產品、計畫書都沒有,他還敢砸錢投資!創投伯樂初家祥的押寶心法,用「10年換10倍」
產品、計畫書都沒有,他還敢砸錢投資!創投伯樂初家祥的押寶心法,用「10年換10倍」

一份BP(營運計畫書)寫得再漂亮,在初家祥眼中都是「最不值錢的」。這位投中大疆創新(DJI,全球消費級無人機龍頭)的台灣創投人,選案看技術、團隊、市場與時機,再用減法把上百個案子篩到只剩個位數;投下去之後,則在董事會陪跑十幾年。

初家祥2014年成立普訊創新並擔任董事長,至今募集6個基金,管理基金規模約1億美元(約新台幣32億元)。他早年帶大疆創辦人汪滔拜訪台灣供應鏈,2014年,汪滔主動問他:「還想投資嗎?」據初家祥所述,普訊在大疆並不缺錢時,成為大疆融資史上第一個正式的創投機構股東。

以下Q為《數位時代》總編輯王志仁提問,A為普訊創新董事長初家祥回答,談他如何挑案子、如何陪伴被投資公司,以及AI熱錢湧入、好案子卻變少的此刻,創業者該怎麼做。

文章目錄

Q1:從 HP 業務工程師到創投,過去的經歷如何幫助你看新創?
Q2:你判斷要不要投資一家新創,依據是什麼?
Q3:你投過的新創裡,印象最深刻的故事是什麼?
Q4:從供應鏈出來的團隊,和還在找市場的團隊,你怎麼看?
Q5:AI 熱錢湧入,好案子卻變少,創業者該怎麼做?

Q1:從 HP 業務工程師到創投,過去的經歷如何幫助你看新創?

A: 我大學時念電機並輔修工業工程,後來又念了商學碩士。1997年因緣際會進了台灣惠普的量測儀器部門,賣的是高科技業研發、測試用的重裝備。

剛開始跑業務,我負責的都是小公司客戶,前兩年每年要負責300個客戶。後來做了創投才發現,這些當時看不上、或非常倚賴的小客戶,正是創投口中的新創公司。

換了身分再去拜訪,CEO有時開玩笑問我:「你怎麼又來了?」只是這次我不是來賣儀器,而是分享產業資源,甚至成為他們的投資人。

跑小客戶原本只是磨練新人的場域,卻成為我做創投很優渥的土壤。新創不是外界容易接觸的對象,我不知不覺先跟他們成為朋友,後來好幾個專案就是這樣產生的。

這些訓練也讓我可以從研發、技術、業務的角度跟創業家對話,不只看財務報表、問業績成長。因為我是業務出身,輔導新創時也經常跟業務主管探討市場策略、介紹客戶,兩段職涯就這樣混在一起。

Q2:你判斷要不要投資一家新創,依據是什麼?

A: 科技與時俱進,但投資心法是會累積的,很多錯誤經驗都是學費,要淬鍊成「不二過」。我們優先看4件事:

  • 第一是技術,這是核心,因為新創沒有太多有形資產可以評判。

  • 第二是團隊,我們看學經歷和業界口碑,台灣市場不大,要打聽一個創業家的過往,我常覺得三個人就打聽得到。

  • 第三是市場,市場越大代表潛力越大,但利基市場也有非常迷人的地方。

  • 第四是時機,太早的專案,做了是先知,但先知有時也是先烈,市場沒起來、資金耗盡,不一定走得過死亡幽谷;太晚進場,競爭又太激烈,沒有太多空間。

這4點同業人人都會說,難在對人的判斷,多少涉及主觀。有人比較敢說,有人只做不說,但只做不說不見得就好,要看我們要什麼、公司在什麼階段。

我習慣用減法看專案。現在的BP是最不值錢的,太多工具可以做,所以我讓團隊快速篩出所謂的「best few」,再集中精力探討這幾個構面,原則是「一處有疑,處處有疑」。我每年可能看幾十到上百個案子,最後濃縮下來的好案子可能只有個位數。

種子輪、A輪、B輪其實是教科書上相對的概念,好的專案不管哪一輪我們都有興趣看。但我們定位是創投,更傾向「投早、投好」,甚至不在意投小,因為公司會長大,後面還有機會順勢加碼。

我們也不追求大規模,目前還在運作的有3個基金,此前3個則已進入回收期,每年減資退款給股東。股東很支持,有好專案隨時可以再募,但我們更希望把每個基金都做到讓股東滿意。

Q3:你投過的新創裡,印象最深刻的故事是什麼?

A: 第一個是博通集成(Beken),中國無線連接晶片的代表性公司,也是我2006年在普訊創投時,集團在中國投資的第一個專案。創辦人張博士是北京清華校友,我們2000年左右就在美國投資過他參與的一家Wi-Fi公司,後來賣給了RFMD(美國射頻晶片公司)。

併購滿三年後他回中國創業,我們投資時不但沒有產品,連BP都沒有,只有兩張紙寫著團隊簡歷。

我邀張博士來台灣走訪產業鏈,去了一趟聯發科,當時還沒退休的副董事長卓志哲跟我們深談後,很開心地說:「你叫他不要做了,來我們公司,我們需要這種人才。」還好他沒去,還是走自己的路。

十幾年來,我在董事會陪他,每年開4次會,也有起有落。我們很幸運每個階段時機都剛好,例如中國國家標準ETC(電子道路收費)開放前,我們參與了中國工信部的規格制定,這筆生意後來成為博通集成2019年在上海證券交易所主板上市時很大的成長動能。

一般創投基金有存續期,例如7年投資、2年回收。當年普訊創投是長青型基金,沒有年限問題,才能用十幾年等待可能百倍的獲利。這個例子不常見,卻充分反映創投的本質:好的專案,時間夠久,就有可能創造很高的回報。

第二個是大疆。2010年前後,汪滔的老師、香港科技大學教授李澤湘開車載我到深圳一條小河邊,我看到年輕的汪滔帶著幾個同學在放傳統的航空模型,非常震驚於這群年輕人的投入,但還沒意識到它會成為這麼大的投資專案。

2012年前後,他開始做第一代四旋翼整機Phantom,相機則跟當時全球運動相機龍頭GoPro捆綁合作。但GoPro反過來要求大疆每台飛機都要讓利給它,這對產品才剛推出的大疆是很大的挑戰,汪滔大膽說了No。

PHANTOM 4 RTK
小型多旋翼高精準度航測無人機,面向低空攝影測量應用,具備厘米級別導航定位系統和高性能成像系統,便攜易用,全面提升航測效率。
圖/ DJI

但要說不,必須有底氣。我安排他來台灣,拜訪我的股東群光。GoPro主要負責產品定義和行銷,產品設計和ODM(原廠委託設計)都是群光做的。

大疆看了群光的樣機,就提出用自己的工業設計貼牌合作,前腳剛走,後腳就下了幾萬台訂單,群光CEO很意外:「這是什麼公司,手筆這麼大還不殺價?」台灣產業鏈在大疆第一波對抗GoPro時,是幫過忙的。

2014年我的基金準備成立時,汪滔半開玩笑、也認真地問我:「你當年說有興趣投資我,現在還想投嗎?」我反問:「你好像不缺錢?」我的幸運在於他記得這個情分,把我當朋友。

這個案子也讓老東家普訊創投有很好的回收,倍數不方便由我說。普訊創投的長青基金已經出清,我自己的基金還是股東,但大疆現在的發展比當年更迅猛,我覺得退出得有點早。

我上週才從大疆出差回來,他們早已不只做無人機,現在的成長動能還包括影像產品、電動自行車等。不少台灣供應商也在這樣的投資關係下,成為大疆的合作夥伴,這是我非常引以為傲的事。

Q4:從供應鏈出來的團隊,和還在找市場的團隊,你怎麼看?

A: 台灣以代工起家,供應鏈是我們賴以為生的關鍵。有人說代工沒學問,但我在鴻海身上看到,供應鏈的捶打非常困難。這類公司在行業已有江湖地位,出來創業找到新客戶,成功機率就很高。

像我們孵化、還沒上市的優達科技(UfiSpace),團隊就來自我的股東鴻海的網通事業群。我們過去總覺得大公司出來的人不太能打硬仗,但這群人特別能打。

資料中心早已有白牌伺服器,電信有沒有可能出現白牌交換機?大客戶AT&T發現,它向思科等品牌商買設備,最後的ODM竟然是鴻海,於是開始探討白牌的可能。在客戶默許下,團隊出來創業,現在在電信領域是全球前兩名,我們也期待它未來在AI資料中心扮演更重要的角色。

有技術、但不知道客戶在哪裡的新創,是我們比較擔心的。技術是必要條件,但不是充分條件:有技術不一定成功,沒技術一定失敗。更重要的是要知道為誰而戰、為何而戰。

公司成立第一天,房租、薪水就開始一天天計算,目標管理很重要,特別是銷售端的里程碑。以前說「酒香不怕巷子深」,但現在這個世界已經沒有太多秘密,速度和節奏很重要,切莫孤芳自賞、關起門來玩技術。

而且有競爭才有進步,我不太相信被豢養出來的供應鏈永遠能打。如果不能把頭伸出去做全世界的生意,這樣的競爭力會讓我擔心,也不是我們投資的首選。大疆從第一天就做全世界的生意,對手也來自全世界,反而捶打出好的研發團隊,甚至回過頭捶打出好的供應鏈。

Q5:AI 熱錢湧入,好案子卻變少,創業者該怎麼做?

A: 錢多好辦事,也不好辦事。AI起來之後,包括家族辦公室在內有不少新資金投進來,但我也擔心真正的好標的相對稀缺。台灣股市和就業環境如此暢旺,年輕人很容易進入台積電、聯發科,待遇比父母輩高一大截,不像二、三十年前我們那一代願意賭一把;創業門檻也拉高了,光是軟硬體的起手式就需要一定的投資。

就算再給我1億美元(約新台幣32億元)、不限用途,人要有自知之明,二級市場基期很高,也不是我的強項,留給別人去賺。我比較相信時間帶來的空間,用十年換十倍,這是我比較擅長的事。

對創業者,我的建議還是不忘初衷。大疆也不是第一天就做到現在這樣,也是幾個同學在實驗室裡從0開始。敢Dream Big,但還是要一步一腳印把技術磨好、把市場定義好,先在一個利基市場存活,再慢慢進入主流市場。快錢是很難的,把基本功練好、等待機會,沒有捷徑。

收聽完整 Podcast|EP297. 牽成大疆的台灣伯樂,如何識別千里馬實現百倍回報? ft.普訊創新董事長初家祥

(本文初稿為AI編撰)

關鍵字: #創投 #新創企業
往下滑看下一篇文章
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。

Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。

企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運

模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。

2025 年活動論壇現場,資料照
圖/ AWS

從六種產業場景,看 AI 如何走進真實流程

真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景 議程規劃與關鍵課題
智慧支付 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷
製造 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料
媒體科技 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰
零售製造 零售製造轉型;把技術接進實際營運與使用者體驗

這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。

10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。

10/23高雄展覽館盛大舉行
圖/ AWS

「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名

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
一次搞懂工業AI
© 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