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。

從生成式AI訓練、推論，到代理式工作流程（Agentic Workflow）與未來的實體AI，資料流量正以指數級成長，讓記憶體從過去支援運算的配角躍升為決定AI效能與能源效率的關鍵角色。

全球知名的半導體與微電子技術分析機構TechInsights指出，AI競爭正逐漸從晶片算力擴展到記憶體架構設計能力，加速「Computational Memory」等新架構興起；在這波浪潮中，深耕記憶體與儲存技術數十年的美光科技，正與關鍵夥伴展開深度協同設計，包含攜手NVIDIA共同開發適用於新世代資料中心的低功耗記憶體技術，在AI基礎建設的新賽局中成為不可或缺的關鍵。

當GPU不再是唯一主角，記憶體為何躍上AI舞台中央？

過去，半導體的焦點多圍繞在晶片，例如CPU、GPU跟AI加速器等，市場普遍認為，晶片運算能力是左右科技產業發展速度的關鍵，但在進入生成式AI世代後，產業逐漸發現另一個事實：真正限制AI效能的瓶頸不是運算，而是資料能否快速被存取與傳輸。

從大型語言模型訓練，到AI推論、代理式工作流程（Agentic Workflow），甚至未來的機器人與自駕車，龐大的資料流量正持續推升對高頻寬、低延遲、高容量記憶體的需求，讓記憶體產業從過去相對標準化、以價格競爭為主的市場，逐漸轉變為AI基礎建設的重要核心。

「仔細觀察AI應用服務會發現，大多數工作負載都被頻寬限制。」美光科技全球業務執行副總裁Mike Cordano認為，記憶體是突破（頻寬）瓶頸的關鍵，也讓AI競賽從晶片算力升級到記憶體與儲存架構的系統級競爭。這樣的產業洞察，也正是Mike在歷經二十餘年的儲存產業資歷，加上四年半的創投生涯後，選擇加入美光的核心原因之一：在AI重塑產業結構的浪潮下，記憶體將成為這波成長最直接的動能所在。

從零組件供應商到策略夥伴，記憶體共創時代來臨

AI的崛起，正在改變記憶體廠商與客戶的關係。

過去，記憶體產品多是標準化元件，客戶關注的是價格、供貨與規格；合作模式也偏向短期採購與交易導向。然而隨著AI系統規模愈來愈大，從資料中心、雲端平台到終端裝置，記憶體已經成為決定系統效能的重要關鍵，也因如此，越來越多企業將記憶體視為「策略性資產」，而非單純零組件。

Mike表示：「現在，我們跟客戶合作的時間跨度改變了，在產品正式上市前三到四年便開始合作，從系統架構階段就共同規劃未來需求。」例如，美光科技與NVIDIA共同研發的資料中心所使用的低功耗記憶體，便是雙方提前多年展開深度合作（co-design）的成果。

值得特別注意的是，美光科技除從技術層面與晶片製造商等夥伴共創產品，也在需求層面與客戶進行密切合作，例如，將過去較無約束力、期限僅一年的長期協議（LTA）轉變成為期五年、條款更具約束力的策略性客戶協議（SCA），藉此掌握客戶的未來需求，進而在技術層面做更深度的合作。Mike坦言，深度協同設計是高成本的投入，美光的做法是先廣泛進行市場感知，理解不同場域的需求方向，再與生態系統中的夥伴們展開客製化合作。

從裝置導向轉為Token導向，AI浪潮重寫記憶體成長模式

除了合作模式改變，更大的典範轉移是需求的改變。

Mike解釋，過去記憶體需求跟PC、手機跟伺服器出貨量息息相關，但在AI新世代，推動記憶體需求成長的核心不再是設備數量，而是AI模型所產生的運算與資料消耗量。「AI產業逐漸走向以『Consumption』或『Token』為主的新經濟模式，每一次的模型運算都需要消耗大量的記憶體跟儲存資源，這意味著，即使設備銷量成長趨緩，記憶體需求仍可能持續上升。」

更重要的是，AI應用正從資料中心外擴至手機、PC、自駕車與機器人等場域，儘管不同場域對記憶體的需求不盡相同，但是，Mike認為：所有AI裝置都存在三項共同需求：更快的速度、更大的容量，以及更高的能源效率。

正如Mike在受訪時提到的：「我們最大的挑戰，是如何與客戶和整個生態系保持高度一致，一方面創造供給與產能，另一方面持續推動技術創新。」可以預期，在接下來的五年，記憶體產業面臨的挑戰不僅僅是擴展產能，而是如何與客戶共同規劃需求、同步投入技術創新，而這也是美光科技積極經營AI生態體系的原因。

總的來說，AI帶來的改變，不只是算力提升，而是重新定義整個運算架構：過去，記憶體被視為支援運算的基礎元件；現在，則是決定AI效能、能源效率與創新速度的關鍵資源；當產業競爭從晶片性能延伸到資料流動效率，從裝置數量轉向Token消耗量，記憶體的重要性也將隨之水漲船高，對美光科技來說，這將是其從供應商走向AI生態系核心夥伴的關鍵角色轉變。