什麼情況下需要技術型CEO重出江湖?
什麼情況下需要技術型CEO重出江湖?
2014.10.19 | 技能

編者按:本文為著名投資機構GRP Partners合夥人Mark Suster所著。

什麼時候應當讓一個專門的執行長來打理公司?

這個問題已經有太多人在談論了。矽谷眾多的創辦人在發現自己淺薄的經驗將直接限制公司的發展時就意識到了這個問題。

那麼,什麼時候應當讓一個技術型執行長來打理公司?

似乎沒有多少人在討論。

enter image description here

然而如果你對最近幾年市場上的變化敏感一些的話,你會發現技術是其中最重要的因素。Larry Page 回歸Google,擔任執行長,就是一個典型的例子。

問題是,Google 明明已經有了Eric Schmidt。為什麼還需要Larry Page?

我覺得,Google 是受了矽谷的技術型新領袖——Mark Zuckerberg 的刺激。

世界變化的太快了,網路領域的快速發展讓Mark Zuckerberg 有機會劃著自己輕盈的小舟超過身邊一艘艘笨重的、官僚的、傳統網路行業的大遊輪。Larry Page 的回歸,似乎是Google 在簡化機構、增強創新力和競爭力方面的一次努力。

Larry Page 的回歸並不是矽谷唯一的案例。Steve Jobs 或許是最知名的一個例子了。但Steve Jobs 不太算「技術型CEO」的回歸,因為他代替的人——John Scully,本身就技術能力十足。

近來我們越來越多的看到類似Matte Mullenweg(WorldPress 的創辦人)8 年之後繼任公司執行長 這樣的情況。

我們似乎可以看到這樣一個慢慢成型的模式:先是專業的企業管理在推進著公司的快速發展,而技術領袖則專心研究如何成為行業翹楚,一直等到技術領袖經驗稍長時,再繼任執行長職位。

之所以有這些想法,是因為我最近正在處理Nick Halstead 重新擔任DataSift執行長一職的事情。

整個故事的發展是這樣的:

2009 年我第一次見到Nick Halstead,那時他正運營著一家叫做Tweetmeme(也就是DataSift 的前身)的公司,並且幫推特開發了早期版本的API。他向我介紹了許多Twitter的技術基礎,以及為什麼Twitter的數據特別有價值。

他不僅關注Twitter本身的數據,還關注其他一些諸如哪些用戶看到了這條發文、這條發文是在哪裡推送的、用什麼設備推送的、哪個時間段推送的等等。

更重要的是,他看到了一些數據之外的可能性推斷。他指出,Twitter這種發送鏈接給粉絲,粉絲通過鏈接找到被分享的原文進行閱讀的數據,其中隱含的數據價值比推文本身要大得多。

他就是那種讓你覺得聽君一席話、勝讀十年書的人,每次和他有過一些交流,就覺得自己對科技行業的未來又有了新認知。

這種交流我們一直持續了18 個月。等到時機成熟時,我們正式開始了合作。我和Roger Ehrenberg 決定投他的首輪VC 融資時,他正在英國的公司擔任執行長的職位。

在融資過程中,我們問他是否同意在北美市場僱一個新CEO 來幫他管理運營北美的市場銷售方面的業務,他很開放地同意了,並且覺得這樣做對於公司利益來說是最好的。

於是他在英國負責技術和戰略方面的事情,同時擔任公司董事會成員兼技術長。

接著我們請來來了Rob Bailey 擔任執行長。在那時,這是我們可以做的、最好的決定。

Rob Bailey 也帶領公司取得了快速的發展。在他領導下,公司的企業客戶數量增長超過了1000,獲得了超過6000 萬美元投資,也成為SaaS 行業成長最快的公司。同時我也向Rob Bailey 學習到了許多東西。如果可能的話,我希望能和他一直合作下去。

那,為什麼Nick Halstead 又要重新回來擔任CEO?

我們的行業發展得太快了,也因此技術型領袖能為公司帶來的成長和財富是不容疏忽的。如果在這方面稍有失誤,公司很有可能一蹶不振。John Sculley 在放走賈伯斯這件事情上曾說過這樣一段話:

“I did not have the breadth of experience at that time to really appreciate just how different leadership is when you are shaping an industry, as Bill Gates did or Steve Jobs did, versus when you're a competitor in an industry, in a public company, where you don't make mistakes because if you lose, you're out.”

裡面有一個很重要的詞,shaping an industry,重塑一個行業。

這就是我們目前面臨的機遇。

在過去的階段我們公司確實發展得不錯,但是你不得不承認,行業已經開始發生改變了。

十八個月前,Nick Halstead 正在研究一個被我稱之為Manhattan Project 的項目,這個項目極有可能成為公司成長史上的一大飛躍,因為它重新定義了企業客戶的公共、社交、大數據方面的內部和外部數據管理模式。

同時Nick 不僅僅滿足於為客戶提供內部數據管理、內外部數據整合這些事情,他認為開發出一個具有機器學習能力的可以自主識別、整合不同數據類型的管理引擎,才是最好的選擇。他把這個項目稱為擁有自主性的VEDO。

在Topsy 和GNIP 分別被蘋果和Google 收購之後,我們目前只剩下一個即時數據流獨立供應商。在Nick 擔任技術長時期,我們已經建立了一個足夠強大的企業數據管理平台,並且這個平台在不同數據量級的企業客戶身上都有很強的移植和改造能力,同時在對大數據的分析理解上又行之有效。

我們相信,基於這樣一種情況下,Nick 已經做好準備,重新回歸執行長一職,將帶領公司獲得一個質的飛躍。

本文出自36氪,原文出自bothsidesofthetable.com

關鍵字: #企業經營管理
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