Antony Lee, Communications Master (李欣岳 / 媒體公關總監)
負責媒體與社群溝通相關輔導。加入 AppWorks 前有 18 年媒體經驗，是台灣第一批主跑網路產業的記者，先後任職《數位時代》副總編輯、《Cheers 快樂工作人》資深主編、SmartM 網站總編輯。畢業於交大管科系，長期關注媒體產業變化，熱愛閱讀商業與科技趨勢、企業與人物故事，樂於與人交流分享，期許自己當個「Internet 傳教士」。
“AI first” 正在成為主導未來商業發展的主流思維，現在正是「AI 創業」最好的時間。根據研究機構 IDC 預估，全球 AI 市場將由 2016 年的 80 億美元，快速成長至 2020 年的 470 億美元；2019 年將有 40 % 的公司採用 AI 創新服務；到了 2021 年，則會有 75% 的企業把 AI 融入企業的日常應用，就如同今日的行動應用一樣普及。
面對龐大的商機，為了讓應用 AI 技術的新創團隊，能夠共同切磋，一同探討 AI 的應用與機會，並鼓勵 AI 社群互相交流，AppWorks 特別舉辦一場 AI 新創團隊專屬的 Open House。分別邀請 AppWork Accelerator 第 9 屆 (AW#9) 校友，成功募得兩輪資金共 980 萬美元、產品銷售至 32 國家的智能安控新創 Umbo CV 技術長張秉霖 (照片右1)；以及推出智能客服解決方案，成功獲得台新、玉山、一銀等銀與台積電、工研院等知名企業採用的碩網資訊技術長江明洋 (照片右2)；連同 AppWorks 創辦合夥人林之晨 (照片右3)，一同分享有關 AI 趨勢的觀察，以及 AI 創業的機會與挑戰，以下是活動精彩內容整理：
1.建立自己的「數據水管」(data pipeline)
張秉霖認為，做 AI 必須建立終端到終端的解決方案，能接觸並收集最終用戶的數據，才能訓練並改善 AI 的能力。所以 Umbo CV 有開發硬體，希望能接觸到終端用戶，同時獲得用戶數據。
在數據收集與應用上，現在談的 AI，主要是其中的分支，是建立在統計學上的 Statistical AI，同時也是機器學習。機器學習有三個領域，包括 Supervised Learning、Unsupervised Learning、Reinforcement Learning。其中，張秉霖建議此刻創業，選擇 Supervised Learning 應該為最佳方向。
Supervised Learning 需要「有標籤」的數據，要靠人力去設定 Domain Data，告訴演算法去學會潛在特徵，預估還未被看過的數據。雖然 Supervised Learning 曠日費時，但目前 Unsupervised Learning 的突破仍有限；Reinforcement Learning 則必須在受規範的應用場景進行，例如遊戲、工廠等，能夠獲得快速回饋，但真實世界中，許多變數無法被控制，這對新創團隊來說並不容易。因此，現階段，Supervised Learning 是比較適合新創團隊的領域。
林之晨從創業策略的角度補充。他指出，訓練銷售夥伴是很困難的。因為賣軟體不容易，但將軟體與硬體綁在一起，就不需花費更多成本，去說服中間的銷售夥伴。他以 Umbo CV 舉例，運用向下相容傳統通路，來銷售新 AI 商業模式，是相當漂亮的發展策略。
2.短期不要以取代人力為目標
多數人看待 AI 的發展，會關心是否取代現有的人類工作，答案則是未必。江明洋以碩網協助企業客戶建置 Chatbot 的經驗為例，其實沒有減少真人客服。對消費者來說，語音甚至面對面客服的需求性與重要性仍然存在。AI 確實解決了一大部分的客服問題，但主要還是在文字服務上，補齊消費者對於文字客服的需求，讓人去做更有價值的客服。對於企業而言，建置 Chatbot 並沒有減少人力配置，所以 AI 不見得會取代人力，而是讓整體服務的能量與質量都提升。
不只是 Chatbot，客戶普遍對 AI 懷抱更多想像空間。對於科技應用，在需求上都會有新期望，例如 Google I/O 大會上，語音助理能夠取代人類訂位，拓展外界對於 AI 的想像，但實際上，它還需要時間才能普及，AI 還是有許多待解問題，實際上很多時候，碩網會透過溝通，控制客戶對於 AI 的過多期待。
江明洋補充，很多企業對於數據如何訓練機器學習的模式，想法非常單純，未必明白自己需要投入的資料量。因此碩網會對企業客戶闡述智能客服前端、服務、知識和維運上的需求，各自需要花上多少時間、人力與金錢，這些都是專案開發時，與客戶溝通時的重點，否則在與企業客戶合作時，會產生想像與執行間的斷層。
3.別怕中國 AI 新創的競爭
對於同樣以 AI 作為重點發展的中國，AI 新創該如何面對？尤其外界普遍對中國廠商，都有「善於抄襲與複製」的既定印象。張秉霖指出，在 AI 領域，複製產品模式比較有可能，但要抄襲數據則不容易。有時面對中國相同性質的廠商，很難避免被抄襲。重點在於自己的核心價值與技術在哪裡？若本身的競爭優勢，能被競爭對手用人海戰術取代，就會比較危險。
林之晨補充，AI 的發展，和過去的科技產品不同。在電腦和手機時代，中國的硬體要賣到全世界，消費者不會太擔心。但進入 AI 時代，各國普遍會有「數據被中國拿去應用」的威脅感，相對之下，這是台灣團隊的機會。中國 AI 企業走出中國，有先天的劣勢或原罪，可以反過來想，既然在中國市場，無法和中國廠商硬碰硬，就應該去中國以外，對中國廠商來說門檻比較高的市場與他們競爭。
4.看清 AI 晶片化的進程
在 AI 晶片上的發展快速，效能與應用範圍都持續突破，是否許多原本在雲端上的 AI 運算，未來能夠直接放到終端設備上？
張秉霖認為，把運算從雲端搬到終端設備，這件事一定會發生。從成本面來說，這是必然的趨勢，從頻寬的角度來看，也很難把所有終端設備上的數據，都往雲端送。如果能把運算搬到終端設備上，又能解決運算需求，就可以克服頻寬限制的問題。但這件事情不會這麼快發生。以 Umbo 的經驗來看，在智能監控領域，目前的硬體水準，運算能力還無法與在雲端上相比。
張秉霖提醒，如果把自己定位成解決方案供應商，要以機器學習的模式去服務客戶，就與這趨勢並不牴觸。不管是在雲端或終端，訓練的過程不變，一樣要有搜集、分析、應用、預測數據等過程。差別在於，面對這樣的趨勢，可能需要雇用嵌入式系統工程師，想辦法把一些在雲端上的運算需求，移到終端設備的硬體上。
林之晨指出，大家以為 AI 創業的決勝點，在於機器學習的運算模式，但其實這只佔一部分，甚至很多是使用者介面的問題。他舉例，這很像以前以為消費者買手機，就是重視效能「跑分」，但後來發現，Apple 或 Samsung 的手機，也不是跑分最好的手機，而是有其他重點。這不是秀肌肉，肌肉最強的人就會贏。
5.善用輕巧靈活，做 Google 不能做的事
面對已經投入 AI 領域多年的 Google ，新創企業如何與它競爭？以近年熱門的創業主題 Chatbot 為例，江明洋認為，只要做 Chatbot，就一定要克服語言的問題。Google 在中文語音雖然做的不錯，但離真正的智能客服還有一段距離，雖然它有很多數據，就算能把英文的通用 AI 問題解決，不代表就能解決中文的。在自然語言領域，語言和地區都是很大的門檻。這在影像的差異可能不大，但在文字與語言上，這個門檻還在。
他也建議，想切入這塊領域的新創團隊，動作一定要快。至少在5年內，都還有機會，不只是 Google，像 Amazon 的 Echo 出來了一段的時間，但中文化還有一段距離。
張秉霖補充，不同語言是不同 Domain Data 的問題。若有一個在英文數據上表現很好的機器學習模式，不代表在中文也能表現很好，必須要做 Domain Transfer 。在視覺領域，也有這樣的情形。曾有中國廠商，在中國做人臉辨識做得不錯，但換到其他國家，運用在白人的人臉辨識，成效就沒有太好。
林之晨形容，Google 若要做 Chatbot，一定是用「牛刀殺所有的雞」，要用一套機器學習模式，去適用不同應用，所以要用非常高的規格去做。但如果新創團隊鎖定利基應用，未必要花那麼大的力氣去訓練，也能做出 85 分或 90 分的成果，後面再用人力去解決那 10% 到 15% 的問題，用這搜集來的數據，再去精進原來的機器學習模式，在這個特殊的利基領域，就很可能跑在 Google 前面了，不要把 Google 想的太恐怖。
6.聰明的借技術債
林之晨指出，通常 CTO 的直覺，都是不要欠「技術債」。例如 AI 新創團隊，CTO 可能會想建立很強的數據水管，讓往後機器學習的效果更快更好，舉例來說，若現在不要欠技術債，可能要花 100 元解決，但欠下技術債，未來要花 1,000 元解決，CTO 通常會認為，現在就必須解決，這樣能幫公司省下 900 元。
但以創業的角度來看，這件事未必是對的。因為很可能現在的營收只有 10 元，甚至是 0 元，卻必須投資 100 元，未來的營收達 1 萬元，只要花 1,000 元就能還這個技術債，未來再解決反而是比較好的選擇。這往往是新創公司的生存考量，公司需求與技術需求如何平衡，永遠是新創團隊的考驗。
7.選擇對的環境創業
從創業的角度來說，林之晨另外建議，AI 新創應該要聰明的選擇創業環境，也建議大家考慮加入 AppWorks Accelerator，可提供給 AI 新創最主要的幫助包括：
・進駐 6 個月期間，完全免費，還可獲得來自歷屆加速器學長姊創業實務經驗的第一手分享，包括業務開發、行銷、招募、管理、募資等主題。
・每屆 35 支新創團隊彼此一同交流，刺激自己變得更厲害。還可獲得亞馬遜、微軟贊助價值超過 10 萬美元的雲端資源，大幅降低 AI 新創初期的實驗成本。
・加入來自各國，超過 300 家新創企業的加速器校友網絡，創造國際合作的機會。目前在 AI 領域，除了Umbo CV，代表性的校友包括：運用 Chatbot 叫計程車的 TaxiGo (AW#11)，每天超過 1000 趟次；共享電動機車平台 WeMo Scooter (AW#12)，每月超過 15,000 趟次；以數據分析導向，經營台灣最大民宿訂房平台的 AsiaYo (AW#12)；推出全球第一支 AI 寶寶攝影機的 Cubo (AW#16)，今年 5 月在募資平台上創下上線 24 小時內，超過 470 萬新台幣的佳績。
・建立更扎實的數據能力。例如，能與加速器校友企業合作，建立更豐富的數據來源；新創企業人數不多，在「資料科學家」這個重要職務上，可與校友企業的數據科學家彼此交流學習。
・解決募資需求。AppWorks 本身也是創投，在進駐加速器期間，透過彼此的觀察與相處，若雙方都有意願，有機會獲得 AppWorks 投資，在往後建立更進一步的策略夥伴關係。
現在就是創辦 AI / Blockchain 最好的時間，歡迎所有人工智慧、區塊鏈創業者加入專為你們服務的 AppWorks Accelerator
