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
把老師傅經驗變成 AI!智穎智能讓射出機從「導航」走向「自駕」,桃園如何助攻技術落地?
把老師傅經驗變成 AI!智穎智能讓射出機從「導航」走向「自駕」,桃園如何助攻技術落地?

曾是台灣製造業重要根基的塑膠射出產業,如今正面臨人才斷層危機。尤其桃園聚集大量工業區與製造業者,老師傅退休、新人才接不上的現況,更是許多工廠正在面對的現實難題。

從汽車零組件、網通設備、醫療器材到半導體載具,許多產品都離不開射出成型。智穎智能創辦人暨執行長張詠翔指出,全球塑膠射出市場規模超過 3000 億美元,每年仍以約 3% 至 4% 的幅度成長。需求並未消失,只是製造基地從台灣、中國逐步往東南亞等地移動。但機器可以搬、訂單可以轉,老師傅數十年累積的經驗卻很難複製。

這道人才缺口,正是 2020 年成立的智穎智能切入市場的機會。團隊從桃園中原大學的研究能量出發,歷經近十年研究與工廠驗證,嘗試把老師傅腦中的射出經驗,轉化成可以計算、保存與持續學習的 AI 模型,解決產業第一線面對到的挑戰。

把老師傅經驗交給 AI,射出成型從「導航」走向「自駕」

「餐廳沒有廚師是不行的。有再好的設備,不會做的人還是會把它做失敗。」張詠翔如此比喻射出成型的技術門檻。當模具完成後,生產現場仍得依產品、材料與機台特性,調整溫度、速度、壓力、位置等條件;即使使用同一種塑料,不同產品的調整方式也可能完全不同。

而老師傅的珍貴之處,不只是記住參數,而是知道面對材料、機台與環境變化時如何修正。智穎智能要做的,就是把這些難以傳承的「火候」拆解成可以運算的製程邏輯。目前其 AI 解決方案已應用於超過 200 種材料、50 多種產品類型。

把老師傅的經驗轉化為製程邏輯後,第一步就是讓 AI 協助操作人員找到合適的成型條件。智穎智能為此開發智能成型導引系統,工廠只要輸入材料、機台規格、產品尺寸等資訊,sMolding 便能計算第一組成型參數;若試模後出現產品缺陷,再由 sTroubleshooting 提供修正建議。

用手機即可查看系統狀況
圖/ 智穎智能提供

「它就像導航。我今天告訴你要從 A 點到 B 點,但不知道路怎麼走,導航會把路徑算給你。」張詠翔說。對射出成型而言,這條「路徑」就是溫度、速度、壓力與位置等參數如何組合。以半導體載具試模為例,傳統方式需 7.5 小時,導入系統後縮短至 2 小時,材料使用量從 23 公斤降至 8.7 公斤,整體試模成本降低 64%。

但找到正確參數只是第一步,真正進入量產後,工廠面對的「路況」還會持續改變。溫溼度、材料批次與機台耗損,都可能讓原本設定好的製程條件產生偏移。智穎智能因此進一步開發 StabMolding 成型穩定模組,透過射出壓力數據持續監控品質,並依生產狀態自動補償關鍵參數。換言之,AI 不只在試模階段提供一條正確的「導航路徑」,進入量產後還能因應製程變化持續修正,進一步朝「自駕」邁進。

從產線驗證到海外布局,桃園如何助攻智穎智能跨過0到1?

但要讓 AI 真正走進工廠,智穎智能採取 SaaS 訂閱模式,將核心運算留在雲端持續學習與更新,降低中小型製造商一次投入大量資金的門檻。另一項差異則是「跨廠牌」。現實中的射出工廠往往同時擁有台灣、日本、歐洲不同品牌與年份的設備,因此智穎智能的方案既能導入既有設備,也能與射出機、控制器業者合作,在新機出廠時直接整合。「一個工廠不會只有一個廠牌,就像你家的車庫不會永遠只放同一品牌的車。」張詠翔說。

對智穎智能而言,AI 真正走進製造現場的關鍵,在於不同世代、不同品牌的設備都能導入。只是對工業 AI 而言,降低導入門檻還不夠,更關鍵的是能否取得真實產線反覆驗證。對從中原大學研究成果衍生創立的智穎智能而言,桃園不只是公司所在地,也提供了技術走向市場的第一塊試驗場。「對新創來說,第一個就是要經費、要人才、要場域,再來就是客戶與合作夥伴資源。」張詠翔說。

成立初期,團隊透過桃園市政府研發補助、新創競賽與基地進駐等資源,降低早期研發與營運負擔。更重要的是,桃園密集的製造業聚落,本身就是智穎智能最直接的潛在市場。透過市府串聯工業區與在地企業,智穎智能在創業初期接觸到位於桃園的「良器」,成為公司第一個客戶。從概念驗證、產品調整到實際導入,合作一路延續至今。對必須進入產線反覆驗證才能成熟的工業 AI 而言,第一個願意開放場域的客戶,意義遠超過第一筆營收。

如今,從桃園製造現場磨出的解決方案也開始往海外走。「日本這一次,完完全全都是桃園市政府帶著我們去做這件事情。」張詠翔表示,透過市府帶領團隊前往日本神戶,智穎智能接觸當地官方與企業資源。在市府引薦下,團隊成功對接了神戶知名加速器,更取得日方針對外資新創設立公司與拓展市場的兩階段實質補助資訊。目前團隊正籌備日本布局,為下一階段海外市場拓展做準備。

智穎智能在 TaipeiPLAS 2026 台北國際塑橡膠工業展,展示 AI 智慧製造成果,現場商洽氣氛熱烈,成功吸引產業關注。
圖/ 智穎智能提供

AI 解決「怎麼生產」後,下一步是「替誰生產」

當 AI 開始解決「怎麼生產」,張詠翔看到的下一個問題,是「替誰生產」。部分製造商提高生產效率後反過來問他,如果我的產能多了 20%,但沒有多 20% 的訂單,我何必要做那麼快?

這個問題催生了智穎智能下一階段的製造媒合平台構想。隨著供應鏈分散至不同國家,品牌要在海外重新尋找符合特定規範與製程能力的供應商,也愈來愈困難。團隊因此希望串聯既有使用 AI 方案的製造商,讓品牌端能依條件尋找供應商,也讓製造端的閒置產能有機會被看見。團隊預計 2027 年上半年推進平台服務,初期規劃串聯超過 200 家製造商與破千台機器。

從中原大學的研究,到桃園工廠提供第一個實際驗證場域;從把老師傅經驗變成 AI「導航」,再走向能自行修正製程的「自駕」,智穎智能試圖數位化的,是製造業最難被保存的資產:人的經驗。而當全球供應鏈持續移動、製造基地愈來愈分散,這套從桃園工廠磨出的 AI,下一步不只要替老師傅找到數位接班人,也要重新連結散落全球的製造能力。
而「Meet 桃園+」也期盼持續透過計畫的媒體報導與宣傳資源,將更多像智穎智能這樣扎根在地、走出海外的創業故事傳遞出去,讓外界看見桃園豐沛且具實戰力的創新動能。

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
台達電全解讀
© 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