別只看ICO創造的獨角獸,其實超過5成公司活不過四個月
別只看ICO創造的獨角獸,其實超過5成公司活不過四個月
2018.07.11 | 募資

去年底,比特幣價格扶搖直上,密碼貨幣在全球掀起一股熱潮,各式各樣的ICO(首次代幣發行)也應運而生,不過最近一份來自波士頓大學的研究指出,因為市場炒作,有高達56%的ICO根本就活不過四個月。

半年內ICO募集金額高達137億美元

最近企管顧問公司資誠(PwC)與瑞士加密谷協會(Crypto Valley Association)發布了一份報告,提到光是今年(2018)前五個月ICO募集的資金,就已經超過過去五年ICO募集的總金額。

以2013~2017年這個時間段來觀察,這五年ICO活動所募集的金額,分別是80萬美元、3,000萬美元、990萬美元、2.52億美元、70億美元,不過今年光是前五個月,在全球就已經完成了537個ICO活動,成功募集的總金額達137億美元,半年內所累積的金額,已經超過五年的總合。

2018年的ICO戰場用「熱鬧」來形容一點都不為過,除了金額衝上新高,也首次誕生了身價超過10億美元的ICO獨角獸(ICO Unicorn),分別是智慧合約平台EOS代幣,共募得41億美元,接著是通訊軟體Telegram從ICO預售活動的200名投資者手中,成功募集17億美元。

PwC-S-CVA-ICO-Report
ICO獨角獸首次誕生,分別是智慧合約平台EOS代幣以及通訊軟體Telegram。

若從地區來看,ICO募集金額最多的國家地區由開曼群島居冠,其次是英屬維京群島,新加坡則排名第三,主因是Telegram與EOS這兩大ICO獨角獸,分別在這兩個群島上進行所致。

同時報告也指出,自2013年以來全球共進行3,470個ICO活動,但真正成功完成的卻只有三分之一,而大多數ICO之所以失敗,不外乎是因為募資失敗、憑空消失,甚至因為法律監管問題消失的都有。

56% ICO撐不過四個月

從一個數據就能觀察出ICO有多熱,根據CoinMarketCap數據,目前全球有超過1600種密碼貨幣,總市值約2700億美元,密碼貨幣如雨後春筍般出現,很大一部分的原因,就是很多區塊鏈新創搶著用ICO募資所致。

雖然今年上半年ICO活動,成功募集的總金額達137億美元,但失敗收場的也非常多,根據美國波士頓大學最新研究,有56%進行ICO的公司,都撐不過四個月。研究人員分析了今年前五個月,進行ICO的2380家公司的Twitter帳號,結果發現只有44.2%的新創,在ICO結束的120天後還能持續存活。

ICO
根據美國波士頓大學最新研究,有56%進行ICO的公司,都撐不過四個月。
圖/ shutterstock

研究人員進一步指出,透過ICO買到的代幣後,若能在第一天就賣出,其實是最安全的投資策略,他們發現最高回報出現在購入代幣的第一個月,隨著時間的推移有更多投資人加入後,回報率會一直下降,研究人員分析,回報是對風險的補償,許多ICO都沒有完全建立好平台,因此存在許多炒作的成分,這也是為什麼有超過半數的ICO無法撐過四個月。

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

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Vibe Coding
© 2025 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