《獲利世代》沒說完的事 — 新創公司如何更好地規劃商業模式
《獲利世代》沒說完的事 — 新創公司如何更好地規劃商業模式
2015.08.18 | 創業

《獲利世代》(Business Model Generation)這本書自 2010 年問世以來,被翻譯成 30 種以上的語言,被世界各地的新創公司奉為圭臬,許多學校也拿書中所提出的商業模式圖(Business Model Canvas),來當作分析個案的教學工具。透過商業模式圖,我們的確能夠快速得到商業模式的概觀,方便溝通、討論並且持續追蹤、更新

然而十分可惜的是,如果我們只是填完商業模式圖就打算開始創業,很有可能會發現:這個工具似乎沒有幫上什麼忙。

我並不是要說商業模式圖一文不值。使用這個工具,絕對比寫一份沒人會看第二次的商業計畫書實際多了。但是對於新創事業來說,有幾個原因會讓這個工具「搔不到癢處」。為什麼會這樣呢?第一個原因是,許多人在填寫商業模式圖時,犯了一些常見的錯誤。如果能避免這些錯誤,就可以更好地發揮這個工具的威力。

在使用商業模式圖時,常犯的錯誤有哪些呢?

1. 沒有清楚理解定義

這是最基本的錯誤。舉例來說,價值主張(Value Proposition)指的是我們提供什麼「價值」,而非我們所提供的產品跟服務。

2. 描述不夠明確

填寫時必須要描述的更明確一點,才會比較有意義。在填寫價值主張時,如果我們寫「提供卓越的購買體驗」,到底是怎樣的體驗?體驗可不可以再明確細分成幾個元素?填寫目標客層(Customer Segmentation)時,可不可以更明確定義客層的人口統計變項(demographics)或是這些客層有什麼特殊行為?填寫成本或收益欄位時,可否大概預估各元素所佔比例,計算方式?

3. 沒有思考清楚哪些是事實、哪些是假設

在規劃新事業時,在商業模式圖上大多數的元素都是「假設的」、「規劃出來的」,並不是觀察得來的事實。根據錯的假設,很容易就會發展出錯的答案。所以除了要時時更新商業模式圖之外,也必須確認這些假設是否為真,是否通過市場考驗。比如說,我們提的價值主張,目標客層真的認為這個有價值嗎?真的有這個需求嗎?獲利來源中,有沒有哪些其實並不可行、或是計算的基準需要更新?

4.填完商業模式圖就結束了

填完圖,才正要開始呢!想想同業是怎麼做的?各個元素有沒有其他作法?當發現市場有新的發展趨勢時,商業模式應如何因應?時時拿出來討論、更新,才能發揮它的價值。

商業模式圖的缺陷

對於一個成熟的公司,我們可以用商業模式圖去分析其優缺;然而對於想要創業的人們,商業模式圖確實有些缺陷,無法幫助我們妥善規劃新事業。

1. 在商業模式圖中,沒有去定義到底要解決什麼問題。

比較相關的欄位是價值主張,然而這仍然是兩件事情:價值主張是我們提出的解決方案,不是我們要解決的問題。相信大家都認同,正確地定義問題是非常重要的。

舉例來說,在某次腦力激盪時,我們想提出一個解決方案,來解決「高中生只憑分數高低填寫志願,對科系與生涯發展毫無概念」的問題。然而經過討論後,可能會發現這其實是「現象」而非問題,背後的問題可能是相關資訊不足,或者是家長的觀念不正確…等等,這有很多的討論空間。然而如果沒有把要解決的問題清楚定義出來,我們怎麼確定要提供哪些產品或服務?又如何發展商業模式?

2. 價值主張跟產品是不一樣的東西,很容易被誤解。

前段有提到這是許多人會犯的錯誤,然而這也是商業模式圖設計不佳之處,因為沒有欄位是用來描述我們所提供的產品或服務。當我們想提供某種價值主張,要提供哪些產品或服務,才能傳達這些價值?這是必須好好思考的問題。如果只談價值主張而不談產品或服務,會變得過於空泛,就像有一個目標但沒有說明怎麼達成。同樣的價值主張,也有可能因為我們提供了不同的產品或服務,而更為吸引人,並因此邁向成功。


Airbnb 有很明確的價值主張:向超過 190 個國家的當地人租住獨一無二的家。Couchsurfing 的價值主張可能相差無幾,但產品/服務完全不同

3. 沒有關於競爭環境的描述或分析。

如果完全沒有考慮競業,會發生什麼事?我們很可能寫出一個沒有優勢、沒有差異的商業模式。

如果完全跟別人一樣,要拿什麼去競爭?為什麼消費者要選擇我們?而我們建立的競爭障礙又是什麼,怎麼保護我們辛苦打下的江山?《獲利世代》書中其實也提到,我們可以搭配其他工具來分析競業,但這樣也顯示了商業模式圖有其不足之處,以及競爭分析的重要性。

新創公司如何規劃商業模式?

《獲利世代》作者可能也發現商業模式圖不足之處,所以最近出了一本新書 《價值主張》Value Proposition Design;書中提供了一個工具,針對價值主張跟目標客層兩個區塊,再深入區分成幾個元素進行探討。使用商業模式圖,搭配書中所提出的價值主張圖(Value Proposition Canvas)後,可以更清楚地定義產品與服務,以及試圖解決的問題。可以到他們的官網看更多的介紹。

此外,《Running Lean》的作者 Ash Maurya 為了提供新創事業一個更好用的工具,他把商業模式圖的幾個元素替換掉,發明了 Lean Canvas 這個工具,試圖解決上段所提的幾個缺陷。Lean Canvas 長這樣:


Lean Canvas by Ash Maurya, CC Attribution-Share Alike 3.0 Unported license.

其中新加入的元素分別是:

  • 問題(Problem):要解決什麼問題?
  • 解決方案(Solution):提供什麼解決方案?這個解決方案有什麼特色?
  • 關鍵指標(Key Metrics):依照公司的發展目標,定義出重要的衡量指標。
  • 競爭優勢、進入障礙(Unfair Advantage):是什麼讓競爭者很難複製?雖然剛開始創業時還無法建立這個部分,但是隨著事業漸漸發展,這一塊的重要性將與日俱增。

以上,並不是說哪個工具一定是最好的,如果能更了解各工具的優缺點及適用情境,才能發揮最大效益。希望上面粗淺介紹的 Value Proposition Canvas 和 Lean Canvas 兩個工具,能對大家在規劃新創事業時有所幫助。

參考資料:
Ash Maurya: Why Lean Canvas vs Business Model Canvas?

Photo Credit: kevineriley, CC-BY-SA 3.0

原文出處:Alpha Camp

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