被《富比士》選為最佳創投——Jurvetson:如果要去月球,我會乘坐SpaceX
被《富比士》選為最佳創投——Jurvetson:如果要去月球,我會乘坐SpaceX
2017.04.19 | 創投

你知道世界上最具創新力的公司,包括Tesla、SpaceX、Planet、D-Wave和Synthetic Genomics的幕後推手是誰嗎?他就是Steve Jurvetson,如果你是一個科技愛好者,那麼你對他大膽的創業投資就不會陌生。

Steve Jurvetson就是DFJ中的「J」,DFJ是位於矽谷的創業投資公司,其投資範圍主要集中於早期和成長階段的大眾電子消費領域、企業科技領域和具有顛覆性的科技。他是上述所有公司的董事會成員。他表示「對機器智慧、軟體定義硬體以及越來越前沿的科技期貨充滿興趣」。能夠激發他投資興趣的都是「非主流想法」——介於瘋狂和革命之間的公司。Jurvetson在積極地尋找專注於深度學習、永續交通、合成生物學、基因組學和機器人技術的公司。簡而言之,能夠吸引他的都是獨樹一幟的公司。

與Jurvetson的對話可能會使普通人的大腦受到傷害,但是他卻一直很謙遜。比如:在進行LIVE Chat時,一位Product Hunt的會員提出了一個問題,Jurvetson發簡訊問他兒子關於這個問題的看法。他非常願意學習,即使是從自己的孩子身上學習。因此,當Jurvetson被《富比士》雜誌評為「最佳創業投資者」之一並於2016年被奧巴馬任命為全球創業總統大使(Presidential Ambassador for Global Entrepreneurship)時,我們一點也不意外。

在讀完下面他最近在Product Hunt LIVE Chat提出的亮點後,你就會非常清楚地了解到他不僅僅是一個才華橫溢的人,他還對事物抱有高度好奇心且見解卓越。我們希望你喜歡以下激勵人心的對話,Steve Jurvetson在其中亦師亦學生。

如果你不得不與科技公司CEO交換一個星期生活,你想與誰交換,為什麼? ——Ben Tossell

對於這個問題,我的出發點是「一週」這個時間長度。與其想著我可以在一週之內做出即使在我走後還可以繼續留存的東西,不如從學習的角度來回答這個問題:在哪裡我可以在一個星期內學到最多,當然前提是,我可以問該團隊任何問題。

如果是這樣的話,我會選擇Google。我想了解他們在每個產品中使用深度學習的情況。關於Android團隊和Google大腦,我有太多問題了。而且我想看看,關於定制晶片(TPU)和他們正在開發的8x8量子電腦他們做了些什麼、正在做什麼。

很多人對於機器人和自動駕駛都表示很害怕,甚至表達了反烏托邦觀點。你會對「Debbie Downer」們說些什麼呢? ——Stacey Randecker

這些都是基於我對未來的想法,我的想法就是直接體驗(比如,辦公室有一個Rethink類人類機器人,以及我的大部分通勤都由自動機器完成)。我們相信飛機上的機器人,因為他們已經表現出優於飛行員的特點了。在我看來,無人駕駛在未來也是不可避免的。一般來說,當談及AI時,我們中的許多人潛意識地堅持自私的概念,即人類是進化的終點。在關於機器智慧和遺傳增強的辯論中,可以窺見我們的一生中,關於被超越的恐懼是一個共同且根深蒂固的恐懼。但是,當從為人父母的角度出發看到這個問題時(你希望你的孫子比你更聰明和健康嗎?),人們的心態往往會從霸權般的自私轉變為人類對於象徵性不朽的追尋。

未來科技是什麼樣子? ——Chad Whitaker

我的第一反應是深度學習和迭代演算法(定向演化,衍生式設計以及所有的機器智慧解決方案),當然還有許多消費性產品方面的,如語音互動的再次興起(試想亞馬遜Alexa可以出現在任何1美元以下的消費性產品上,包括不需電池供電和不需連接網路的產品)。第二就是:準備好迎接由衛星提供寬頻的時代的來臨吧。全球網民數量的成長速度會遠遠超過預測的那樣。

假如你要去月球,你會乘坐SpaceX Dragon 2太空艙嗎? ——Danny

當然!但是,與阿波羅時代不同的是,在商業太空時代,隨著時間的推移,太空旅行會變得更便宜和更安全。我想到太空做兩件事(我對亞軌道飛行或者其他相關的東西都沒有什麼興趣):在低地球軌道的商業太空酒店住幾天;月球軌道任務,比阿波羅X更接近地面,但不著陸。

對於這兩次旅行,最讓我感到興奮的是攝影。月球旅行,因為失重的原因,對空間和舒適度不會有什麼期待,但是景色卻是非常壯觀、不容錯過的——地面、月球的黑暗面、地球和月球不同距離時所呈現的景像都讓我非常嚮往。月球沒有大氣,為我們提供了不一樣的軌道飛行模式,我們可以在近月球軌道飛行的同時非常近距離的觀察月球。阿波羅X下降到離表面47,000英尺的軌道上時,差不多就是地球上私人飛機的飛行高度一樣了。如果目的是旅遊,可以選擇更低軌道但是不能登陸,可以有向下開口、優化景色的窗口。我也許要在軌道高度和表面速度中做出取捨——可以在離最高的(齊柏林海拔)隕石坑一千英尺的距離掠過,這非常棒,但可能會令人頭暈目眩。由於月球質量是地球的1/6,因此相應高度的軌道飛行速度大約為地球的1/6,所以它可能很慢很慢,就是這個速度……

為什麼不登陸呢?在太空競賽中俄羅斯人就發現登陸的成本和複雜性呈爆炸式成長。對於新的旅遊活動來說,成長的還有危險性。登陸有什麼好處呢?月球上有完整的EV阿波羅棧,的確,你可以涉足一些範圍,但不如你在軌道上看到的那麼廣。跳起來步行不是能打動我的體驗。而且,如果你真的覺得這非常吸引你的話,月球重力和火星重力是很容易在模擬艙中模擬出來的。所有這些重量和設計都可能與窗口優化設計相抵觸,我寧願花更多的時間在不同高度的軌道上觀察月球而不著陸。

我對太空行走確實也抱有好奇心。EVA活動是更簡單的工程挑戰,可能不需要和剛才提到的目標比較,做出抉擇。Michael Collins對自己的地球軌道EVA感到驚奇:「這是人類有史以來擁有的觀察宇宙的最佳視野。我們在寂靜中平緩地滑過世界;這一優雅的動作讓我感到自己彷彿像上帝一樣矗立在戰車上,巡視夜空。我在宇宙舞台上獲取天國的福音;只有在極慢的情景下才能捕捉到這樣的感受,即使是一隻茶杯也會有這樣的感受,餘生皆會受之影響。」

在你看來,無人駕駛在什麼時候才能隨處可見? ——Joaquín Gulloso

接受度是很難預測的,但我預計到2020年,當我們首次體驗到無人駕駛服務的便利性和高效性時,我們將不會再爭論有沒有必要有無人駕駛汽車。我不想在我的日常通勤中成為一個駕駛機器,我想有一個機器可以成為我的通勤工具。

除了電腦與醫學領域,在未來十年,奈米科技還會產生哪些影響? —— Steven McCloskey

我認為奈米技術主要影響地還會是電腦和醫學領域,因為我們關心的是奈米級別的結構問題,開一個腦洞,我可以給你任何你設計的基於奈米技術的產品,可以是要多先進有多先進的分子級裝置,你會想到什麼?是超級電腦?還是可以在血液中循環的潛艇?亦或是能夠生產金剛石棒或任意物質體的物質編譯器?選一樣。

現在,再進一步細想:當我向你提供它時,它是否認為我的手是不重要的?它能自動移動到其目的地嗎?其使用的能源是什麼?你如何與其溝通?這些問題都與「接口問題」相關:你的設計是否需要整個奈米技術產業的支持和能源來接入你的分子級別的機器?

比如,假如你有英特爾晶圓加工的最新處理器。你要如何利用該晶片?你需要將晶片連線到連有印製電路板的大型引線框架,印製電路板透過笨重的電源供應器從電網中獲取電力。這其中的每一層都依賴於較大規模的上述部件的前身(是依相反時間開發的),並且需要整個體係來訪問微晶片的電位。對於分子奈米技術來說,整個體系的縮減空間在哪裡?

由業務驅動的奈米技術路徑根據「接口」分為兩種策略:受生物方面啟發而提出的自下而上的方法,以及半導體產業的自上而下的方法。非生物開發人員正在微觀世界中尋求解決辦法,期望可以開發出微型化螺旋,微型化螺旋可以在整個過程中建立相關基礎設施層次。這與半導體產業所遵循的路徑非常相似,難怪許多擁護者認為奈米技術是不可避免的,只是可能在遙遠的未來。

另一方面,生物調控在近期無數次的展現出其可以產生巨大變化的影響力。現有的分子操作技術對藥物開發,組織工程和基因工程都產生了深遠影響。而轉基因微生物,無論是透過人造進化還是定向基因拼接,都使研究人員能夠從下到上地構建結構。更多的相關內容請看2004年的文章。

參與到這些了不起的且能夠推動未來進程的公司中,你最感興趣的是什麼?最令你興奮的是什麼? ——Ben Tossell

機器智慧。在2013年,我第一次將其選為「頂尖科技潮流」(當時要求我們往後看5年,也就是2018年)。在那時,機器智慧還不是VC都想投的領域。一切都處於剛剛萌芽階段。在最近發表的一篇文章中,我嘗試總結我的偏好 。我認為應用迭代演算法(例如機器學習、定向演化、生成設計)構建複雜系統是工程學中自科學法問世以後最大的發展。機器學習使我們能夠構建超過人類理解的軟體解決方案,並向我們展示了人工智慧可以如何刺激每個產業。

成功對你來說是什麼樣的? —— Seth Williams

終身學習,愛以及越來越有同情心。人性從家庭轉移到部落到國家再到全球,我認為人性將進一步擴大,對所有有感知能力的生命形式我們都將發展出更深層次的同情心。 (包括AI在內,我們應該制定可以賦予AI權利的相關法律,而不要只想著征服他們。)

關於搭建軟體定義硬體產品/服務,你有什麼建議嗎? ——Kunal Bhatia

通常,我會想為什麼這個想法在5年前(最多10年)是不可能的。我會想一想摩爾定律和實驗科學成為模擬科學的轉折點。手機之戰帶來的和平紅利使得衛星或機器人組件一文不值,價值遷移到了軟體和服務層面(手機產業是這樣的,那麼隨著時間推移,火箭、汽車以及任何物理產品都會發生類似情況)。我們會有便宜的推理引擎,便宜但更強大的傳感器和更好的電池。物聯網成為了地球的的感覺皮質,例如:神話仿生學。

從幫助這些複雜的公司獲得成功的經驗中,如果要你從頭開始創建一個新的政府/國家,那麼,您認為最重要的是什麼呢? —— Rob Phillips

我的主要精力會集中在建立保護無人代表的群體和新進入者的憲法上。不能讓中獎的人制定彩票規則。培養有競爭力的政府,就像中國建立深圳一樣。試想我們有一個無FDA管制的區域會是什麼樣的。我聽Paul Romer說過一些關於深圳特區的趣事:「深圳在1980年是不存在的,而今天深圳有1,000萬人,是中國人均收入最高的城市。中國建立了深圳,外國公司從此可以進入中國並利用其勞動力。他們告訴中國人民,『如果你不喜歡,就不要去那裡。』這是一個由市場選擇驅動的城市。現在再以深圳為基礎想像一個新的特區城市,它將不再燃燒固體或液體燃料。或者想像在印度建立一個新的城市,在這裡婦女是安全的。如果你無法接受這些原則,就不要去這些地方。」

通往民主的未來,我們最大的障礙是什麼? —— Adam Little

  1. 病毒式的壞思想

  2. 網路

我們正在解決第二個問題,但針對第一個問題需要做好準備。

你怎麼看待月亮移民和月球旅行,和對火星的態度相反? ——Jüri Kaljundi

月球旅行很棒,因為很多有趣的活動都適合這一星期旅行。但是火星旅行需要兩年多時間(如果你打算在抵達後再逗留一小段時間,而不是馬上返回的話)。你必須等待各星球對齊才能踏上返程。因此相比於旅遊,火星更適合殖民。我們主辦的一次腦力激盪會議得出一次性投入50億美元我們就可以建立一個自給自足的月球基地。

關於未來,有什麼事情是你深信不疑但是卻無人認同的嗎? —— Ben Tossell

有,我們正處於一場變革當中,其主題是工程學可以完成的比例有多少。以後會更像是為人父母而不是程式開發。學習的中心從最終產品轉向創建產品的過程。未來,軟體的比例會越來越高,會有越來越多的電腦將會在類似於大腦的基礎設施上運行(大規模並行,內存內計算的細粒度訪問控制結構以及日益受到關注的內存和互連元件)。

當然,和別人一樣,我也相信將每個商業模式都轉化為信息產業將產生深層次的整體效應,比如可以解決不斷加重卻無法自我修正的貧富差距問題。試想:科技永久地提高了金字塔底層人民的收入,民主化變得更加靈活,同時將社會結構從金字塔型轉變為中心錐型,在這樣的社會裡,信息經濟有著贏家通吃的網絡效應和冪定律,而不斷擴大的信息經濟卻掌握在越來越少數的人手中,這樣的社會會是什麼樣子的呢?

總之,我想知道消除數位鴻溝本身會在未來擴大貧富差距嗎?如果是,這不是很諷刺嗎?過去100年才有的巨大改變現在可能只需要10年,沒有選擇跟上進程的人們怎麼辦?未來工作的本質是什麼?在過渡時期,我們的文化和社會結構該如何與科技共同演變?這些都激勵著我去解決一些人的基本需要,如永久地免費醫療。

免費醫療保健是非常有可能實現的。主要的問題是,實現免費醫療的角度是什麼:是採用傳統的藥物路線還是整合現代醫學最好的部分來實現免費醫療。 ——David Joseph

學問來自於人民,就像今天Google一樣。因此,要實現免費醫療,可以合併傳統醫學。只要有用,都可以採用。智慧手機最開始只有簡單的文本界面,隨著未來十年另外30億人開始使用智慧手機,智慧手機將配備圖像和診斷傳感器,我們的主張是消費者可以免費使用且得到無偏見的建議,消費者要做的就是回复每日提示,報告嘗試過補救措施和症狀解決情況的進展。這些建議將由特製的AI(使用機器學習,隨後再使用深層學習)提供,特製AI可以從非處方藥、處方藥和非傳統療法的大數據集中學習。

真正有效的是什麼?負性事件的實際發生率是多少? (這個數據集可以提供足夠的收入來彌補運營的邊際成本)。絕大多數醫療保健不需要動用到手術,特別是在發展中國家(這些地方最嚴重的是傳染病和營養問題)。但是當需要手術時,系統可以為人們指定他們需要的專家。為了更好地服務缺乏相關知識的人,該服務將提供所有語言的語音/文本轉換服務。當此AI成為受人信賴的健康顧問時,還可以根據區域性流行病學模式提前發出預警。隨著規模的擴大,其可能成為非專利藥物的有效的分銷渠道,藥物售出價格只稍高於製造成本。因為該系統是值得信賴的顧問,藥品的品牌將被匿去,不需要銷售或營銷就可以服務到大規模的客戶群。

未來五十年你的目標是什麼,你希望給世界留下怎樣的遺產? ——Edis Murtic

還有很多事情等著我去做,如果我能繼續幫助企業家創造未來,我相信能夠產生最大影響的是那些現在我們還不知道的領域。在20年後最重要的公司現在還沒有建立。所以我專注於流程,而不是產品。我要如何保持學習呢?我該繼續堅持投資那些我沒有見過的公司嗎? (這個例子就是關注流程而不是領域)。我計劃繼續將所獲的的收益投入慈善,因為慈善本身可以產生越來越大的影響。我從來沒有出售過任何DFJ的股份,但一直一來我都將DFJ的公開持股捐贈給慈善機構了。這非常有意義。

本文授權轉載自:36 氪

往下滑看下一篇文章
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?

走進蔬果加工廠,同樣是100公斤高麗菜,最後能做出多少成品?答案不見得相同。氣候、產地與品質影響原料條件,客戶要求的切法、重量與交期也各不相同。對曾任科技業研發主管十多年的宜展科技農業執行長林佑澤而言,這是與科技製造截然不同的世界。

「農業部分全部都不一致。」林佑澤以青江菜為例,即使機械手臂已經訓練好辨識特徵,面對形狀各異的蔬菜,仍難以判斷該從哪裡抓取。農產品的天然變數,卻得面對學校團膳、連鎖餐飲、航空空廚等企業客戶對品質與交期的要求。如何讓加工流程穩定運作,成為宜展投入數位轉型的起點。

從紙本、LINE到數據,先把現場經驗留下來

目前宜展一年處理數千噸蔬果、服務超過120家企業客戶,業務涵蓋採購、截切、清洗、包裝與配送。林佑澤觀察,農產加工的關鍵經驗往往掌握在資深員工手中:該買多少菜、原料損耗多少、訂單增加又該安排多少人力,都仰賴現場判斷。

「主要就是把人的經驗變成數據。」林佑澤說。過去客戶透過LINE或紙本下單,現場靠人工整理訂單、對照不同客戶的加工規格;如今宜展利用AI辨識訂單內容並匯入ERP,再依客戶、品項與規格進行標籤化派工。製程則透過QR Code記錄原料投入量與成品產出量,逐步掌握各環節的加工損耗。

接下來是整理現場的判斷依據。林佑澤透過與資深員工對談,了解採購、派工與品管的作業方式,再利用AI協助找出規則、建立SOP。AI整理出的流程仍須由現場人員逐項確認、修正,才能實際執行。

品質管理也在持續改善。傳統金屬檢測器難以辨識菜蟲、橡皮筋等非金屬異物,宜展正與技術夥伴規劃導入AI影像辨識,輔助產線末端檢查。林佑澤表示,每批農產品品質不同,比起單看良率,他更重視客訴是否減少。隨著訂單與製程資訊逐步累積,宜展也希望進一步建立需求預測、採購建議與生產排程模型,減少營運對資深員工個人經驗的依賴。

不只把菜切好,乾燥加工尋找第二成長曲線

除了改善截切本業,宜展也開始發展乾燥加工。學校團膳在寒暑假面臨需求波動,生鮮蔬果則有保存期限短、價格易受產季影響等限制。林佑澤希望藉由乾燥技術延長農產品保存期限,開拓附加價值更高的加工業務。

不過,乾燥同樣有依賴經驗的問題。傳統做法是太乾就降低溫度、縮短時間,不夠乾就反向調整。每批原料的水分與成熟度不同,反覆試做不僅增加成本,也難以維持品質一致。「品質目標沒有設定的話,前面的製程參數就不知道怎麼調整。」林佑澤將過去研發車用面板的思維帶進農產加工:先決定產品希望達到的口感、含水率與水活性,再回頭檢視原料成熟度、截切厚度及乾燥參數等條件。

團隊進一步結合不同乾燥技術、自行改造設備,並接洽桃園的設備業者合作。林佑澤曾比較其他地區的設備,最後選擇設備構造、乾燥均勻度與可靠度較符合需求的桃園業者。宜展也持續累積製程參數,希望未來透過AI找出適合不同原料的乾燥曲線,減少反覆試做。

「我們主要還是要做代工,想要做一個功能性的原料平台。」林佑澤說,果乾目前更像是展示技術能力的產品,未來希望將服務延伸至辛香料、中藥材、太空食品、超級蔬菜及寵物食品等領域。現階段宜展主要營收仍來自蔬果截切本業,乾燥事業尚未形成主要收入。未來若能建立穩定的乾燥製程與代工能力,宜展便有機會從既有蔬果供應鏈,切入附加價值更高的食品原料市場。

從彰化走向桃園,驗證營運方法能否跨區複製

隨著加工流程逐步數位化,宜展也開始思考,這套管理方法能否帶到彰化以外的場域。

參與桃園市政府青年事務局天際線加速器及Meet桃園+後,宜展擴大與桃園產業生態系的連結。林佑澤提到,天際線協助邀集不同局處了解團隊需求,並提供資源媒合機會。宜展也開始與桃園市農會及在地農民合作,增加北部原料來源。這項合作不只拓展了供應來源,更成為宜展因應極端天候、穩定供貨的重要助力。林佑澤回憶,先前中南部連日降雨,蔬菜供應受到影響,宜展便從北部調度蔬菜,以不同產區互相支援,降低天候對供貨的衝擊。此外,團隊也透過天際線資源,獲得參與日本國際伴手禮設計競賽的輔導,並成功榮獲金賞獎肯定,除了展現產品的創新與設計實力,也為宜展拓展海外市場、提升國際能見度創造更多機會。

下一步,宜展規劃以桃園大溪作為第二個驗證場域,將彰化累積的資料、SOP與加工管理經驗,轉化為可複製、可優化的營運管理模式,帶到不同產地、供應鏈及人員條件下驗證。林佑澤指出,未來若要跨區域擴張,不可能每到一個新地方,就把原有團隊整批搬過去。因此,宜展希望將資深員工的實務經驗,轉化為標準化流程與數據模型,結合AI進行生產排程、資源配置及營運決策,讓新場域能依據當地條件快速調整,降低對特定人員經驗的依賴。

從彰化到桃園,宜展接下來要驗證的,是這套從傳統農產加工現場整理出來的管理方法,是能夠跨區域複製、快速部署並持續優化的農產加工營運系統。 長期目標是降低新場域的建置成本與管理複雜度,提升擴張效率,讓傳統農產加工業具備規模化發展的能力。

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
一次搞懂工業AI
© 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