創業失敗公式： #1. 想要養員工|數位時代 BusinessNext

創業失敗公式： #1. 想要養員工

想要養員工，是許多創業團隊失敗的主要或次要原因之一。這裡指的員工，是指那些你可以在任何時候，在市場上找到一個可以快速替代他工作的同仁。

編按：2017 年的台灣，在一連串的鼓吹、大環境改變之下，無論是剛畢業的新鮮人或具有業界經驗的人們，都開始更勇於創新、創業。但創業並非一朝一夕即可完成的任務，在所謂的「創業圈」裡，各種失敗案例不斷，乍看光怪陸離的鬼故事，其實多少都有些前例可循。

每個時代的創業成功不見得有必然法則可循，但總有些失敗經驗可以參閱。這次，我們且看以技術潛身創業環境，待過大公司、創辦過也加入過新創企業的戴志洋，為我們歸納了一系列的創業失敗公式。

創業團隊沒辦法養員工，主要是因為員工心態問題。通常，如果講好是員工，對企業而言，雙方關係就建基於完成你交付給他的任務，而員工權益相關的一例一休、勞健保等等都必須要按照規矩來；但創業風險難以預期，萬一創業團隊公司現金流為負，或根本現金不足怎麼辦？借來付嗎？

創業團隊與成熟、大型組織不同，從第一天開始就必須要用最少的資源做最多的事情。對於成熟、大型企業來說，當然不可避免會有許多人員異動，因此這些組織都必須要被設計成每個物件都可以置換，並需要以管理成本去控制每個企業運作的步驟。

但對每天都有太多事情要去煩惱的新創團隊來說，組織裡面如果有一些只是想要被養（編按：領一份錢，做一分事）的員工，你就難以確保讓團隊以突破極限的效率完成任務。這些員工通常如果遇到問題，都需要找其他人或主管才能解決；問題是：創業團隊通常都難以有餘裕會有管理者（編按：意指這個人通常的工作主要做管理而本身不會有產出），這樣會導致團隊溝通成本太高，而執行力則難以超乎一般組織的預期。

創辦人的時間太貴了，不太有可能有太多時間可以分給管理這項任務，這並不表示創辦人並不需要管理，而是這些管理風格與結果，會直接顯現在他日常決策、執行任務的每個環節上。創業團隊內的每一份子，都可以透過這些日常決策與互動，更加理解彼此的想法，校準彼此的認知。簡而言之，一個好的創業團隊，每個參加者都是夥伴關係。

夥伴(Partner)與員工是不同的概念：創業團隊成員，必須是在自己領域中能夠獨力作戰的人，就像是游擊隊成員一樣；團隊的每一份子，都有共同、明確的目標，每個人在自己的專業上都知道怎麼達成這個目標，每個人根據日常不停校準的判斷力，解決團隊面對自己熟悉領域的問題。除了獨力作戰，游擊隊成員當然可能共同合作完成任務。好的夥伴間對彼此都有足夠的信任，隨時更新彼此的認知，確認並解決歧異。創業的過程中，會有很多夥伴撐不下去而脫隊，但這沒有關係；只要持續有夥伴可以跟得上團隊成長的速度，那就可以持續前進。

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。