雷軍不鼓勵大學生創業:沒錢最痛苦,很容易走上邪路
雷軍不鼓勵大學生創業:沒錢最痛苦,很容易走上邪路

小米集團創辦人雷軍是知名中國創業家,2010年他創立小米,如今10年後小米已是香港上市公司,他也是小米科技的董事長。

他常暢談分享創業心法,中國最近瘋傳他在回答網友提問「創業最痛苦的事情」時,表示第一次創業經歷讓他體會到,最痛苦的就是「沒錢」,因此他特別不主張大學生創業,生存壓力下很容易走向邪路。

他過去也提及自己創業歷程,雖然大學生點子多,生活無拘束性,挺適合做一些有潛力的創業項目,但他個人並不支持大學生創業,不僅因為創業失敗機率很高,也建議大學生把創業當作熬歷練跟學習的過程。

他蠻建議的是,畢業生找一個快速成長中的企業,工作三年至五年,有經驗後再來創業,成功機率會高很多。

雷軍第一次創業失敗就是大學時期

雷軍不僅是小米創辦人,也是金山軟件的共同創辦人,並創立卓越網卻賣給了亞馬遜,後來他也當天使投資人,多家企業後來在美國那斯達克掛牌,創業經驗豐富,靠著抓住「互聯網」浪頭興起,他也以極致、口碑行銷、快速等特點,打造了小米傳奇。

但雷軍並不是創業常勝軍,他透露,他第一次在大學創業就失敗了,當時他在武漢念大學,跟三個朋友合開了一家公司,但產品馬上被仿冒,團隊連吃飯都成問題,也發不起工資,其中一位自稱打麻將很厲害,大家就派他去跟餐廳老闆打麻將,果然贏了很多飯菜票,創業的幾個月期間都靠這些飯菜票度日。

他指出,創業最苦就是沒錢,所以在這個前提前,他不支持大學生創業,因為社會資源最欠缺,又沒有能力,在求生存的壓力下,很容易走向邪路,所以大學生創業要非常小心,他回憶,當年四人股份等比例,到底該聽誰的呢?最後雷軍提議乾脆拆夥!

他指出,創業是幾個人一起合作,所以團隊內要有能力很強,把產品搞定的技術人才,其次需要很多外部合作,跟客戶打交道,若沒有這樣的人才就做不下去。

9成創業會失敗,雷軍成功歸因認真分析馬雲

對於創業的風險,雷軍簡單的舉例,90%都會失敗,「創業的主旋律就是關門」,因此能養活自己的新創已經相當不簡單,這意味已經站在前10%族群裡了。

而他景仰的創業者?雷軍透露是馬雲。他表示過去曾經非常認真學習研究中國各創業大老的發展歷史,其中馬雲是他最景仰跟學習的,觀察閱讀阿里巴巴的企業歷史,他歸納三點心得,首先是必須選定一個有巨大市場需求的領域,第二是要找一群超級靠譜的人,第三則是得比同行有更充足的錢。

這也回應了雷軍強調創業最痛苦是沒錢,他解釋,錢就是人的膽,有足夠的錢才能讓創業者對於所看到的機會,有勇氣去做下去。

創業最痛苦是沒錢,最難卻是找人。雷軍分享,他曾經說服一位工程師加入小米,花了十小時都說服不了他,為找人才,他一通一通電話打給屬意的人才聊,用盡各種方法。

也因此,在投資業務上,他的投資原則也是,不熟悉的人不投,不熟悉的領域不投。

責任編輯:蕭閔云

關鍵字: #雷軍 #創新創業
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