寫在2025年末《中美AI軍備賽下的觀察與思考》
2025年已近尾聲。站在這個時間節點，我看到全球AI產業正經歷一場前所未有的分化：矽谷科技巨頭掀起史無前例的基礎設施軍備競賽，而太平洋彼岸的中國企業則選擇了截然不同的突圍路徑。對於我們這些遊走美中之間的創業者而言，這不僅是一個技術選擇，更是一個攸關存亡的戰略決策。 這篇文章源自我在中美兩地200次新創交流的親身經歷，以及近期參與各家中美創投機構年會的觀察。
2025年已近尾聲。站在這個時間節點，我看到全球AI產業正經歷一場前所未有的分化：矽谷科技巨頭掀起史無前例的基礎設施軍備競賽，而太平洋彼岸的中國企業則選擇了截然不同的突圍路徑。對於我們這些遊走美中之間的創業者而言，這不僅是一個技術選擇，更是一個攸關存亡的戰略決策。
這篇文章源自我在中美兩地200次新創交流的親身經歷，以及近期參與各家中美創投機構年會的觀察。我想和你分享我在這場變局中看到的機會與陷阱。以下所有金額均以美元計價。
兩條賽道 — 美國的「重裝軍備賽」與中國的「輕騎兵突圍」
在我過去一年的觀察中，當前的AI格局正清晰地呈現出兩種截然不同的發展模式。
🇺🇸 美國的「重裝集團軍」策略
我看到的是一場由科技巨頭主導的基礎設施競賽。Nvidia、Microsoft、Apple、Alphabet、Amazon、Meta這六家公司，正在進行一場資本密集型的戰略布局。根據Accel的研究報告，未來五年內，支撐AI發展所需的資料中心新建容量將達117GW，相當於英國、義大利、西班牙三國的總用電量，預計總投資規模達4兆美元。
TrendForce的數據進一步印證了我觀察到的趨勢：僅北美四大雲端服務供應商今年的資本支出就將達到3200億美元。RAND公司的分析指出，美國在AI領域的真正優勢並非單一模型的技術領先，而是無可匹敵的「總算力」規模。在我看來，這反映出一個清晰的戰略：從晶片、資料中心、雲端服務到模型訓練，實現供給側的垂直整合，建立讓競爭者必須付費使用的技術壁壘。
🇨🇳 中國的「輕騎兵突圍」路線
與此形成對比的是，在美國晶片出口管制的背景下，我觀察到中國AI企業被迫探索出一條不同的道路——追求極致的性價比與效率。Al Jazeera的調查揭示了一個值得注意的現象：越來越多矽谷新創公司，甚至包括Airbnb這樣的成熟企業，開始採用阿里巴巴Qwen、月之暗面Kimi等中國開源模型。驅動這一趨勢的核心因素很簡單：成本優勢——DeepSeek的定價一度比OpenAI低40倍。我看到這些模型憑藉開源策略和極低價格，快速滲透對成本敏感的應用層市場。
然而，這並不意味著中國在基礎設施建設上採取守勢。恰恰相反，我觀察到中國正在推行一種「雙管齊下」的戰略：供給側的大規模投資與需求側的政策創新。
供給側：「東數西算」工程的規模與矛盾
截至2024年6月，中國「東數西算」工程的八大國家樞紐節點直接投資已超61億美元，帶動總投資規模約280億美元，預計工程總成本將達560-700億美元。2023-2024年間，全國宣布了超過500個智算中心項目，其中至少150個已在2024年底建成運營。
與此同時，科技巨頭也在大舉加碼。阿里巴巴2025年資本開支預計突破168億美元（未來三年累計達532億美元），騰訊約150億美元。整體而言，中國科技公司2025年在AI基礎設施的投資預計達700億美元。根據預測，到2026年，中國智能算力規模將達1271.4 EFLOPS，年複合增長率高達52.3%。
然而，MIT Technology Review的報導指出了我同樣觀察到的結構性矛盾：中國新建智算中心中，高達80%的算力處於閒置狀態。原因在於，創業者和中小企業難以負擔高昂的算力租賃成本，導致「建設與使用」嚴重脫節。這反映出政府主導的大規模投資模式的典型問題——建設速度快，但容易出現產能過剩和資源配置效率不足。
需求側：「算力券」的創新與風險
為激活閒置產能，我看到中國各地政府在2024-2025年推出了一項頗具爭議的政策工具：「算力券」（Computing Power Vouchers）。這是利用特別國債資金，對AI企業進行算力使用補貼的需求側刺激政策。
具體執行力度令我印象深刻：
上海：投入約8400萬美元，補貼比例高達80%
深圳：2025年算力服務總額約1.64億美元，補助金額約1800萬美元，受益企業包括順豐、商湯、華大基因、比亞迪、中興、大疆等
浙江（DeepSeek的所在地）：單個企業最高可獲112萬美元補貼
河南：算力券總額約700萬美元，補貼比例20%，每企業上限約14萬美元
這些政策本質上是將基礎設施過剩的成本轉嫁給政府財政，讓創業者能以極低甚至接近免費的成本使用算力。分析人士指出，這種做法雖然短期內能有效刺激應用層創新，但也帶來兩大風險：其一，財政可持續性存疑——補貼退場後市場能否自行運轉？其二，人為壓低價格可能扭曲市場機制，阻礙真正具有競爭力的商業模式形成。這與美國依賴市場定價的模式形成鮮明對比：美國雖然創業成本高，但存活下來的公司往往具備更強的商業可持續性。
能源基礎設施的結構性差異
在我的觀察中，供需表象之下，還隱藏著一個更為根本的結構性差異：能源基礎設施。這個看似遙遠的底層因素，正在深刻影響中美AI競賽的戰略選擇。
電價差異背後的不同權衡
AI資料中心是名副其實的「電力密集型」產業。根據2025年的數據，中國工業電價約為0.088美元/kWh，而美國約為0.19美元/kWh——中國電價比美國低約54%。對於電力成本佔營運支出極大比例的資料中心而言，我認為這個差距具有戰略意義。
然而，這個價格差異背後的原因複雜。中國電價較低部分源於政府補貼和煤電占比較高（2024年煤電仍占60%），這意味著更高的碳排放和環境成本。而美國電價較高則反映了更高的清潔能源比例、更嚴格的環境法規以及市場化定價機制。Bloomberg的調查顯示，過去五年來，靠近大型資料中心的美國區域批發電價漲幅最高達267%。在俄亥俄州，因資料中心湧入，普通家庭電費每月增加至少15美元——這正是市場機制在發揮作用，但也引發了公眾對成本分攤的不滿。
電網基礎設施的不同路徑選擇
在我看來，電價差異的背後，是兩國電網基礎設施建設理念的根本性分歧。
🇨🇳 中國的「計劃性超配」
過去20年，中國電力消費年均增長8%，電網投資從未停歇。我觀察到中國電網備用容量始終維持在80-100%，也就是說實際發電能力是日常需求的2倍。國家電網2025年計劃投資887億美元用於電網升級。這種「戰略性冗餘」確實讓中國能夠輕鬆吸收資料中心帶來的巨大電力需求，但也意味著大量資本被鎖定在可能長期閒置的基礎設施中——這是計劃經濟遺產下的典型資源配置方式。
🇺🇸 美國的「市場驅動反應」
與中國形成對比的是，美國過去20年電力需求幾乎零增長，電網投資也因此長期停滯——在我看來這是市場機制在發揮作用：沒有需求就沒有投資，避免了資源浪費。但如今當AI資料中心的電力需求突然爆發，老舊電網確實難以快速應對。Deloitte的產業調查顯示，電網壓力已成為美國資料中心基礎設施發展的首要限制因素。部分企業甚至被迫自建電廠，這反映了市場驅動模式的靈活性——雖然反應慢，但最終會找到解決方案。
核能技術的不同策略選擇
在清潔能源轉型的賽道上，我觀察到中美在核能技術上也展現出截然不同的戰略選擇，尤其是小型模組化反應爐（Small Modular Reactor, SMR）領域。
🇨🇳 中國的「集中資源快速推進」
全球首個商用陸上SMR「玲瓏一號」（ACP-100/Linglong One）預計2025年底併網，已通過國際原子能總署（IAEA）安全審查。中國正在建設30座新核反應爐，超過全球其他國家總，且核心零組件國產化率超90%，形成完整產業鏈。
值得注意的是，中國核能監管框架僅62頁，相比美國更為簡化——這是「速度優先」的策略選擇，也意味著在安全審查嚴格程度上有所取捨。
🇺🇸 美國的「嚴謹監管穩步前進」
資訊技術與創新基金會（ITIF）估計，中國在大規模部署SMR能力上進度快於美國10-15年。2025年6月，Terrapower動工美國40年來首座新一代核電設施，預計2030年完工。
美國目前是全球最大核能發電國，但新建反應爐速度確實較慢——這背後是更嚴格的監管標準、更複雜的公眾諮詢程序、更高的安全要求以及更分散的決策權力。
這是「安全與民意優先」的策略選擇，代價是時間和速度。
對AI基礎設施而言，核能的戰略意義在於為資料中心提供穩定、零碳排的基載電力，這是風光等間歇性能源無法替代的。但中國的快速推進和美國的審慎前行，代表的是「速度vs.安全」「規模vs.嚴謹」的不同戰略選擇——沒有絕對的對錯，只有不同的優先順序和相應的代價。
兩種路徑的權衡：沒有絕對優劣，只有不同選擇
在我看來，這些能源基礎設施的差異，導致中美在AI發展路徑上形成了結構性分歧：
🇨🇳 中國路徑的邏輯
充足且廉價的電力（政府補貼+煤電為主）
→ 可大規模建設資料中心（即使短期閒置作為「戰略冗餘」）
→ 透過算力券激活需求（財政補貼）
→ 試圖形成供需閉環
→ 期待應用層創新爆發
路徑優勢：建設速度快、執行力強、能快速形成規模路徑代價：產能過剩、財政負擔重、市場機制扭曲、環境成本高、資源配置效率存疑
🇺🇸 美國路徑的邏輯
電力受限且昂貴（市場定價+清潔能源轉型）
→ 被迫集中投資高效能基礎設施
→ 專注高附加價值應用
→ 垂直整合戰略成為必然
→ 通過高利潤覆蓋高成本
路徑優勢：資源配置效率高、商業可持續性強、清潔能源比例高、市場機制健全路徑代價：建設速度慢、基礎設施瓶頸明顯、電價波動大、公眾成本分攤壓力
我覺得沒有絕對的優劣，只有不同的戰略選擇和相應的代價。中國模式在速度和規模上佔優，但承擔了更高的財政風險和環境成本。美國模式在效率和可持續性上更強，但面臨明顯的基礎設施瓶頸。
Fortune報導中專家的評論確實指出了美國在能源基礎設施上的挑戰，但這並不意味著中國模式就是「正確答案」——它只是另一種選擇，有自己的優勢，也有自己的風險。
2026投資風向 — 從實驗到落地，從水平到垂直
在我與業內人士的交流中，我感受到資本市場的耐心正在消失。根據Foley & Lardner的研究報告，我觀察到2026年的創投圈將出現三大顯著轉變：
【趨勢1】投資更集中：資金只流向「被驗證」的玩家
💡 核心趨勢
我看到資金正在快速向少數能證明真實產品市場契合度（PMF）和健康營收的成熟公司集中。純粹的技術實驗越來越難獲得融資。
📊 市場數據透視
2025年，AI公司吸引了全球創投資金的52.5%（約1927億美元），首次突破半數大關。更值得注意的是，第三季度美國創投資金的62.7%流向AI公司。
然而，這個「AI熱潮」背後隱藏著殘酷的現實：種子輪正在急劇萎縮。第三季度北美種子輪投資僅46億美元，較上季下降25%。更嚴峻的是，非AI新創的融資降至7年新低：第二季度僅418億美元。雖然2024-2025年近75%的交易是種子輪或A輪，但真正拿到資金的團隊越來越少——在我看來，這是一個「贏家通吃」加速的時代。
🎯 我的思考
盡早建立可衡量的商業指標：投資人想看的不再是「技術多先進」，而是「MRR月增長率多少」「CAC/LTV比例是否健康」「retention rate有多高」。從產品上線第一天就開始追蹤這些指標。
不要等到「完美」才融資：在有早期牽引力時就開始接觸投資人——哪怕只是10個付費客戶、明確的意向書或可重複的銷售流程。2026年融資週期會更長，提前布局至關重要。
考慮 Bridge Round 策略：如果距離下一個重大里程碑還差6-9個月，考慮用小額資金（如50-100萬美元）延長跑道，而不是在不利條件下被迫接受降價融資。
資本效率成為新競爭力：展示如何用更少的錢達成更多——這可能意味著善用開源模型、遠端團隊或戰略合作來降低燒錢率。在資本寒冬中，活得更久的人才能笑到最後。
【趨勢2】垂直化更重要 ：「解決一個問題」勝過「擁有一個模型」
💡 核心趨勢
在我的觀察中，通用水平AI平台的光環正在褪去。投資者尋找的是能深入特定行業、解決複雜工作流的垂直解決方案。專注於金融、法律、醫療等領域的公司更受青睞。
📊 市場數據透視
市場正在用真金白銀投票。2025年，垂直AI公司融資超11億美元，首次超越橫向平台和基礎設施公司。
更重要的是資本效率對比：我看到垂直AI早期融資規模僅200-800萬美元，遠低於通用模型公司動輒1億美元以上的算力成本。雖然AI新創平均估值溢價25-40%，但垂直應用公司的溢價更穩定、更可持續。
法律科技公司EvenUp估值一年內翻倍突破20億美元。房地產科技公司EliseAI達22億美元估值，年度經常性收入超1億美元。與此同時，橫向平台面臨壓力——生物科技投資占比降至20年新低，網路安全投資也在第三季度回落。這些深入行業解決實際問題的垂直應用，正在贏得投資者青睞。
🎯 我的思考
採取「先窄後寬」策略：不要一開始就想做平台。專注解決一個細分場景的一個核心問題。例如，不是做「AI for healthcare」，而是「AI for 糖尿病視網膜病變早期篩檢」。當你在一個點上做到極致，橫向擴展會容易得多。
建立領域專屬護城河：累積其他人難以複製的專有數據、深度理解該領域的複雜工作流程、與產業關鍵意見領袖建立信任關係。這些才是你的真正壁壘，而不只是模型本身。
避免常見陷阱：不要選擇「看起來市場很大但實際付費意願低」的領域（如教育K-12市場）。要選擇「客單價高、決策週期可接受、有明確投資回報率」的B2B垂直市場
【趨勢3】併購潮興起：不只有IPO一條路
💡 核心趨勢
隨著IPO窗口謹慎重開，我看到越來越多公司選擇透過戰略併購（M&A）來實現退出或增強實力。
📊 市場數據透視
我觀察到併購市場正在經歷爆炸式增長。2025年上半年新創併購交易量達918筆，年增13%。
但更驚人的是交易金額：2025年上半年揭露價格的併購總額超1000億美元，年增155%——整整2.5倍的增長。AI併購交易持續攀升，從2024年上半年到2025年上半年穩定增長至262筆。
大宗交易案例層出不窮：Google計劃以320億美元收購Wiz（史上最大私人公司併購）、OpenAI 65億美元收購Io、ServiceNow 28.5億美元收購Moveworks。AI公司併購溢價顯著：平均24倍營收倍數，是傳統軟體公司（12倍）的2倍。
這些數字證明併購不再是「失敗的退出」，而是2025-2026年主流的策略性退出路徑——而且價格極具吸引力。
🎯 我的思考
從第一天思考「誰會是潛在買家」：這不是投機，而是戰略清晰度。如果你知道Salesforce、ServiceNow或Adobe可能是潛在收購方，這會影響你的產品路線圖、API設計甚至客戶選擇。
主動建立與潛在收購方的關係：不要等到想賣的時候才接觸。透過商業合作、技術整合、參加產業活動甚至成為他們的技術合作夥伴，提前建立信任和曝光度。
打造可被併購的公司特質：擁有獨特的技術資產（專利、專有數據、核心演算法）、已建立的客戶基礎、能填補買家的產品缺口或能幫助買家進入新市場。
不要迴避併購談判：在某些情況下，被有資源的大公司併購，可能比苦撐著獨立上市更快實現團隊和投資人的價值。這不是失敗，而是另一種成功路徑。
台灣團隊的獨特優勢：我認為我們可以成為美國科技巨頭進入亞洲市場（尤其是大中華區）的橋樑。我們的跨文化能力和在地知識，在併購談判桌上是真金白銀的籌碼。
2026年的遊戲規則正在改變：不再是「講最炫的故事」，而是「跑出最實在的數字」。不再是「做最大的平台夢」，而是「解決最痛的垂直問題」。不再是「只想著IPO」，而是「靈活設計多種退出路徑」。
——————
我的認知沉澱和演變
與我交流過的業內人士常問：「你覺得機會在哪裡？」過去我的回答很明確：機會在中美之間遊走，機會專注於非美非中的華人科技團隊。然而在當前宏觀趨勢下，我觀察和視角隨之發生了一些演變。
Thesis 1：重要的開源組件 — AI時代的「零件供應商」
隨著AI應用爆發式增長，我觀察到整個技術棧正在快速「模組化」。開發者不再需要從零構建，而是迫切需要可靠的「中間層開源組件」來加速開發。這些組件包括：向量資料庫（如Pinecone、Weaviate）、RAG框架（如LangChain）、模型編排工具、Agent框架、多模態處理引擎、推理優化工具等。它們不是最終產品，但卻是每一個AI應用背後不可或缺的基礎建材。
為什麼「開源」是關鍵？
在我看來，開源組件更容易成為產業標準。回顧歷史：Kubernetes之於容器編排、Hugging Face Transformers之於模型部署，它們都是先透過開源贏得開發者社群的信任和採用，再透過企業版、託管服務、技術支援等方式實現商業變現。這是一條已被驗證的成功路徑，而現在AI領域正在複製這個劇本。
對我們台灣團隊而言，我認為這是一個極具戰略價值的賽道。我們的優勢在於：第一，台灣工程師在「系統優化」和「基礎建設」上有深厚的技術累積——這是半導體和ICT產業鏈數十年訓練出的基因。第二，台灣開發者在國際開源社群的參與度和貢獻度高，更容易建立起跨國信任。第三，我們理解東西方市場的技術需求差異，可以打造出真正具有全球適用性的組件。
我看到的具體機會方向包括：針對特定產業的Agent開發框架、邊緣運算的輕量化AI組件、多語言多模態處理工具、針對亞洲語言優化的NLP組件等。在我的觀察中：在AI應用爆發的時代，提供基礎工具的供應商往往比最終應用開發者更具穩定性。
Thesis 2：語音從功能升級為交互——硬體形態的重構時刻
在過去一年的觀察中，語音正在經歷一場根本性的角色轉變——從「輔助功能」升級為「主要交互界面」。這不只是技術進步，更是用戶行為模式的重構，而這個轉變正在深刻影響AI硬體的產品形態。
Wispr Flow：語音優先時代的殺手級應用
讓我分享一個最具代表性的案例：Wispr Flow。這個2024年推出的AI語音輸入工具，在短短一年內展現了驚人的市場驗證能力。
我看到的數據令人印象深刻：月用戶增長率超過50%，6個月活躍用戶留存率高達80%，付費轉化率達19%——在我多年的觀察中，這在SaaS產品裡是極為罕見的數字。從商業表現來看，Wispr Flow的年營收（2024年7月至2025年7月）達到380萬美元，並在2025年6月完成3000萬美元A輪融資，由Menlo Ventures領投，NEA、8VC等跟投。
但真正吸引我的不只是這些數字，而是產品本身的突破性體驗：
1. 跨平台無縫整合：支援Mac、Windows、iOS，在任何應用中都能使用
2. 極致的語言支援：涵蓋100多種語言，其中英語僅占40%，其餘60%分散在西班牙語、法語、德語、荷蘭語、印地語和中文等語言
3. 顯著的效率提升：實現3-4倍於打字的速度
創新的「Whisper Mode」：允許用戶在公共場合安靜使用而不打擾他人——這解決了語音輸入長期以來的社交尷尬問題
Wispr Flow的成功揭示了一個關鍵洞察：當語音體驗足夠流暢、準確且不受環境限制時，人們會自然地將它作為主要交互方式，而非備選方案。
這背後的技術組合同樣值得關注。Wispr Flow採用OpenAI的Whisper模型負責語音識別，再透過LLM進行後處理——去除口語贅詞（如「嗯」「啊」）、智能添加標點、理解語境並優化表達。這種「識別+理解」的雙層架構，正在成為新一代語音應用的標準範式。
矽谷頂級VC們成為Wispr Flow的重度用戶，用它撰寫郵件、備忘錄和投資文件。Superhuman的CEO Rahul Vohra甚至評價它是「自ChatGPT以來我用過最好的AI產品」。這種有機的口碑擴散，恰恰證明了產品真正解決了核心痛點。
從軟體到硬體：語音界面如何重塑產品形態
當語音成為主要交互方式，我們不再需要依賴鍵盤、不再被螢幕束縛——這為全新的硬體型態打開了想像空間。
幾個關鍵趨勢正在我眼前展開：
🔸 智能眼鏡的市場爆發
Meta的Ray-Ban智能眼鏡設定了年銷售1000萬副的目標——在我看來這個數字不是巧合，它恰好是初代iPhone的銷售目標。Meta顯然將智能眼鏡視為「下一代主流計算設備」。
與此同時，Apple正在加速開發AI智能眼鏡，目標是2026年底推出，直接對標Meta的產品。根據Bloomberg的報導，Apple已經開始準備大規模原型生產，採用對話式語音界面和透明微型顯示器，承諾「全天候」續航能力。
🔸 OpenAI的硬體野心
更具戰略意義的是OpenAI的動作。這家公司計劃在2026-2027年推出首款消費級AI硬體，核心設計理念是「語音驅動的無螢幕交互」。
2025年，OpenAI以65億美元全股票收購了由傳奇設計師Jony Ive和Sahaj Tan創立的io Products硬體新創。團隊匯集了大量Apple前高管和設計人才。這釋放出一個明確信號：在OpenAI的視野中，語音不再是「功能」，而是「產品本身」。
據報導，OpenAI正在開發多款原型，包括無螢幕智能音箱、智能眼鏡、數位語音記錄器和可穿戴Pin設備。目標發布時間為2026年底至2027年初。
🔸 市場規模的快速擴張
全球智能語音助理使用量從2024年的84億台，預計2026年將突破120億台。a16z的研究報告預測，語音AI市場規模將在2026年達到87億美元。這些變化指向一個清晰的結論：2026-2027年可能成為語音界面硬體的關鍵轉折點——就像2007年iPhone重新定義了觸控螢幕，下一波硬體創新的核心將是如何讓「說話」成為最自然、最高效的交互方式。
這意味著機會不只在軟體層，更在於那些能將語音交互深度整合進硬體設計的產品——無論是智能穿戴、車載系統還是智慧家居設備。
台灣在硬體設計與製造上有深厚的產業基礎。從半導體到消費電子，我們有完整的供應鏈和世界級的工程能力。但關鍵不在於「把語音功能加進去」，而在於從根本上重新思考：當語音成為主要交互方式時，硬體應該長什麼樣子？
這是一個需要跨領域思考的挑戰——不只是AI演算法，還包括工業設計、聲學工程、電源管理、使用者體驗。而這恰恰是我們台灣團隊可以發揮優勢的地方。
Thesis 3：垂直領域的Agentic應用——從工具到數位同事
在深入之前，讓我先釐清一個核心概念：什麼是「垂直Agentic應用」？
重新定義：什麼是垂直Agentic應用？
在我的理解中，「垂直Agentic應用」不是傳統意義上的「AI工具」或「AI助手」，而是能夠在特定行業中自主執行端到端工作流的AI系統。根據我的觀察，它有三個關鍵特徵：
垂直領域深度專業化：不是泛用型AI，而是針對特定行業（法律、醫療、金融等）深度訓練，理解該領域的專業術語、工作流程和隱性知識。
端到端工作流自動化：不只是完成單一任務（如「生成一封郵件」），而是能自主規劃、執行整個業務流程（如「從接收客戶需求 → 研究案例 → 撰寫法律文件 → 排程會議」）。
從工具到「數位同事」：不需要人類事事指導，而是被賦予目標後能自主判斷、行動、調整策略——更像是一位初級員工，而非一個被動工具。
根據Gartner的預測，到2026年，超過30%的新應用將內建這類自主代理能力。McKinsey的研究也指出，相比「水平應用」（如企業級Copilot），垂直Agentic應用對企業營收的影響更直接、更可衡量。
讓我分享第一個案例。Abridge是一個將醫患對話即時轉化為結構化醫療記錄的AI Agent。
在傳統流程中，醫生需要在看診時手動記錄，或在看診後花大量時間整理病歷——這導致醫生每天有2-3小時消耗在文書工作上，而不是照顧病人。我看到的是，這不僅降低了醫療效率，也加劇了醫護人員的職業倦怠。
Abridge的解決方案展現了真正的「端到端工作流自動化」：
1. 即時轉錄醫患對話：支持醫學專業術語和各種口音，準確率遠超通用語音識別系統。
2. 智能提取關鍵醫療資訊：自動識別並結構化症狀描述、診斷結果、治療計劃等核心內容。
3. 生成合規病歷記錄：輸出符合HIPAA（美國健康保險流通與責任法案）要求的標準化醫療文檔。
4. 自動更新電子健康記錄（EHR）系統：無縫整合進醫院現有的資訊系統。
在我的觀察中，這不只是「語音轉文字」——它理解醫療語境、臨床推理邏輯，並能將非結構化對話轉化為標準化醫療文檔的完整流程自動化。這就是我所說的「數位同事」：它不需要醫生逐步指導，而是自主完成整個文書工作流程。
我的第二個案例來自法律領域。Harvey AI是專為律師事務所設計的AI Agent，專注於法律研究和文件起草。
法律工作向來以高度專業化和勞動密集著稱。一個初級律師可能需要花費數天時間：搜索相關判例、閱讀法律文獻、分析案件相似性、起草法律意見書。Harvey AI展示了如何將這個流程自動化：
1. 深度法律研究：在數百萬份判例、法規和學術文獻中搜索，識別出與當前案件最相關的先例。
2. 案件分析與策略建議：基於歷史數據分析案件勝算，提出訴訟策略建議。
3. 自動起草法律文件：生成符合法律格式要求的合約、訴狀、法律意見書初稿。
4. 持續學習與更新：隨著法規變更和新判例產生，自動更新知識庫。
Harvey AI已被多家頂級律師事務所採用，包括Allen & Overy等。在我看來，它的價值不在於「打字更快」，而在於真正承擔了初級律師的部分職責——研究、分析、起草，這是完整的工作流，而不只是單一功能。
為什麼垂直Agentic應用是機會？
這兩個案例讓我看到了幾個關鍵洞察：
🔹 高價值、高付費意願
法律和醫療都是高客單價領域，企業和醫療機構願意為真正解決核心痛點的方案付費。不是「便宜的工具」，而是「昂貴但值得的解決方案」。Abridge和Harvey AI的快速擴張證明了這一點。
🔹 建立真正的護城河
這些公司的護城河不在於「模型有多強」，而在於：
領域專業知識的深度整合：理解醫療臨床推理、法律判例邏輯，這需要與領域專家深度合作。
專有數據的累積：每一次使用都在訓練系統，形成獨特的數據資產。
合規性與安全性：深度嵌入HIPAA、GDPR等監管要求，這是通用AI公司難以快速複製的。
這些壁壘讓OpenAI、Anthropic等通用模型公司即使技術領先，也難以快速取代這些垂直應用。
🔹 從「功能」到「結果」的價值主張
最重要的轉變是商業模式。垂直Agentic應用的價值主張不是「我們有AI功能」，而是「我們幫你完成這個工作」。這種 “Service-as-a-Software” 的模式，讓估值和定價邏輯都更接近傳統服務業——而服務業的利潤率往往更高。
醫院不是在買「AI語音轉文字工具」，他們買的是「減少醫生文書工作時間、讓醫生有更多時間看病人」。律所不是在買「法律AI助手」，他們買的是「初級律師的工作產出，但成本只有人力的一小部分」。
因此，我認為機會在於：選擇一個你深刻理解的垂直領域（可能是製造、物流、醫療器材等台灣有優勢的產業），打造能自主執行核心工作流的AI Agent。
不要試圖做「萬能助手」——那是Google、Microsoft在做的事，競爭過於激烈。我們應該成為某個領域裡不可或缺的「數位同事」。
台灣在精密製造、醫療器材、半導體設備等領域有深厚的產業knowhow。想像一下：
- 製造領域的AI Agent：自主管理生產排程、預測設備維護需求、優化供應鏈
- 醫療器材領域的AI Agent：協助臨床數據分析、監管文件準備、技術支援
- 物流領域的AI Agent：動態路徑優化、庫存管理、異常事件應對
這些都是我們理解的產業，我們知道真正的痛點在哪裡，我們有進入這些產業的人脈和信任。這就是我們的競爭優勢。
寫在結尾：
當我們理解矽谷對高價值垂直應用的渴求，也看得懂中國開源模型的技術文檔和生態玩法。當我們既熟悉美國的市場機制和商業可持續性，也能看穿中國模式中「速度與規模」背後的執行邏輯。這種跨文化、跨市場的洞察力，不是通過學習就能獲得的——它來自我們獨特的地緣位置、產業基因以及數十年在全球科技產業鏈中累積的實戰經驗。
也許，這就是我看到的「世界級套利機會」：
✅ 用中國的「引擎」加速：利用高性價比的開源模型完成80%的基礎工作、快速搭建原型、處理非核心任務，大幅降低研發和運算成本
✅ 攻佔美國的「高地」：將省下的資源和精力全部聚焦在最理解美國市場的「最後一哩路」——深入特定行業（domain-specific），解決複雜工作流，打造擁有專有數據護城河的高價值應用
✅ 思考轉型：如何從提供「工具」轉變為交付「成果」，真正實現 “Service-as-a-Software” 的商業模式轉型
我思考這種融合中西、策略套利的能力，是單一文化背景團隊難以複製的護城河。當矽谷團隊還在為高昂的算力成本焦慮，當中國團隊還在摸索美國市場的商業邏輯時，我們是否能尋找到可以同時駕馭兩邊優勢的路徑，定義自己的戰場。
而你，準備好成為其中之一了嗎？
共勉之。
---------------------------------------------------------------
我歷經兩次創業成功退出，目前擔任於新加坡機構入駐企業家。我正身處中美AI科技一線，親歷時代賦予的這一段波浪壯闊，十五年產品商業化戰略和資本運作經驗，深度關注全球華人科技創業，歡迎你隨時找我交流創業題目！
如果你喜歡我的文章；
歡迎在評論區訂閱我的Substack頻道查閱過往我撰寫的內容！
記得 點讚、分享、訂閱！
你的支持是我持續創作的源動力！