投資AI是好生意嗎?一文破解「AI淘金夢」:為何比起Perplexity,IKEA、Walmart⋯更可能坐收AI紅利?
投資AI是好生意嗎?一文破解「AI淘金夢」:為何比起Perplexity,IKEA、Walmart⋯更可能坐收AI紅利?

重點一:AI雖具革命性,但因為 AI 而產生的大部分財富,很可能將由消費者獲得,而不是創業者或投資人。

重點二:AI 產業競爭十分激烈,模型公司與應用層公司最終可能被少數巨頭整合,一般投資人難以像過去科技浪潮那樣靠早期投資獲得高額回報,投資機會「有限且分散」。

重點三:因此,真正受益於 AI 的產業,很可能是善用 AI 提升效率的下游知識型服務業,如醫療、教育與金融,或是大量銷售商品的零售業者。

如果你還在設想 AI 會像微處理器、個人電腦、網路一樣,帶來新一波創業神話與新富豪,那也許還需要思考的更謹慎一點。

回顧科技史,人們常將「顛覆性技術」與「財富重分配」劃上等號。但歷史告訴我們,技術革命未必等於投資暴富。例如 1956 年的貨櫃化革命,即使改變了全球物流,真正賺到大錢的人並不多。多數人只是在見證產業洗牌、利潤被稀釋;最後,消費者才是最大受益者。

在 2025 年的 AI 投資熱潮中,是否會重演貨櫃化革命的敘事?或個換個更直白的問法:在這場 AI 革命,到底誰能真正賺到錢?

AI投資黑潮:新創會被巨頭「卷」死嗎?

美國天使投資人 Jerry Neumann(Neu Venture Capital 創辦人)近期在〈AI Will Not Make You Rich〉提出深刻觀點。他在投資界活躍逾 15 年、累計投資約 50 家公司,年化報酬率(IRR)超過 50%,卻在 2024 年宣布「辭職」,不再投資新公司。

Neumann 指出,儘管 AI 具備顛覆性技術潛力,未來十年全球 GDP 有望因 AI 成長 1% 至 7%,創造 1 至 7 兆美元新價值, 但這波財富重分配的最大受益者將是消費者,而非創業者或投資人。

他以微處理器、個人電腦、貨櫃化等歷史技術革命為例,強調 AI 已進入成熟期,競爭格局明朗,創新者難以建立護城河,利潤空間被巨頭壟斷。若非最早期的投資人,現階段已難以複製過往科技暴富神話。

換言之,只有極少數早期進場、主導 AI 模型技術的公司(如 OpenAI、Anthropic)及其創辦人、早期投資人,才有機會獲得巨額財富。

除了這些極早期進場的公司可以高歌離席,最終消費者才是 AI 革命的最大受益者,享受更便宜、更豐富的知識型服務。就此觀點而言,投資AI的後起之秀,很可能會在巨頭的競爭中處於不利地位。

對此他直言: 「大量湧入人工智慧的資金被投資到了錯誤的地方,除了少數幸運的早期投資者外,真正賺錢的人將是那些有遠見、早日退出的人。」

為了論證其「寡頭化」觀點,他舉了以下案例。

1970 年代:微處理器與個人電腦

微處理器問世之初,市場尚未成熟、需求不明,只有少數「真信者」或大膽投資人願意押注。直到 1981 年 IBM 推出個人電腦後,主流媒體才開始認真看待。1976 年蘋果成立那一年,《紐約時報》全年只提過四次「個人電腦」。當時,真正關注 PC 的,是那群「不合群的早期採用者」。

Neumann 強調「大公司討厭意外」。也因此,「不確定性」反而為新創提供了完善的護城河。假設 IBM 在 1979 年就進入 PC 市場,蘋果可能難以存活;在 1980 年完成 IPO 融資 1 億美元後,蘋果才得以延續競爭。而經歷 IBM 的「淘汰賽」後,蘋果成為唯一剩下的主要競爭者。

Apple-1
Apple-1 是蘋果生產的第一台電腦,於1976 年由Steve Jobs 與Steve Wozniak 親手打造。
圖/ 維基百科

隨著 PC 技術突破(如 MOS 6502、Zilog Z80 等低價晶片),市場中才出現蘋果、惠普、微軟等新創,早期投資人因此獲得高額回報。例如,記憶體提升催生更複雜軟體與外部儲存需求,促使創投家 Dave Marquardt 在 1980 年投資希捷(Seagate);希捷 1981 年上市時為他帶來 40 倍回報。此後三年,約有 2.7 億美元資金湧入該產業。

但進入成熟期後,競爭者大量湧現(如 1983 年僅硬碟產業就有 70 多家),利潤被稀釋,最終只餘少數巨頭(如 IBM、微軟、蘋果)存活,後進投資人難以再複製早期暴富神話。此時,產業形成寡頭格局,創新者更難建立護城河,投資回報趨於平穩。

1950 年代:貨櫃化革命

另一個案例是貨櫃化。貨櫃運輸改變了世界,開啟現代全球化,帶來社會與經濟的深刻變革。「但真正從中獲利的,或許只有一兩個人。」

1956 年,SeaLand 的前身推出第一艘貨櫃船 Ideal-X,徹底改變貨運業,讓貨物能在卡車、鐵路、海運間無縫轉移,節省時間、降低裝卸與港口閒置成本。創辦人 Malcom McLean 在普及前建立模式與地位,但一旦優勢被認知,大型航運公司迅速跟進、競爭加劇。

Ideal-X
Ideal-X 是美國海陸(Sea-Land)運輸公司在1956年首航的貨櫃輪船,它標誌著現代貨櫃運輸的開端,徹底改變了海運及全球運輸的樣貌。
圖/ SeaLand

McLean 在 1969 年將 SeaLand 賣給雷諾煙草公司,成功套現,成為少數「毫髮無傷」的企業家。另一位贏家是美國航運與房地產巨擘 Daniel Ludwig,他於 1965 年投資 McLean Industries,以 8.5 美元入場、1969 年以 50 美元出場,獲得高額回報。

隨著貨櫃化普及,競爭加劇、利潤被壓縮,產業最終由既有巨頭主導,利潤主要流向下游(如 IKEA、Walmart 等利用低運輸成本擴張的零售商),而非貨櫃運輸公司本身。後進投資人即使投入大量資本,也難以獲取超額利潤。

回到 2025 年:現在投資 AI 巨頭太晚了?

Neumann 指出, AI 已進入成熟期,技術與資本門檻高,市場由少數模型公司(如 OpenAI、Anthropic、Google 等)主導。新創或後進投資人難以建立護城河;應用層公司即使短期受益,最終也可能被模型層或巨頭整合。

他表示,雖然現在投資模型公司為時已晚,但市場上仍有新創利用這些模型解決特定問題,如 Perplexity、InflectionAI、Writer、Abridge 等。這些公司看似有成長機會,但一旦做大、變得有價值,模型公司可能透過「差別定價」或「垂直整合」拿走其利潤。

換言之,應用層公司「成功也可能等於失敗」,對一般投資人而言是糟糕的選擇。 隨著產業發展,模型與應用層會逐步趨同、合併,最後只剩少數大型 AI 公司。雖然仍會有少數贏家,但整體而言,投資應用層新創很可能虧損。

Perplexity-CEO-Aravind Srinivas.jpg
Neumann指出,如Perplexity這類新創公司,即使真的做大,也很可能被頭部模型公司搶走利潤;圖為Aravind Srinivas,為Perplexity AI聯合創始人兼CEO。
圖/ TechCrunch

AI 商機不在上游,而在下游

即便如此,投資人並非與 AI 無緣。 Neumann 建議關注下游,也就是善用 AI 提升效率、處理模糊資訊的產業:專業服務、醫療、教育、金融、創意產業等,這些領域佔全球 GDP 的三分之一到一半,過去自動化帶來的生產力提升有限,AI 有機會讓它們更有效率、利潤更高。

誰會最快受益?他舉例指出,IKEA、Walmart 這類以壓低成本、走大量銷售為核心策略的公司,最能快速受益於 AI 帶來的降本增效。未來,知識型服務業也會出現類似的新公司,主打高效率與低成本;競爭會很激烈,管理與執行力將是關鍵。

他分析,這些產業的公司通常不需要太多外部資本(IKEA 幾乎沒融資,Costco 上市前僅融過一輪),導入 AI 等新技術不必進行超大規模投資。創業者若能執行到位,有機會成功;但投資人很難像過往科技浪潮那樣靠早期投資賺大錢,因為最佳投資時機往往出現在技術成熟、產業結構穩定之後。

IKEA Brighton 新店開幕
Neumann認為,像IKEA這類以壓低成本、走大量銷售為核心策略的公司,最能快速受益於AI帶來的降本增效。
圖/ 圖片來源 / IKEA

AI 時代,消費者才是最大贏家

Neumann最後指出,雖然有些公司會因 AI 受益,但整體而言,這些產業的成長有限,投資人必須非常挑剔才可能賺到錢。

最終,AI 新價值多半將由消費者享受:知識型服務更便宜、選擇更多,醫療、教育、諮詢更普及且平價。就像自動化讓製造業產品變便宜一樣,未來 AI 會讓知識型服務變便宜;需要大量人際互動的服務(如照護、餐飲等)反而可能變貴,佔家庭支出比重上升。

看到最後,如果你在AI時代投資致富的信心被狠狠打擊,也不必太灰心。這不是個人資訊不夠快、膽子不夠大的問題。而是歷史上每一次技術革命,真正賺大錢的,總是極少數剛好踩對節奏、又能及時抽身的人。 而大多數人,無論多努力,最後都只能在巨頭的遊戲規則下分點湯喝,甚至只是當個花得起服務費的消費者。

但別忘了,技術的真正價值,從來不只在少數人的超額報酬之中。AI讓更多人用得起知識、獲得更好的醫療、學習更有效率,這才是它真正的社會紅利,而每個人都會是受益者。

延伸閱讀:Bolt正式登台!第一張王牌:讓利司機「5%」,能撼動Uber、台灣大車隊嗎?
MIT報告揭95%企業投資AI「零報酬」,只有5%能賺錢!「那5%」的企業做對了什麼?

資料來源:Colossus

往下滑看下一篇文章
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承

1973 年,良興從台北光華商場一間 50 坪的電子零件行起家,半個世紀後蛻變為年營收破十億、毛利率 18% 的全通路 3C 品牌。不過,伴隨規模擴張帶來的不只是成長,還有日益加劇的管理摩擦。門市遍布全台、品項高達近萬筆,加上跨部門協作頻繁,行政耗損與知識傳承的缺口,成為這家老字號邁向下一階段的隱形天花板。

良興總經理賴志達回顧,從電子零件跨入電商、從線下擴張到 OMO 全通路、再到會員深度經營,作為 3C 零售業者,良興每一波轉型都走在同業前面。「現在輪到 AI 了。如何做到人機協作、AI 賦能,就是良興第五波轉型的核心命題。」

AI 自動化,從行政細節釋放組織戰力

轉型需要夥伴,而賴志達評估合作夥伴的標準很明確:技術能力是基本,產業知識(Domain Know-how)的深度是關鍵,回饋速度更是最終決定因素。2025 年的未來商務展上,良興選擇攜手 Data-DI,看重的正是其「策略諮詢 + AI 產品 + 落地陪跑」三軌並行的實施能力。

很快的,良興與 Data-DI 合作的第一個專案,就落在最耗費人力、卻最常被忽視的環節:會議記錄。「會議如果沒有產值、沒有效果,對企業很傷!」賴志達說,他每天參加許多會議,但跨單位協作的會議記錄長期依賴人工聆聽與逐字整理,常出現人名誤植、決策遺漏、行動項目無人追蹤,讓會議效果大打折扣。

數智聚(良興)_1.JPG
良興總經理賴志達
圖/ 數位時代

為了解決會議記錄的痛點,Data-DI 業務副總包威棣指出,在導入工具以前,團隊須先釐清三件事:場景是否具備落地價值、哪些流程節點適合 AI 介入,以及以終為始地掌握客戶真正想要的輸出樣貌。這些看似基本的提問,都決定 AI 能否精準落地。

確認方向後,良興與 Data-DI 成功導入 AI 會議記錄自動化系統,透過模糊比對技術校正語音辨識誤差,並將生成的雙版本報告直接回存至既有資料庫,不僅將行政人員從重複性作業中釋放,也為後續的 AI 應用奠定扎實的系統整合基礎。

賴志達分享,現在他去外部開會也會用這個工具,運用 AI 把錄音轉文字、再整理成簡報,很快就能完成,更令外部夥伴驚艷。「我認為這是很成功的案子!也提醒想做 AI 的老闆們,與其急著搞大架構,不如先從小工具讓公司嘗試 AI,建立理解和認同。」

AI 把資深員工大腦轉化為資產

補完行政效率的缺口後,良興接著切入更深層的營運核心:知識傳承。過去,頂尖銷售經驗長期鎖在少數資深員工身上,新人培訓耗時三個月,員工離職即帶走知識資本。與此同時,網路資訊發達,消費者進店前早已掌握基本規格,3C 通路門市人員要如何發揮更多價值?「我要門市的人不是死背規格,而是面對客人時,能用客人能理解的方式對話。」賴志達說。

為此,Data-DI 協助良興建置 AI 門市教育訓練系統。系統透過六大自動化關卡,串接教材生成、審核上架、AI 銷售對練與成績回報,主管僅需在核心節點審核;員工透過手機語音對練,系統依口吻、專業度、回應力等維度自動評分。賴志達表示,目標是將新人培訓期縮短至一個月,讓數十年累積的銷售智慧轉化為可複製、可傳承的企業資產。

然而,要讓這套系統真正運作,得先解決兩個根本問題:資料從哪裡來?以及訓練如何更準確?

「以前大數據時代,講的是資料要大、全、細、實;現在 AI 要做到的是準(準確)、合(合乎場景)。」包威棣說。良興不同廠商提供的素材品質參差不齊,Data-DI 除了整合內部資料,也補充加入外部市場評測內容以填補空缺,再透過人員審核機制過濾雜訊,搭配 agent 架構的多層步驟與知識限定,確保系統能精準提煉對應品類的訓練素材。

數智聚(良興)_2.JPG
Data-DI 業務副總包威棣
圖/ 數位時代

賴志達則看得更遠:「這些教育訓練的內容,也將成為公司未來訓練機器人很好的原料。」

Data-DI 陪跑型顧問,帶領企業 AI 轉型

良興與 Data-DI 合作的兩個專案中,雙方共同克服了長提示詞邏輯混亂、AI 幻覺污染知識庫、逐字稿讀取逾時等技術難題。邁向下一步,賴志達表示,公司各部門很早就建置 Power BI 報表,但數據豐富不等於決策清晰。「數據是土壤,如果沒有梳理,就沒有用了。」因此,他的下一個目標是活化數據資本、推動行銷自動流,以精實的人力持續驅動成長。

數智聚(良興)_3.jpg
良興攜手 Data-DI 推動 AI 落地,以小步快跑模式為企業創造變革。
圖/ 數位時代

包威棣則從顧問視角歸納兩個觀察:AI 導入需要高層認同、由上而下推進,像賴志達這樣持續引領良興走在業界前端的決策者,就是不可或缺的推手;而單點工具的價值,終究要累積成組織體質的轉變才算真正落地。「就像會議記錄改變了會議當責的結構,人員訓練改變了知識傳承的方式。從點狀應用走向企業變革,這種決策思路才是 AI 真正深入落地產生價值的關鍵。」

最後,對於仍在觀望AI應用的企業,他則建議:「未來 AI 導致的落差只會愈來愈大,人會變成超級工作者,企業會變成超級企業。開始做就對了,先做一個三個月的小任務,降低落差、再急起追上。」從痛點切入、小步快跑,讓組織在實作中累積對 AI 的理解與信任,這正是 Data-DI 的陪跑哲學。

有關更多 Data-DI 相關資訊,請查詢網站:https://www.data-di.com/

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