議創業伙伴在創業中期,就要開始溝通下車的各種可能狀況,畢竟經營與創業不能劃上等號,並非每個人都擁有經營企業所需要的毅力與堅持,如果能夠及早針對「如何下車」進行對話,才不會因為選擇不同,而傷了彼此的和氣與友誼。

*黃崇興 Profile
學歷:
奧斯汀德州大學(Univ. of Texas at Austin)管理科學與資訊系統學士
經歷:
台灣科技大學企業管理學系兼任副教授、美德洲奧斯汀ARC管理顧問公司專業顧問、台灣德州儀器公司工程部經理等。
研究領域:
企業管理、作業與運籌管理、系統分析、作業研究、企業決策方法、服務型經營管理、創業管理、管理科學

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