晶片大神、黃仁勳的AI搶手貨,背後推手都是這家台灣小創投
晶片大神、黃仁勳的AI搶手貨,背後推手都是這家台灣小創投

十年前,兩位三十歲上下的青年,在台北瑞光路上一間咖啡店裡碰面。這次會面,催生了創投公司Mesh。

這間公司,成了北美知名AI獨角獸Tenstorrent,及被輝達執行長黃仁勳收購的高精地圖新創DeepMap背後推手。

而其中一位青年,便是Mesh共同創辦人,同時,也是廣達董事長林百里次子──林宇輝。

待過花旗銀行,也進過廣達工作,林宇輝對新創卻始終充滿熱忱。早在二○一○年,他就曾創辦交友網站「愛魅奇」。

雖然,初次創業並未成功,卻成為他二次創業的養分,「那時我就在想,如果我自己不是那匹千里馬,那我可以做個伯樂嗎?」

問題來了,Mesh只是一個初創的小基金,即使背後能連結廣達的資源,但對歐美那些具有潛力、完全不缺人捧錢上門的熱門新創來說,吸引力依然不足。

思考什麼是「台灣才有」逆風開一家硬體投資創投

「到底有什麼東西是我們有、而別人沒有的呢?」就在林宇輝思考之際,經由朋友介紹,認識了Mesh另一位共同創辦人、台灣初創投資基金KAMIA的創辦人喬國筌。

喬國筌帶領的KAMIA,是以鏈結歐美新創和台灣硬體製造資源為主要特色。

這樣的需求其實一直存在,譬如,曾經有來自矽谷的新創,因為沒有供應鏈相關的知識與資源,為了尋找能提供智慧門鎖螺絲的台灣供應商,就花了半年。

反面來說,台灣硬體大廠,也有和新創的接觸的需求,藉此掌握未來的市場脈動。

而林宇輝想瞄準的,就是以台灣強大的硬體產業為核心,提供新創與供應鏈相關的各種協助。從提供硬體、出貨量、市場需求概況等專業諮詢,到協助媒合新創與供應鏈,藉此接觸更多潛力新創。這樣的想法,與喬國筌不謀而合。

就這樣,兩人即使身處物聯網大爆發、App創業當道的二○一五年,他們仍決定逆風,做一個以「硬體投資」為主要調性的創投。

攤開成績單,Mesh的前兩檔基金,處分率分別達八成和六成。根據知名新創媒體組織Crunchbase統計,一間創投能有近六成的公司出場,就已是不錯成績。

雖然,廣達背景給足Mesh投資硬體的底氣,但,林宇輝深知,這是一頂沉重的王冠,他得比任何人都更謹慎的面對這光環。

「介紹(新創)給廣達,我反而要更小心,」他直言。

頂著王子身分,林宇輝的確能接觸到不少重要人物。但,眼光是否犀利、趨勢預測是否精準,才是身為二代的他能否被「家臣」尊重的關鍵。

「如果我帶去的團隊或技術不厲害,別人就會覺得,以後看到Sam(林宇輝英文名)就敷衍一下。」他很坦白的說。

一名時常與Mesh交流的廣達高層就透露,林宇輝大約一年會介紹兩至三個團隊,過半數都能引起廣達的合作興趣,對趨勢的判斷也很準確,「ChatGPT還沒爆發的時候,他就有來談過一些AI的項目。」

在家世以外,貫徹「雞婆精神」,才是讓Mesh成功的關鍵。

個性原先就喜歡認識新朋友的林宇輝告訴商周,「Mesh跟愛魅奇其實很像,都是在了解雙方需求後提供價值。」

貫徹「雞婆精神」看準趨勢,未投資也幫忙

什麼是雞婆?聯發科小金雞、Mesh投資標的之一的意騰科技策略長林孟學這樣解釋:「Sam說的『會幫忙』都是真的。」

這個幫忙,指的不是幫忙寫封介紹信就結束,而是更實際的付諸行動。

舉例來說,在AR眼鏡崛起的兩年前,嗅到趨勢的林宇輝就主動幫忙意騰牽線,對接幫大企業接代工的關鍵台廠,更直接帶他們認識關鍵人物,「如果沒有Sam的幫忙,我們大概要花一年才能找到這個人。」林孟學說。

大公司憑什麼相信Mesh所介紹的新創?是因為他們能夠介紹「打中大企業痛點」的新創,「不會說這間公司要A、結果(我們)介紹B,久了,(大公司)對我們也會比較信任。」喬國筌說。

例如:過去,雖然沒有人將第三類半導體的電源供應器用在伺服器上,但伺服器廠有相關想法時,Mesh便將前陣子傳出拿下輝達訂單、市值已超過十一億美元的第三類半導體公司Navitas介紹給代工廠,在未有市場前就搶先開發。

甚至,很多介紹都需要耐心等待,喬國筌分享,「有些大公司剛介紹完,初期沒有合作意願,兩、三年後遇到技術瓶頸,便回頭來找我們。」

這意味著,他們除了幫新創找生意,也必須準確的預測技術走向,才能投對公司、也媒合對公司,不白費每一次的介紹跟鋪墊。

以散熱為例,大企業對散熱的看法是什麼,客戶除了液冷還看重什麼新技術、背後的考量為何,都要付出大量的時間和深入研究才能通盤掌握。

知道企業在做什麼、可能還缺什麼,是在雞婆的更下一層,Mesh能一路走到今日的原因。

不僅如此,Mesh的雞婆,是不計得失的。例如,他們會在還未投資對方以前,就先幫忙,「先建立信任關係後續新創要找人投資的時候,自然就會想到你。」喬國筌說。

雞婆精神貫徹了整個Mesh,林宇輝笑著說,無論是他、喬國筌甚至是Mesh的其他合夥人、員工,找進來的人都有相似性格。

從創立男女間的戀愛平台扮演媒人、到穿梭供應鏈與新創間的媒合,即使項目不同,林宇輝始終扮演著一個角色:讓對的人在合適的時間相遇。

出身科技大廠二代 他必須比別人更雞婆一點

這也是為何,這間台灣小創投,能夠投到Tenstorrent這種由「晶片大神」Jim Keller擔任執行長的知名晶片新創,包含AMD、蘋果和特斯拉的晶片開發,都是他曾經的功績。

喬國筌說,「Tenstorrent多少要知道供應鏈的資訊,我們就會跟它交換意見。」透過提前掌握資訊,該晶片新創能讓AI晶片真的放在台灣伺服器的系統中時,能有最好的能效表現。

靠著各種牽線、促成合作,Mesh也逐步打入眾多硬體大廠,在電腦、手機、半導體等硬體圈裡都有人脈。人脈,代表的就是資訊,也是他們能幫各種人、事、物相互媒合起來的基礎。這,才是真正支撐Mesh運作的關鍵。

不少媒體曾報導,林百里當年對林宇輝創辦交友網站大發雷霆。

如今再度創業,是否會希望能夠拿掉家族濾鏡?或是得到父親認同?

林宇輝坦然的說,「我不會去排除我的家族背景,也不會去否認我是二代,但也希望在外面的名聲,不是一個敗家子。」

這位台灣市值排名第六大企業的二代,正在用屬於自己的方式,想為硬體產業、也為自己,找到一條不同的道路。

縱然贏在人生的起跑點,但廣達的標籤,可以是優勢,也可能是枷鎖。

如何一次次透過商業洞察及投資證明自己,或許正是林宇輝永遠都要比人「更雞婆一點」的最大動力。

延伸閱讀:留下一座「富士坑」⋯1.3萬個工作機會變1454個,深挖富士康威州廠縮水內幕
上半年上市櫃營收4天王出爐:它超車台積電奪冠!暴衝66萬%黑馬是誰?潛力榜名單曝光

本文授權轉載自商業周刊

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