《富比士》AI 50榜單出爐,前OpenAI工程師創Adept 上榜!最有前途公司還有哪些?
《富比士》AI 50榜單出爐,前OpenAI工程師創Adept 上榜!最有前途公司還有哪些?
2023.04.17 | AI與大數據

人工智慧蓬勃發展,《富比士》(Forbes)雜誌發布2023年AI 50榜單,評選了最有前途,利用AI開展業務的50家未上市公司。

最近幾個月,隨著ChatGPT和一系列圖像生成器的發布,人工智慧已經占據了時代的主流。機器人撰寫的論文和穿著羽絨服的教皇圖片讓人們對它的興趣陡增,並將人工智慧的觸角延伸到矽谷的實驗室和初創公司辦公室之外,進而又推動一系列人工智慧新業務的發展。

關注AI 50榜單的人應該早已預見到這一點。而該榜單評選了最有前途的利用人工智慧開展業務的未上市公司。

2023年上榜的50家公司總共獲得272億美元的融資,雖然其中有相當一部分資金是在過去一年中籌集的,尤其以微軟對OpenAI的100億美元投資為甚,但許多上榜公司早在目前的「AI淘金熱」出現之前就已經在使用人工智慧進行開發。

延伸閱讀:不懂「詠唱」,也能生成AI圖片!Midjourney超狂新功能,直接讓AI反推提示詞

《富比士》AI 50榜單怎麼評選?

多年來,像Scale AI這樣的中堅力量一直在為AI淘金者們提供鎬和鏟子——以及尤其重要的人力——來幫助ChatGPT這樣的工具從概念變成現實。AlphaSense和Vectra AI也已經營運十多年,而榜單上最大的公司Databricks擁有5,000多名員工。

與此同時,一群剛剛起步的初創公司也利用投資者的狂熱,組建規模可觀的企業,在其他風險投資領域遭遇市場回調之際,人工智慧領域卻蓬勃發展。Adept、Anthropic和Coherence等公司成立不過兩年,就已經獲得了數億美元的投資,另一方面,Midjourney和Surge AI在沒有從外部融資一分錢的情況下,也迅速積累令人印象深刻的客戶基礎。

今年,是第一次將AI 50榜單的評選範圍拓展到北美之外的公司,《富比世》總共收到了近800份申請,評選流程包括由一個定量算法和一個定性評審團來評判他們的商業前景和對人工智慧的技術應用。此外,榜單旨在促進一個更公平的創業生態系統,因此也鼓勵參選公司分享關於他們員工多樣性的數據,儘管如此,人工智慧行業在這方面仍有待進步,目前只有12家公司有女性聯合創辦人,其中5人擔任首席執行長,而有8家公司的創辦人是黑人或拉丁裔。

在少數幾個公司未主動披露資訊的情況下,《富比世》使用了PitchBook和Crunchbase所提供的數據。

值得關注的新上榜AI公司

Adept

總部所在地:舊金山
CEO:David Luan
專注領域:AI模型開發

Adept共同創辦人David Luan曾是OpenAI的工程總監,而這家獨角獸初創公司正在研發一款數字助手,可以幫助你完成所有的點擊、打字和滾動鼠標的操作。它的人工智慧模型旨在將一個文本命令(如「在我的預算範圍內找一棟房子」或「創建一份損益表」)轉換為電腦執行的行動,而不需要你動一根手指。在戰略投資者微軟和英偉達的支持下,Adept宣布獲得總額4.15億美元的融資。

Insitro

總部所在地:舊金山
CEO:Daphne Koller
專注領域:藥物研發

1995年, Daphne Koller成為史丹佛大學計算機科學系第一位機器學習教授。當時,「人工智慧」一詞是被禁止使用的,因為之前的炒作週期讓投資者失望。如今,她正在使用機器學習來分析人類基因和細胞的既有模式,以發現有前景的新藥。大多數新穎的治療方法都無法通過FDA的批准程序,而研發這些療法可能需要花費數十億美元,耗時數年。CEO Koller說,這家成立五年、估值24億美元的初創公司,可以幫助製藥公司避免代價高昂的失敗。

Runway

總部所在地:紐約
CEO:Cristóbal Valenzuela
專注領域:圖像和影像編輯

你可以把它看作是為藝術家打造、易於使用的Adobe,這就是估值5億美元的Runway正在用其30個人工智慧工具套件打造的目標。這款軟體可以根據幾個字就生成圖像和影像,還能動態地改變其視覺風格。Runway的工具被用來為電影《媽的多重宇宙》 (Everything Everywhere All at Once) 中的一些場景構建視覺效果,該片獲得了包括最佳影片獎在內的七項奧斯卡獎。

Synthesia

總部所在地:倫敦
CEO:Victor Riparbelli
專注領域:合成影像創作

Synthesia可以製作120種語言的影像。你只需寫一個腳本(或讓另一個人工智慧程序為你寫一個),再從100個合成頭像當中挑選一個,然後一眨眼,影像就做好了。在2017年,四位學者和企業家組成的團隊成立了Synthesia,該公司已從凱鵬華盈(Kleiner Perkins) 、谷歌風投和馬克·庫班(Mark Cuban) 等投資者那裡籌集6,650萬美元。像路透社和埃森哲這樣的大公司都在其3.5萬名客戶之列。

以下為富比世2023年AI 50完整榜單:

福布斯2023年AI 50完整榜單
圖/ 36kr

延伸閱讀:GPT神器又一個:AutoGPT!不必人工下指令,怎麼下載?安裝步驟一次看

本文授權轉載自:36氪
責任編輯:傅珮晴、蘇祐萱

關鍵字: #AI #ai人工智慧
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