新創公司商業化的四大迷思
新創公司商業化的四大迷思
2018.06.13 | 創業

新創圈中,大部分的題材炒作都圍繞在A輪前,因為那時只是空談,講什麼都好。而談成績則常是在B輪後,因B輪以前商業模式還沒有成形與系統化,根本沒有預期成果可期待。那你可能會問為什麼在A輪到B輪間大家不愛報導呢?

因為都是幹正事,大家愛報導風花雪月,沒人愛報柴米油鹽,而對新創公司而言,真正將產品的商業模式量化與程序化,是一件非常重要的事情,但也是第一次創業家完全不會思考的事。

這裡提到幾種常見問題,希望能點出盲點,促使創業家提早思考商業模式,並多請教各產業前輩聆聽與指教。

1.我不需要行銷業務人員,通通self-service

這種思維從2005年美國創業潮開始就有了。從線上支付、行動支付一直到今天炒作的區塊鏈,大家都肖想只要開放支付就會有生意上門。

事實上,不管是個人還是企業,購買決策不只看支付介面,還有很多地方要考慮。

以消費者導向的公司為例,同樣是買鞋子,為什麼地攤和旗艦店的客人消費力和行為舉止差那麼多?這癥結到了數位時代,依然沒有改變!因為大部分消費者並不會因為你買了Google Adwods或是臉書廣告,就自動上門、付錢與開動。

消費者還是要從品牌、口碑做決定,基本行銷業務專業該花的錢還是要花。

說到企業產品,如果沒有行銷專業努力去研討會、說明會等蒐集潛在客戶聯絡方式,沒有業務人員噓寒問暖、送糖果、巴結公司內決策者、推銷附加服務,基本上業務完全不可能推得動。

很多A輪前的公司,做個pitch、丟丟廣告吸引的客戶,只能安慰自己,這策略完全沒有可重複性。

而產品不錯的公司常常募不到錢,也是因行銷業務的體系沒有頭緒。通常稍微有經驗的投資人一眼就看出來了。很多第一次創業家產品開發後就是死在這一步。

2.兩倍的資源,兩倍的獲利?

聽起來很合理,但絕對不可能實現!若這種思維或數字出現在pitch deck中,被打槍理所當然。獲利不可能等比成長,原因有幾個。

首先,如果客戶需要團隊照顧,而每位員工都只能固定照顧X位的客戶。但因為你不可能因為只有X/2的業務,就只請X/2個人做事,因此不管任何時候,公司都有部分的資源被浪費掉。所以長時間來看,兩倍資源,不可能創造兩倍獲利。

你必須用經營航空公司和飯店的思維思考業務成本,你一定會有租不出去的房間、會有賣不出去的機位,絕對不要傻到用線性預估未來獲利。

再來,就是組織管理金字塔。新創公司喜歡扁平化,事實上扁平化只能做到業務組的扁平化,公司成長後哪有可能扁平化?

同理,現在你手下只能管三位業務服務九位客戶,假若今天有二十七位客戶,是不是請九位業務就萬事OK了呢?當然不可能!

假設所有員工跟你的能力差不多的(非常樂觀的假設),那你一個業務主管只能管三位業務,那請九位業務的時候是不是就需要三位業務主管呢?如果再假設大家的薪水都一樣(樂觀到好笑的假設),那九位業務和三位業務主管,就至少是十二個業務的薪水。四倍的成本卻換來三倍的業務,再這樣下去公司怎麼辦?

而綜合以上兩點,告訴我們在思考商業模式時,新創公司必須要有心理準備公司的成本會超過線性成長,因此公司要不斷地思考如何將內部的營運管理組織化、制度化,最後自動化。

很諷刺的是,當公司在思考如何建立組織和制度時,這又是一筆固定沉沒成本。因此新創公司要在什麼時點思考投資專案管理、行銷管理、人事管理的制度和系統,也是見仁見智。

3.什麼市場都能賣?

延續第一點就可以看出眉目,很多產品,如社交網路和訊息軟體,為什麼臉書和Slack明明有很多重複的功能,之間卻有難以跨越的楚河漢界?

很多創業家都很天真地以為產品的形式會引導業務模式,卻殊不知,真正其實是行銷導引業務模式,而業務模式再決定產品形式。

而事實上很多產品的成功,都必須回溯到市場的需求,才能決定行銷策略和產品的規格。

回到之前具體的例子,同樣是分享內容和訊息軟體,臉書因為客戶群是一般民眾,因此行銷重心放在如何跟娛樂(如遊戲、貼圖)、民生(如線上支付)整合;反觀Slack,雖然有多類似的功能,但是其真正的行銷重心卻是放在資訊安全性和內容存取管理(例:防止離職員工存取分享的檔案)。

講個比較傳統的例子,世界上很多大車廠其實都是兼做飛機引擎的,比如說三菱(Mitsubishi)、勞斯萊斯(Rolls Royce)都是這類車廠。雖然飛機引擎和車引擎有部分共用的技術基礎,其對外的行銷策略完全不同。車引擎通常大家都是看轉速、扭力和油耗,但是飛機引擎卻是注重穩定性和危機應變能力,很多現代的飛機不管雙引擎客機還是戰鬥機,就算只剩一顆引擎也能夠繼續飛。由此可見,類似的產品技術,因為市場條件不同、行銷策略不同,最後必然有不同的產品規格,甚至被切割成為完全不同的獨立事業部。

由此可見,新創公司根本不可能將同樣的技術到處賣,最後還是得挑單一產業別、單一市場,進行深耕。

若不奏效,再談轉型,但千萬不要甚麼都想做、甚麼市場都想碰。

4.酷炫的行銷語言

其實創業家在實際接觸過市場、真正在市場上賣過產品,就會發現其實絕大部分的時間,酷炫的行銷語言是一點用處都沒有,市場比我們想像中的務實許多。

新創公司在初擬商業模式時,一個常犯的錯誤就是想塞噱頭詞,結果沒想到市場反應極端負面,害死自己。

以現在很紅的人工智慧(AI)來說好了,這詞在不同產業的意涵相當不同。

在金融業,AI是自動化和效率的象徵,但是在教育界,人工智慧對於很多家長而言,意思就是「沒有人情味」、「制式化」的代名詞,尤其是在針對幼兒教育時更是門禁忌。

同理,物聯網使用的偵測器(Sensor)在智慧工廠中是很好的行銷重點,但是如果今天是嬰兒用品、企業會議解決方案,提到Sensor常常會觸動買家的敏感神經,馬上聯想到「沒有隱私權」、「洩漏資料」等疑慮。

有時候在思考商業模式時,在行銷語言中加入太多亂七八糟的噱頭詞,反而會有反效果。

短結

新創界長久以來都有個「重工輕文」或「重工輕商」的文化,許多創業家在思考商業化時,都相當天真且缺乏產業常識。

因此面對商業模式問題,創業家遭遇的困難通常不是不夠聰明或是沒有資源,而是太晚求救。

其實,只要先知先覺,一切都還有機會,千萬不要等到錢快燒完的時候再找人討教,為時已晚。

《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。)

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