當 AI 讓兩三人的團隊也有機會挑戰大型企業，下一批值得投入的創業機會在哪裡？全球知名新創加速器 Y Combinator（YC）今（12 日）首度在台灣舉辦 Startup School（創業學校）。YC 合夥人提及，除了觀察市場需求，創業者也可以深入研究 AI 模型仍不擅長解決的問題，例如硬體設計、晶片驗證等領域。
YC 普通合夥人 Jon Xu 在開場時便點出選擇台灣的原因。他表示，全球 AI 熱潮高度仰賴硬體，而晶片、伺服器與筆電等設備，有很大一部分由台灣設計、製造。他也向現場工程師提出一個問題：既然台灣已經花費數十年打造支撐全球科技發展的硬體，接下來能否有更多人創辦建立在這些技術之上的公司？
AI 降低創業門檻，兩三人的團隊也能挑戰大型企業
在活動壓軸座談中，YC 合夥人 Ankit Gupta 指出，AI 正在改變新創與大型企業之間的競爭條件。過去，新創團隊往往擔心缺乏大型企業擁有的資金、人力與技術資源，但如今情況可能反過來。Ankit Gupta 認為，擁有數千名員工的大型企業，很難為了充分發揮 AI 模型的能力，徹底改變既有營運與決策流程；有些企業雖然為員工提供 ChatGPT 帳號，卻未必真正重新設計工作方式。
相較之下，兩三名熟悉 AI 工具的技術人員，如今就可能快速開發出過去需要更長時間才能完成的複雜產品。他認為，部分大型企業執行長現在擔心的競爭者，未必是另一家大型公司，而是能以全新方式解決問題的小型技術團隊。
這樣的改變，也可能重塑新創的商業模式。Ankit Gupta 以自己過去投入 AI 藥物研發的經驗說明，與其開發軟體、試圖說服大型製藥公司改變既有研發流程，新創也可以直接利用 AI 開發產品。他認為，AI 正在讓創業者有機會跳過部分傳統軟體銷售模式，直接進入既有產業競爭。
AI 還做不好的事情，為何可能是下一批創業機會？
當 AI 工具越來越普及，創業者該如何建立競爭優勢？Jon Xu 在座談中提出另一種尋找創業題目的方法：除了觀察市場需求，也可以研究目前 AI 模型還不擅長完成哪些工作。
他特別提到，現階段模型在硬體設計（Hardware Design）、晶片驗證（Chip Verification）等基礎技術任務上仍有不足。對熟悉這些領域的工程師而言，這些限制可能就是值得探索的創業機會。
Jon Xu 認為，關鍵在於深入理解模型為何無法完成特定任務，找到技術瓶頸，再透過工具、執行框架（Harness）與專用系統改善模型表現。Ankit Gupta 也補充，真正有潛力的創辦人，往往對特定技術問題有深入理解；即使構想起初看似不切實際，只要能掌握技術條件、找到可驗證的解決方式，就可能發現其他人尚未看見的機會。
對於資金需求較高、短期內難以展示完整產品的硬科技新創，YC 總裁暨執行長 Garry Tan 則談到另一種驗證方式：從最終目標往回推，找出可以先完成的技術里程碑，透過階段性成果爭取後續資金。
台灣不只製造 AI 硬體，軟體開發提前布局的機會浮現
AI 開發工具 Ollama 共同創辦人 Michael Chiang 在另一場座談中，也提及台灣產業優勢。在台灣成長、曾在 AMD 從事晶片除錯工作的他，在與 YC 管理合夥人 Diana Hu 對談時指出，台灣工程人才有一項值得運用的優勢：比許多其他地區的軟體開發者，更接近新硬體的設計與製造現場。
他解釋，新硬體從研發到正式上市，往往需要相當長的時間，相關軟體也必須提前開發與最佳化，才能在硬體推出時提供支援。以 Ollama 為例，團隊過去便花費大量時間與不同硬體夥伴合作，讓開發者能在新設備上市時執行 AI 模型。Michael Chiang 認為，台灣工程師能提前理解新硬體架構，有機會更早開發對應的軟體工具，在效能或使用體驗上建立優勢。
他也特別提到統一記憶體架構（Unified Memory Architecture）的發展，指出 AMD、NVIDIA、Qualcomm、Intel 等業者相關產品的演進，仍需要軟體持續最佳化。他認為，熟悉這些硬體架構的工程師，可以提早為新平台開發、最佳化軟體，在效能、易用性或特定應用支援方面建立優勢，而這正是台灣工程人才可以利用的條件。
【推薦閱讀】
◆ Google 的決策模型來了：Gemini Decision 1 一次評估千項問題，與 Jev 有何不同？
＊首圖來源：《TechOrange》拍攝
