[李開復] 投資人為什麼不可以早中期就占大股？|數位時代 BusinessNext

為什麼投資人不可以在早中期（B輪和之前吧）占大股的八個觀念

1）投資人按照出資額度和公司估值的比例占股，本來就是天經地義的。

2）創業公司成功絕對是創辦人功勞最大，所以得到最大的利益，也是天經地義的。

3）好的創業者是獨立自信，可以獨當一面的。但是如果一開始就讓給出大股，變成打工仔，還要看「老闆」臉色心情，這樣的環境他能發揮出潛力嗎？

4）股份稀釋到一定的狀態，創業者就會沒有動力了
經濟方面，如果上面的公司你拼命工作了5、6年，幾乎不拿薪水，算算只有公司估值的3％，值得嗎？掌控權方面，如果董事會是投資人控制甚至董事長也是投資人，還要審批公司的各個決策，創業家還想幹下去嗎？

5）好的生態系統應該讓創業者和投資人有interest alignment（利益契合）。
如果說投資人一開始占了大股，以後做的好再贈送給創辦人，就算這方面他有心做到，也是利益不契合的（因為一個正確的決定讓一方獲利另一方受損，這樣的合約是不符合人性的；符合人性的利益契合應該是讓雙方可以利益一致的）。

6）好的公司估值會不斷上升，這樣用占小股模式的投資的投資人和創業者就可以達到利益契合和雙贏。

7）創業公司在早期需要迅速做決策，執行力和速度決定一切。
所以應該絕大多數的決策都是CEO說了算，只有重大的戰略問題才要到董事會，而且即便進了董事會，也應該是創辦人控制的董事會。所以只有創辦人擁有大半股份和投票權，才能有相對應的決策權和決策機制。

8）需要「大股、控股」的投資人，本身的心態就不是好的投資人
因為他不是在支持獨立創業，而是在「變相收購」一個公司。如果自己一定要當老闆才行，那乾脆並購就好了，買下來就真的做老闆了，創辦人願意去留都可以。不要去占大股，可能弄得大家都不開心。

李開復對於台大天使基金事件的相關ㄧ文摘要

大學生創業，本來就是一種學習行為，成功是非常罕見的。所以應該是由學校或校友捐款，或者經費來自教育部或科技部，不占股份，不求回報。MIT、Stanford、CMU的育成機構都是不占任何股份，據我所知，若有投資獎勵也不占股份。

如果真的有很厲害的學生做出點成績，他已經不是這艘火箭船的主人了。而且，之後他再去融資，因為已經被占了65％股份，頂級的VC都會被這樣的條款嚇跑的。

我認為這類『幫助大學生創業』計劃的贊助商，無論是否占股，也是不可能有特別確切或者高額的回報期望的。所以本來就是為了社會責任感＋企業形象來贊助的，那麼為什麼不乾脆一點，就不要占股了呢？成為台灣的第一個真正的「無償天使」財團，那會是多好的企業形象啊！

延伸活動｜【驅動創新時代，Let’s Meet Talents！2015創業小聚暨AAMA台北搖籃計畫年會】
創新，是世界滾動的偉大能量，不分領域、不分世代，都在積極爭取創新DNA加入，這是一場開放的Talent Party，一同實現世代對話、創新交流、資源共享…. 2015/06/26 跟著數位時代、創業小聚、AAMA一同參與這場盛會！論壇報名
 大會徵展：超過600位國內外創業者、學生、企業家、投資人齊聚，快來現場介紹你的創新服務，吸引最棒的人才加入！

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。」

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。