若要论起规模与资源，当然不是多数新创公司的强项。

2017年，Google CEO Sundar Pichai在官方部落格公告，Google发展重点从「行动优先」 (Mobile-First)转向「人工智能优先」 (AI-First) 。麦肯锡也在2017年AI研究报告中指出，科技大厂如Google及百度，2016年平均在AI发展上投资200-300亿美金，其中90%投注于研发与应用，10%用来并购AI相关技术。科技大厂投注巨资于AI应用的动作频频，对新创来说是相当大的竞争与挑战。

来自科技大厂的强势竞争席卷而来，对AI新创来说，主要挑战来自四个面向：祭出高薪聘用顶尖人才；握有雄厚资金挹注研发；拥有巨量Data Pipeline优化演算法；并且掌握海量使用者，可无缝接轨最后一哩用户。

其中，光是衔接用户最后一哩的应用，就足以建立深厚的护城河，因为对AI 新创来说，即使与科技大厂同时投入开发相似应用，但在进入「市场推广与用户变现」这一阶段，科技大厂因在用户规模占了相当大的优势，AI 新创却常在此阶段失败。

面对科技大厂的强势竞争，AI 新创还有什么策略，能以有限的资源发挥杠杆效果？在进一步挖掘关键竞争策略前，有两个重要前提，适用于所有新创企业，提醒AI 新创在投入创业时必须要先思考：

1.为用户解决什么问题？

创业题目想要解决的问题，是目标用户真正的痛点吗？是否真的深入研究过目标用户，确认提供的解决方案，确实符合客户需求，而不是一时兴起、追随热门的假性需求？

2.为用户创造什么价值？

辛苦开发的产品，如果只是解决目标用户枝微末节的问题，那么AI新创的发展空间将非常有限。例如，当用户发现，AI新创提供的解决方案，和现有的解决方案没有显著差异；又或是当产品从免费试用，转变为收费模式，这个案子可能就因此被取代而掉单，这往往都代表为用户创造的价值不够。但如果产品能为用户在现有表现外，再创造出额外的价值，对AI新创来说，将会有更高的成长机会。

厘清以上两个重要前提，确认产品解决了目标用户的痛点，并有效为他们带来额外价值后，以下另外整理出五个关键策略提供参考，能帮助AI 新创找出关键支点，从与科技大厂的竞争中突围：

从利基点(niche market) 出发，解决特定一群人的痛点

科技大厂如Google、Facebook 和Amazon，他们在AI 发展上，是为了解决全世界上千万用户的共同问题，甚至是更往前好几步，希望去改变用户现有的生活模式。

例如Google无人车计画Waymo，即希望透过AI训练无人车更精准的侦测路况；Amazon也希望透过智慧助理Alexa，来改变大众日常生活中使用语音服务的习惯。但新创团队手上难有如此丰厚的资源，能够端出相同的服务竞争。这时候，转向往利基点发展，专注解决某一群特定对象的痛点，反而是最有利的策略。

AppWorks Accelerator #16 (第16届)的AI新创团队、成功开发出AI宝宝摄影机的Cubo就是一例。创办人是一对新手爸妈，在自己育儿过程中，常半夜惊醒，查看宝宝睡觉时口鼻是否被棉被遮盖，高度身心压力下，甚至罹患产后忧郁。Cubo针对有同样担忧的父母，结合AI科技，打造出全球第一支能主动侦测如「口鼻被异物覆盖、翻身、趴睡」等睡床潜在危险事件的AI宝宝摄影机。产品一推出即广受青睐，创下开卖两天募资即突破500万元的好成绩。

AI 摄影机一直是很热门的题目，但当有了明确的目标群众轮廓，例如Cubo 所瞄准的新手爸妈群，那么从产品的开发打造，到后续推向市场做行销，能帮助新创团队找到锚定方向，并更有效率的把资源运用在对的地方。

比别人更懂，结合特定Domain，推出加值应用

科技大厂的优势之一，是掌握许多顶尖科技人才，这对AI 新创来说，是个非常痛的问题。一家资源有限的新创企业，假设拥有十位各有所长的工程人才已十分难得，但这样的规模，仍远不敌Google 或Microsoft 的百人AI 团队，那该怎么办？

这时候，不妨由另一个角度切入，把AI当作辅助，深入研究如何为特定专业带来加值应用，反而能让新创团队走出另一条大道。举例来说，也许新创团队强项在于打造软硬整合服务，或是具有农业、生医保健等背景，这些所掌握的专业知识，以及在业界累积的人脉网络，就是别人难以在一时片刻超越的关键优势。

以AppWorks Accelerator团队、致力打造法学资料库的Lawsnote为例，创办团队结合了律师专业与工程背景，从自身经验中，观察到律师们在搜寻法条时常遇到的不便，进而由技术面切入，利用Machine Learning打造出更简便、搜寻结果更具参考价值的法学资料库给目标用户。

Lawsnote 在2016 年7 月正式上线，第一年每月即有两万名法律人使用，2017 年9 月产品开始收费后，MAU (Monthly Active Users，月活跃用户数) 持续成长到3 万人。创业刚满两年，Lawsnote 已达损益两平，目前持续努力提供更贴近市场的服务。

不同语系的发展与应用

很多人可能小看语言差异所创造出的机会，但若以近年AI 创业题目中相当热门的Chatbot 为例，就一定要克服语言问题。在自然语言领域，语言和不同地域的文化都是很大的门槛。放眼目前科技大厂的AI 应用，主要的训练语言大多是英文，虽然Google 在中文语音做得不错，但离真正的智能客服尚有一段距离，更别说要贴近不同地区的中文使用习惯。

除了自然语言，在AI影像辨识领域也有类似的情形。AppWorks Accelerator #9 (第9届)团队、提供AI安全监控服务的Umbo CV技术长张秉霖便曾分享，若有一个在英文数据上表现很好的Machine Learning模式，不代表在中文也能表现很好，必须要做Domain Transfer 。在视觉领域，也是如此。曾有中国厂商，在中国做人脸辨识做得不错，但换到其他国家，运用在白人的人脸辨识，成效就没有太好。

对AI新创而言，在这几年内，语言差异仍有一定的先行者优势可供发挥。只要执行速度够快，产品开发的切入方向专注精准，在语言差异所创造的利基领域，就很有机会能跑在科技大厂前面。

结合电子零组件与系统制造商

台湾的AI新创，除了上述三点可切入发挥的利基点之外，另外还具备两项特别的优势。其一，台湾有许多产业经验丰富的电子零组件与系统制造厂商，而且其中多数的厂商也正在力求创新与转型，寻求适合的创新解决方案，前景看好的AI，自然是选项之一。

以打造软硬整合产品的AI新创为例，在台湾拥有相较完整的产业聚落，可更容易找到供应商与制造厂，在打磨产品的过程中，享有更多Time to Market的优势。

除了产品制作面的合作，甚至许多传统大厂，近几年也都相当积极地投资能够帮助产业加值或转型的应用，是帮助许多新创团队规模化成长的大力推手。

市场经验以及Data Pipeline

延伸上一点，另一项台湾AI新创所享有的优势，在于市场经验：相较于东南亚邻近国家，甚至是世界各地，台湾在医疗与电商两大产业，累积了相当深厚的资源与经验。

以台湾的健保体系为例，2003年完成全民健保卡IC化，所有就医纪录整合在一张晶片卡里，并在每次看诊时上传云端系统，发展迄今已近20年。各医疗院所与相关机构，皆累积了非常完整且详细的数位化病历资料，这对于AI新创而言是很好的基础，如果未来政府与相关机构能开放资料库，授权使用数据，新创团队便可进一步延伸做医疗Big Data应用。

除了医疗领域之外，台湾在电商产业也已发展近20年，不论营业规模大小，都相当活跃，有年营收40亿元以上的大型平台，如PChome、momo、Shopee，也有年营业额在10到40亿元之间的中型电商，如创业家兄弟。还有一群年营收10亿元以下的垂直电商，他们深耕分众市场，专注切入特定题目，不只掌握垂直供应链，更深入了解目标客群，例如AppWorks Accelerator #4 (第4届)团队Morning Shop所经营的早餐吃麦片、运动吃蛋白。

台湾电商市场百家争鸣的景况，恰好提供AI新创许多商机。例如对于用户体验，可运用智能客服(Chatbot)打造更完整的销售服务；对于库存与财务管理，可利用数据分析判读做更好的销售预估；对于行销，可优化广告推播和商品搜寻的精准度。尤其在电商的世界中，无论是趋势流行或是相关技术的应用，都变化得相当快，竞争如此激烈的情况下，AI能为电商产业提供的加值应用，仍有许多发挥空间，为AI新创带来很多发展机会。

总结：创新的价值来自完整解决客户问题

AI新创团队从踏上创业路的第一步，就该清楚自己的定位：与其和科技大厂正面对决，不如换一条自己熟悉的路走，由团队的专业优势或是市场的利基点切入，反而可以更专注、也更灵活的善用手上的资源。

Google 资深硬体副总裁Rick Osterloh 在Made by Google 2018 年度发表会中提到：「Google 在消费性硬体产品的设计与AI 软体应用的结合上，思考的是如何以『人工智慧』帮助消费者解决日常生活中的问题。」这样的概念，也值得所有AI 新创提醒自己，在打造产品时，绝不是埋头优化AI 技术而已，别忘了最终目标是了解用户端的真实回馈，改善消费者的体验。想想产品解决了什么问题？创造了什么价值？