「承認與討論失敗是ok的,因為這就是創業的歷程。」專訪Fab創辦人哥德柏
「承認與討論失敗是ok的,因為這就是創業的歷程。」專訪Fab創辦人哥德柏

現在市面上通訊軟體的功能,都傾向串連使用者生活圈中本來就認識的朋友,現在有一款app的創辦人,想要讓陌生人透過相同話題產生連結。

社群聊天軟體「Pepo」的創辦人Jason Goldberg表示,他想要將大家每天使用的智慧型手機連結在一起,將有相同聊天話題的使用者串聯起來。雖然Pepo仍然會提供使用者在既有朋友圈中傳訊息的服務,但這對於剛進入競爭激烈通訊軟體市場的後繼者來說,仍是相當大膽的嘗試。

哥德柏過去也曾經在創業過程中冒過險,失敗的經驗也成為他創業故事的開端,這些經驗將成為哥德柏在2016 Meet Taipei演說著重的主題。今年十月底,當哥德柏與他的團隊要推出Pepo時,透過Skype告訴Meet團隊,他將會在11月17日舉辦的Meet Taipei中發表演說。在哥德柏處理開發者傳來的緊急訊息同時,也一邊向我們透露他演說的重點,同時介紹他的新產品Pepo。

不太美好的那些年

哥德柏曾經因創辦Fab.com——在新創圈歷史中,以瞬間如流星般成功到失敗的設計品電商網站而出名。Fab在2011年上線,銷售上千種私人設計師所設計的平價家居用品,在剛開始的前六個月銷售額達2,000萬美元(約新台幣6.3億元),隔年銷售額就達1.2億美元(約新台幣38.1億元),並向投資者募集了3.3億美元(約新台幣105億元)的資金。

2013年第三季,Fab面臨資金大失血,當時哥德柏擔任執行長,他告訴董事會,大部分的員工都將失去他們的工作。Fab當時除了收購歐洲的競爭對手,也花費太多資金投注在像是倉庫空間等不易規模化的資產上,同時回購客戶數量也在減少。

最終在2015年,Fab以大約1,500萬美元(約新台幣4.8億元),拋售給專門製作訂製產品的公司PCH。這個履歷上的污點,讓哥德柏為那些面臨公司規模迅速擴張的創業家們提供諮詢。哥德柏告訴我們,「要隨時保持謙虛,別讓自己變成被炒作的對象,要本著自己的初心,保持初心跟大膽冒險一樣的重要。」

哥德柏接著談到,「你需要一定程度的自信與行動力去建立正在擴張的服務,這是一項挑戰,但你不可能魚與熊掌兼得。」期待從Fab上學到的失敗經驗,能在Meet Taipei上讓創業者與投資者引起共鳴。

「我被邀請在Meet Taipei演說的其中一項原因,是因為活動創辦人還有許多我在新創圈認識的人都告訴我,在台灣理解、承認與在失敗中復原的文化還沒有完全被大家接受。」哥德柏這樣告訴我們。

「我因為Fab經歷了一場巨大的挫敗,我想其中一件事是⋯⋯在亞洲的文化中承認失敗,會是ㄧ件相對困難的事情。」讓失敗這件事坦蕩蕩的公開,創業家應該「理解並且公開擁抱它,這麼做之後懼怕就會隨之消退。」新創公司面對失敗過於拘束的態度,在台灣早已不是新鮮事。

音樂串流平台KKBox共同創辦人林冠群,在2014年告訴科技媒體Tech In Asia,(創業)失敗就像對履歷宣判死刑一樣。這樣的說法,與曾經在矽谷廣為流傳的「快速失敗,經常失敗」形成強烈對比,這句話傳遞了風險是成功的主要組成要素,但並不是每個風險都有辦法彰顯出它背後的效果。

Jason Goldberg 3.jpg
Pepo 創辦人 Jason Goldberg
圖/ Jason Goldberg
承認與討論失敗是ok的,因為這就是創業的歷程。

「並不是說我們應該都去慶祝每個失敗,我並不喜歡這種因為失敗就要大肆慶祝的概念。」哥德柏說,「這比較像是:承認與討論失敗是ok的,因為這就是創業的歷程。」

「在新創中的投資者,他們某種程度上似乎比創業家更了解這個道理。」哥德柏補充,「投資新創公司的投資人,他們本來就不會期待每個新創公司都會成功。」

投資者比較傾向大膽下賭注,並承認到不是每個新創都會成功。典型的投資者會期待其中幾個目標新創最後能有不對稱的成功,投資出去的錢最終可以涵蓋整個投資組合。「失敗並不是名聲上的缺陷,只要你保持自身的誠信。」前任Fab的執行長表示。「如果你周圍的人覺得你很誠實,你就是正在學習如何保持謙虛。」他說。「這是我想傳遞的其中ㄧ課。」

哥德柏描繪了典型新創創辦人努力消化競爭過程中的衝動,以及找出成功公式的景象,特別是在自信與謙卑中的平衡。他也告誡,過程中也別忘了持續創造出有用的產品。

「我會這樣說我的願景,新創最後的產品能夠成功,都是因為有團隊的熱情。」 哥德柏表示。「你沒有辦法彌補不成功的產品。」

「所以,我都會跟創辦者強調,在創業早期必須專注在目標上,排除其他干擾的事務,專注於產品。」他這樣建議。

「理想的創辦人就向產品經理,對於使用者經驗,以及科技與理解用戶行為要有熱情。」他說。「大部分新創的成功,都是奠基於創始團隊,亦或不是。」這並不是難理解的部分,而是創辦團隊去執行產品概念的能力。」

哥德柏現在四十幾歲,曾經在白宮的內閣事務辦公室工作過,後來他進入科技領域,在時代華納以及T-Mobile工作。並在2004年,創立了搜尋引擎Jobster。

與PEPO的新開始

哥德柏在推出Pepo的時候,希望能夠秉持上述的那些建議,這些都是他在Fab經驗後下意識的反應。根據Google Play的資料,Pepo下載數目前還只介於5,000至10,000。

哥德柏表示他現在想要「回到最根本,提供給用戶產品。」以及「ㄧ步一步來。」而不是盡可能的快速拓展商業規模。哥德柏自己也投資了Pepo百萬美元,以及一年有80%的時間都待在印度與工程師們建立默契。哥德柏同時也找了很多外部的投資者,其中兩位就是在Fab時期認識的,但他拒絕透露相關細節。

Pepo提供了包括了一對一的聊天,及以使用者所在地點與有興趣的話題為基礎去拓展的群眾聊天的功能。哥德柏也承認,Fab當初應該可以自然沒有束縛的發展,「藉由Pepo,目標是要創造出一個有一定規模,及能夠有效運用遍及全球的服務。」他表示,「專注管理眼前這家公司,而不是你想像中五年後的那家公司。」

哥德柏將擔任2016 Meet Taipei講者,於11月17日以〈連續創業的成功與失敗〉為題發表演講。

本文原文為Taipei event speaker to broach the squeamish topic of startup failure – he should know,作者為Michael Garber,譯者:高敬原。

關鍵字: #新創
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