[AI創業]AI新創能學Google與FB擁技術自重嗎？|數位時代 BusinessNext

剛剛結束的台灣人工智慧年會把台灣AI風潮帶到最頂點，Google董事總經理簡立峰曾經分享，「Google若進行5000項AI專案，最後證實有用的不到10項，論文演算法講得頭頭是道，但實作後好像不是這回事，許多參數調不出來。」這段話道破了AI創新和創業的本質。

首先，創新跟創業一樣，無論什麼題材，整體就是成功率極低，不會因為你搭上了某輛技術列車，成功率就會大大提高，頂多就是搭著市場當下關注的題材，在一段時間內較容易從市場取得資本。

而AI創業實在沒有理由是個例外。

先射箭再畫靶行得通嗎？

許多AI創業公司會先以擁技術自重，然後再尋找這項AI技術可以應用在什麼市場的需求上，這其實是一種「先射箭再畫靶」的作法。

先不說新創公司通常手上沒什麼資料拿來做AI訓練素材，與公開資料集大家都拿得到等，這幾個既成事情；最關鍵的是AI創新本質是數位創新，經營邏輯和框架不會跳脫數位經濟的本質。

數位創新要能規模化，重點不在你有多強的技術，而在於你是否能想出辦法掌握市場的需求方經濟。

或許有人會問：Google和 Facebook不就是一直靠著技術突破，不斷創造巨大的商業價值嗎？這個看法只說對了三分之一。

在技術之外的網路外部性與邊際效益遞增

這些全球科技強權之所以能不斷創造巨大價值，讓股價衝天、讓員工捨不得離開，在技術之外，靠的是網路外部性（network externality,又稱網路效應 network effect）和邊際收益遞增（increasing marginal revenue）兩種經濟效應。

「網路外部性」在數位經濟興起之後，已經被業界充分理解，簡單來說，幾家科技公司掌握了用戶規模和服務的入口，除了越多人使用服務會讓服務本身越有價值、形成正向循環外，也表示一點點服務的改善，就可以產生出巨大的新商業價值，彼得·泰爾（Peter Thiel）也在他的經典書籍《從零到一》中特別提到網路外部性的重要，這個效應是數位產品的本質。

試想，Google在電腦視覺技術上面改善1%的辨識率，背後代表的可能是10億美元甚至是百元美金以上的廣告新產值。

但是同樣的改善率放在一般的新創公司呢？可能對公司增加的產值寥寥可數到可以忽略的程度，頂多發發論文和一些公關稿就沒了。

因為巨量廣告的基礎和需求方規模經濟本來就是掌握在科技巨頭身上，而不是一般新創公司。

「邊際效益遞增」則是知識經濟當中的本質現象，講的是在知識依賴型經濟中，隨著知識與技術要素的投入增加，產出會越多，而生產者的收益會呈現遞增的趨勢。

傳統的農業經濟和工業經濟均是物質資源依賴型經濟，物質資源具有明顯的排它性特徵：其使用價值在某一時刻只能被一個使用者所占有和使用。同時物質資源是稀缺的，使用時必須消耗它，隨著其使用量的增加，成本越來越高。

最終導致生產者收益的遞減。知識性資源具有共用性，同一知識可以被多個人同時占有和使用。並且在使用過程中不會消耗它，只是利用它，在使用過程中還會產生新的知識。信息資源和知識資源在使用時還是一種積累和開發的過程，在重覆使用過程中成本遞減。從而會帶來遞增的收益（註1）。

科技巨頭們為什麼不斷把最尖端的技術不斷開源、毫不藏私呢？

因為這些開源的程式碼不是這些公司的核心競爭優勢，「網路效應」和「邊際效應遞增」才是真正的競爭優勢。

開放這些程式碼是為了更加利用既有的網路外部性，形成更大的用戶規模，一家新創公司如果發展出TensorFlow這種了不起的框架，或許會小心翼翼地當做智慧財產權保護、視為公司的核心資產、甚至於想要從中直接收費盈利；但對於Google來說，TensorFlow就跟其他所有產品一樣，是了不起的技術創新沒錯，但其核心目的是擴大其他產品的網路效應，這兩種商業經營邏輯在本質上完全不同。

兩個效應加在一起，形成數位經濟當中「大者橫大」的極化現象，所以 Google、Facebook 與Amazon等幾家公司，可以不斷吸引到最頂尖的知識型人才，不斷投入新技術和新知識型產品的生產，而且每年還可以不斷成長，最近哈佛商學院的學者也把這些經濟現象用一個更潛顯的名詞來概括：Hub economy（樞紐經濟），只要掌握了用戶和服務的入口，你想幹麻都可以。

結語

回歸到AI創新這件事情，其本質也是數位技術，因此在市場上要能切出一道破口，立刻會面臨科技巨頭籠罩的網路效應。

明年開始，當大家開始發現AI創新的本質其實和之前並沒有任何不同，也是數位經濟的一部分的時候，就可能會出現AI創業的一波泡沫化。

面對這樣的狀況，一種經營策略是利用AI人才稀缺的現狀，運用高薪加上資本市場的操作，想辦法在短時間內快速圈住AI人才，尋求被大公司人才併購出場，快速賺一波資本財，但這種作法是否真正為市場創造出新價值，則是一個問號。

回歸到辨識市場需求，先找靶再射箭，出發點一定是想著為市場解決新舊問題和滿足新需求，這還是創業最重要的出發點，AI創新和創業也絕對不例外。

註1：邊際效益遞增文字，引述自MBA智庫百科。

本文由程世嘉授權轉載自其Facebook。

《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。

（觀點文章呈現多元意見，不代表《數位時代》的立場。）

一家來自台灣的 AI 新創，如何讓美國上千家速食餐廳，都用它的 AI「看」得來速車道？

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能)，透過攝影機蒐集匿名數據並轉化為多項營運指標，協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例，在全面導入 Berry AI 解決方案後，服務速度提升 13%-20%，業績表現最好與最差的門市，每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後，得來速車道的服務時間也立刻改善，進而提升整體吞吐量。

然而，支撐 Berry AI 解決方案的，不只有前端看得見的攝影機與影像辨識技術，還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務，打造兼顧即時性、穩定性與成本效益的雲地混合架構，成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模，Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示，團隊成立初期投入近2年半的時間，探索最適合影像辨識技術的應用場景，最終將目光鎖定高度標準化的速食餐飲業（Quick Service Restaurant；QSR），推出得來速計時器、餐廳計數器等解決方案，運用 AI 影像分析技術，辨識顧客進入得來速車道或餐廳後的狀態，例如：排隊、點餐、候餐等。

同時，Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標，例如：不同門市、日期或時段的顧客等候時間，協助管理者從數據中找出流程瓶頸與可以優化的環節，進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後，Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而，隨著合作客戶與部署門市持續增加，資料量快速攀升，加上服務範圍橫跨不同區域，既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出，尤其 QSR 業者在選擇 AI 解決方案時，格外重視技術效能與穩定性，包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作，以及網路發生問題時能否維持服務等。在這樣的要求下，若將所有運算與資料都留在地端，不僅難以因應日益增加的部署門市與資料量體，設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端打造高可用性 AWS 雲地混合架構，突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益，成為 Berry AI 進軍北美後必須解決的新課題。為此，Berry AI 選擇與博弘雲端合作，取得穩定且高可用的 AWS 運算與資料庫服務架構，將即時運算留在地端，同時在雲端環境整合資料庫處理大量資料與後續分析工作，形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明，包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作，會先在地端完成；再將辨識結果傳送至 AWS 雲端，計算各項營運指標，提供後續分析與決策使用。透過這套架構，Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外，AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上，透過完整且多樣化的資料，持續訓練與優化模型，進一步提升地端影像辨識的準確度。

Berry AI 鎖定高度標準化的速食餐飲業（Quick Service Restaurant；QSR），推出得來速計時器、餐廳計數器等解決方案，運用 AI 影像分析技術，辨識顧客進入得來速車道或餐廳後的狀態，例如：排隊、點餐、候餐等，協助管理者從數據中找出流程瓶頸與可以優化的環節，進而提升服務效率及顧客滿意度。

圖／ Berry AI網站圖

成為企業技術團隊的延伸，博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長，Berry AI 也迎來新的課題：如何把雲端資源用得更有效率、更省成本，這也成為 Berry AI 與博弘雲端合作的重要契機。

對此，可能有很多人好奇，像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業，為什麼還需要與博弘雲端合作？「關鍵在於，博弘雲端長期深耕 AWS，對相關服務與技術架構更加熟悉，可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時，可以直接尋求博弘雲端協助；若需要進一步與 AWS 原廠確認，博弘雲端也能協助溝通與處理，減少 Berry AI 自行研究與排除問題所需投入的時間，讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是，博弘雲端不只提供技術支援，還能從 Berry AI 實際用量與成長需求出發，客製化設計最適合的節費方案，這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明，博弘雲端根據 Berry AI 既有的 AWS 用量，推估未來 1-3 年內的使用需求，並以此為基礎規劃合適的長期雲端資源用量；同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS，進一步整合集團需求進行評估，放大整體採購規模，爭取更大的節費空間。

宋青雲強調，雲端採取隨需即付的計價模式，雖然具備彈性優勢，但若缺乏持續管理，仍可能出現資源配置不符商務規劃，或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案，也會從效能、資安與成本等面向進行架構健檢，提出相應的優化建議；同時還會提供相關管理介面，讓企業隨時查看帳戶使用狀況、預估未來用量，在業務規模持續成長的同時，也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化，只是博弘雲端服務的一環。從企業準備上雲開始，博弘雲端便能協助將應用程式與資料從地端搬遷至雲端，或直接在雲端完成部署；進一步還能協助建置數據平台、數據中台，進行資料分析及導入 AI 應用，讓企業資料發揮更大價值。當服務正式上線後，博弘雲端也能接續提供維運服務。換言之，從前期 PoC、雲端建置到後續維運，博弘雲端都能依據企業需求，提供相應的服務與支援。

對 Berry AI 來說，藉由與博弘雲端合作，深化 AWS 雲端資源使用，不只是突破規模化挑戰，更重要的是能把有限的資源集中在核心業務，持續優化解決方案、開發更多貼近餐飲營運需求的應用，進一步爭取更多品牌合作，擴大北美市場版圖。目前，Berry AI 正全力拓展北美市場，也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System（DevOps、Infrastructure），以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台，到協助餐飲品牌提升營運效率的分析產品，每個環節都還有發揮的空間。期待匯聚更多優秀夥伴，一起用 AI 解決真實的營運問題，讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情：https://www.cake.me/companies/berryai/jobs

在 Instagram 查看這則貼文

數位時代（@bnext_official）分享的貼文

[AI創業]AI新創能學Google與FB擁技術自重嗎？