过去美国新创界那些疯狂的故事，象征的是一个血气方刚的过渡时期。转眼十几年过去了，创业生态成熟了，自然一切都更系统化、更科学化。还有人在追逐美国新创界过去的那些轻狂，是因为我们仍深处阵痛的过渡期，仍然是靠爆炸性的例外案例在支撑创业梦。

一个成熟的创业生态中，大红大紫的例外案例会越来越少、题目会越来越复杂、创业团队数量会趋近于饱和值（不会无限制向上成长）。风花雪月少了，但是每年的产值会更稳定、更有预期性。

这才是正常的产业常态。

所以说，此时创业家对美国新创环境有更真实的认知，是有助于新创生态成熟发展。

1.基础建设时代过去

虽然说很难确切挑出个时点，但是现在而言，美国科技业和新创界基本上已经脱离了基础建设时代。

所谓基础建设时代，指的是许多架构性、平台性、套件性的发展活动。打个比方，2000年到约2007年，是网路程式开发套件和架构发展蓬勃的年代，整体趋势是脱离桌上型应用程式进入网路应用程式和网路服务年代；2007年起，随着iPhone和Android的发行，行动应用程式生态又开始蓬勃发展，逐步侵蚀原先的网路应用程式生态。到了2010年，社交网路争霸战差不多落幕，美国国内的最大赢家是脸书和LinkedIn；同期，线上支付和行动支付平台也已成熟，公有云端服务争霸战也差不多落幕了。

随着各类的资料和软体开发基础建设成熟，很多题目因为市场饱和而失宠。在今天这年代，要再提起走入社交网路、公有云端服务、开发者工具，多乏人问津。

言下之意不是美国基础建设没有再进步了，而是很多基础建设已经有既有龙头把持，由其继续投资扩建。以社交网路和云端而言，最后也是由脸书和亚马逊两只领头羊去投资扩张，所谓的「破坏式创新」在列强环伺的情况下，在基础建设的项目中已经越来越少。

至此，美国科技业已经从软体业变成不折不扣的服务业。接下来的创新都会以与其他传统产业的服务流程密切结合为主。

走到这一步，可说是美国科技产业已经正常化了。

2.App的饱和

美国科技业的正常化，首先一个征兆就是行动应用程式的饱和。如今，越来越少人在下载新的手机App，要在App商店中脱颖而出实在太过于困难了。

其实走到这步，意味着美国行动应用程式乃至网路应用程式的生态已经远离了过去的爆红模式，少了过去到处都找得着的「第一优势」，自然较以前少了许多运气成分。

3.B2B、B2C模式进入科学化

当应用程式的载具开始饱和，我们看到的第二征兆就是各类商业模式走入了「科学化」年代。

过去厮杀不断的B2C产业，如今短兵相接少了，多是长期的角力。而B2C的科学化，意味着投资人已经冥冥之中奠定了评估标准：除非你在美国国内已有数十万（高人均消费）或数百万（低人均消费）的活跃使用者，而且每个月还呈现稳定的双位数成长，否则都会被投资人遣回。

这听起来很冷血，但这象征科技业的成熟，已经远离了疯狂的本梦比，开始用实际的商业价值去衡量公司。

而B2B产业，在基础建设时代过去后，更是成了当红炸子鸡，比B2C还要更活跃。

毕竟，国家大部分的商业活动都是以企业为主体在运行。当科技业基础建设成熟后，企业内部大部分的流程和资料都已电子化、介面化、服务化，这代表新创公司有更多的企业去跟大型企业合作、做生意。

如今这也成了显学，美国过去几年的公开上市案例，B2B的股价和营运表现远超B2C。同时，不管是旧金山还是纽约的投资人，也有越来越多只专注于B2B。

而B2B走到今天，自然也已经科学化。

B2B讲究的是有连续性收益（Recurring Revenue）的大型合约。一家B2B企业如果想要持续筹资或是成长，其必须证明自己有能力每年使连续性收益至少成倍成长。通常没有达到这标竿的公司，如果不是市场太小、业务成本太高就是团队自己有问题。碰上了，投资人也会选择先观望。

总而言之，现在美国的新创界几乎是听不到什么投资人冲着创业家一个很酷的点子就投资的事情。一切都已经从疯狂回归常态，淘金潮已成过往。

4.人工智慧进入资料壁垒时代

本身不是做AI的人，可能会很好奇，为什么从2016年突然冒出「人工智慧」这题目来呢？

事实上，有个基本观念必须厘清，那就是：人工智慧其实是个老题目，而且是从1970年代就一直做到今天的老题目，并不是什么新东西。

至于人工智慧为什么会突然成为话题，真正的原因在于人工智慧生态整体来讲，已经从过去的「技术军备竞赛时代」进入到了今天的「资料壁垒时代」。

要说人工智慧的技术军备时代，其实从70年代的专家系统（Expert Systems）和知识库（Knowledge Base）开始，一直到90年代电脑运算能力大增，统计方法被应用在人工智慧中，带入了贝斯网路（Bayesian Networks）、支援向量机（Support Vector Machines）等方法。一直到了2010年前后，科技业都还处于人工智慧方法论的军备竞赛。

但是到了2016年后，主要因为电子化的资料量大、云端运算价格低廉，使得过去的神经网路（Neural Networks）学派重新崛起，衍生出今天的深度学习（Deep Learning）。

说穿了，深度学习就是用大量的资料去把多层次的神经网路建出来，来取得非线性的辨识模型。其功能强大，很快地便取代了许多其他人工智慧方法成为主流。而因为各大科技巨擘投入研发，使得深度学习和许多人工智慧方法被大幅工具化，产生出Tensorflow、Cognitive Toolkit等开放原始码的免费套件可以使用。

既然军备已经工具化、开源化，科技业真正的人工智慧战线，就被拉到资料取得这症结上。只要能掌控和保护资料来源，谁就能够保有竞争优势。

这是很重要的课题：这意味着人工智慧的投资人现在在乎的已经不见得是纯技术面，而是希望投资的公司能够在资料来源上建立宽而深的护城河。跟投资人谈，空有技术但是却没有资料战略，那一样会被投资人遣回。

未来展望：大规模的整并时代

看到这边，或许有些人已经看到了结论了。不久前，《经济学人》才刊登一篇评论，讨论美国科技业大型企业狙杀初期新创公司的现象。而事实上，美国现在确实是进入了科技业的大规模整并时代。

所谓大规模整并，大家可以看到亚马逊、谷歌、微软、脸书等公司并购连连，而并购不成时，就直接发表竞争服务，透过自己广大的商业优势去击溃对手。美国科技巨擘手头上现金很多，抢到了全球顶尖的软体人才不说，同时又控制住了许多产业最值钱的资料库。

而太过于简单的题目，科技巨擘们又可能用免费服务或是开放原始码的方式去跟新创公司竞争，而后者当然不可能玩得起这种消耗战。

在某种程度上，这意味着美国的新创商业环境会变得更「恶劣」。现在我们已经看到一些端倪，美国最近三四季创投投资金额虽然持续增加，但是案子数量却逐渐减少，意味着创业风潮已经开始在退烧。

从另一个角度来看，这对于美国科技业的长期发展是有好处的。许多无法在这环境中存活的创业家，都会很快地被其他大型科技公司扑杀然后死亡。留下来的创业家，自然创业活动的品质和深度就较以往高出许多，成功率也高了许多。

所以说，剧烈的竞争环境和创业活动的减少并非坏事，要能够维持稳定的产业输出才是正道。

目前国内的新创生态仍然处于一种雷声大雨点小的情况，意思就是很多人狂创业，但是真正赚钱、出场的实在少之又少。在某个时间，也势必要迎接科技业成熟的时代来临，让许多过热的创业活动、过于疯狂的创业家一一退场，保留存有核心竞争力的科技业继续向上发展。