但 AI 改變的不只是創業者和科技產業，它也在重塑上游的資本市場，且正在改寫創投、私募、主權基金、企業資本之間過去清楚的分工。

世界經濟論壇近期的報告提供了這個現象的宏觀脈絡。報告指出，2025 年全球創投資金有超過一半流入 AI；而到了今年第一季，這個比例衝至驚人的八成。光是 OpenAI、Anthropic、xAI、Waymo 這四家公司，就吸走將近三分之二的全球創投資金。

這些數字不只反映 AI 的熱度。我認為，它們揭露的是一個更深的變化：AI 改變了科技公司的「物理屬性」。

過去，SaaS 是創投最熟悉的物種。一家典型的 SaaS 公司主要成本是人才與雲端費用，輕資產的屬性讓不同階段的創投對應到他們從種子輪到 IPO 的成長路徑。

但 AI 改寫了這個規則。一家領先的 AI 公司，背後是上萬顆 GPU、專屬的資料中心、長達數十年的電力合約。它們的資金規模、回收年限、風險屬性，已經不是傳統創投能單獨承擔的範圍。

更深層的轉變是，他們的成本結構也偏離了純軟體公司：軟體業的邊際成本趨近於零，但 AI 每一次推論都在消耗算力與電力。AI 對基礎設施的需求之大，甚至讓科技巨頭也跨進過去屬於公用事業的領域：微軟欲透過長期合約讓三哩島核電廠重新啟用；Google 則是大量採購小型模組化反應爐（SMR）技術，以獲取穩定且低碳的基載電力，當代最先進的「軟體公司」，跟我們過去的認知已經是兩回事。

當一輪融資需要百億美元，沒有任何單一類型的投資人能獨自完成。市場的反應，是出現一種「拼盤式」的資本結構：主權基金提供規模、企業資本提供策略、私募成長型基金提供執行力、傳統創投提供早期判斷，共同坐在同一張 cap table 上。這個五年前不可能成立的組合，現在已經是前沿 AI 公司的標準配置。值得注意的是，這些鉅額投資中有相當比例不是純現金，而是算力承諾。這種玩法，是手中只有現金的創投完全無法複製的。

在這種拼盤式資本結構下，創投本身的角色也在變化，必須學著與主權基金、企業資本共同出資。但我個人認為反過來看，早期投資的重要性反而被放大了。AI 公司從零到規模化的速度太快，有些不到一年就跨過一億美元 ARR（先不論這數字裡有多少水分，至少反映出市場對 AI 公司估值的耐心已被壓縮到極短），等到指標清楚時，估值已是當初的十倍。而能在那之前下注、能在創業點子還在白板上時就做出判斷的，只有最早期的投資人。

每一輪科技革命都會重新劃定資本市場的邊界。十九世紀的鐵路時代催生了現代債券市場，花了將近半個世紀；二十世紀末的網路革命讓創投從小規模實驗，成長為驅動科技產業的核心資本，也用了將近二十年。AI 正在對資本市場做同樣量級的重塑，但這次的時間表，看來只需要三到五年。

不是正式採購流程，就是一則 Discord 私訊。原來他們摔壞了一架價值 35 萬美元的無人機，有人從 Titan Dynamics 的網站上下載了設計檔案，用消費級的 3D 印表機，直接印出了一架替代品，試飛之後發現效果出奇地好，於是回頭問創辦人 Mohammad Adib：「你們有做政府生意嗎？」

Adib 和共同創辦人 Noah Benton 對看了一眼。兩個二十幾歲的年輕人，一個是寫了十幾年軟體的連續創業者，一個是從高中就開始設計飛行器的航太天才。他們對國防採購一竅不通。但他們的回答是：「Sure, of course.」

這一刻看似荒謬，卻揭示了一件正在國防產業發生的事：當無人機可以用 50 美元的塑膠在任何地方「印」出來，傳統的遊戲規則就不再適用了。

小型無人機如何顛覆現代戰爭

鏡頭拉到 2022 年烏克蘭戰場：幾百美元的消費級無人機，綁上炸藥後精準命中價值數百萬美元的裝甲車。這類「窮人的飛彈」打破了昂貴武器的壟斷，徹底改寫戰爭的成本結構。美軍也隨之轉向，2025 年底啟動的「Drone Dominance」計畫預計兩年採購 20 萬架無人機，目標將單價壓低至 2,000 美元。

但問題在於：傳統國防巨頭還沒跟上。過去的「護城河」反而成了絆腳石。

Adib 用一個思維實驗說明：假設你將一萬架無人機送到前線，一旦敵人啟動電磁干擾，這批飛機瞬間淪為廢鐵。若打電話給傳統供應商，他們得重新設計、開模，三到六個月後才能交貨。但在戰場上，沒人能等那麼久。

從 ZIP 檔到空中戰力！24 小時內完成「研發、製造與飛行」

表面上看，這是一家 3D 列印無人機公司。但 Adib 的定義更精確：他們在解決傳統國防的兩大痛點：供應鏈集中與反應速度。

攤開三條核心產品線，第一是硬體：超過 150 種可用 3D 列印的無人機設計，涵蓋固定翼與垂直起降機型。與同尺寸傳統無人機相比，Titan 只要十分之一甚至更低的價格，且一印出來，看一眼就知道怎麼組裝。

第二是軟體 Prometheus。這套系統能在十分鐘內從零設計出一架無人機：使用者輸入載重、航程與高度，Prometheus 就能自動完成空氣動力學、結構與電氣設計。面對這項任務，波音等大廠曾直言「這要嘛需要十年、要嘛需要一百億美元」，但 Adib 與夥伴從開源工具中找到路徑，兩個月後，全自動設計的飛行器便成功起飛，美國空軍更稱這是首個「在 24 小時內完成自主設計、建造與飛行」的飛行器實驗。

第三個產品 Vulcan，是 Titan Dynamics 產品線中最像科幻電影的一環。「它就是我們整家公司裝進一個箱子裡！」Adib 這麼形容。那是一座裝在 20 呎貨櫃裡的行動無人機工廠。裡面配備 3D 印表機、工具、螢幕、桌椅，以及一千套零件包。可以透過陸、海、空運送到世界任何角落，打開就能開始「印」出飛機。

把三個產品連在一起看，邏輯很清楚：Vulcan 解決無人機供應鏈集中的問題，Prometheus 消除設計週期的瓶頸，讓前線使用者可以在數小時內回應任何新的威脅，而不是像傳統那樣等上六個月。

不當封閉的無人機公司，用「買得到的零件」拆解大廠護城河

2025 年，3D 列印無人機賽道已趨成熟。面對奪下億元合約的 Firestorm，或坐擁強大自主能力的 Anduril 等強權，Titan Dynamics 的勝算不在技術規格，而在「開放性」。

「其他公司要求你買百萬美元的專屬設備，」Adib 指出，「我們的邏輯相反：去賣場買最便宜的印表機與塑膠，就能生產我們的無人機。」

不同於對手的封閉體系，Titan Dynamics 賣的是極致的自由度：使用者能隨意搭配任何品牌的電池、馬達或螺旋槳，不再受困於特定供應鏈。這種「去中心化」的特性，讓 Titan 的商業模式極其靈活，真正實現了「今天設計、明天開賣」的戰場即時性。

Titan Dynamics 挑戰傳統航太的四個非典型信念

Titan Dynamics 的潛力，其實是源自於 Adib 一套與主流背道而馳的信念：

1.沒有框架，才能打破框架

Adib 出生於孟加拉，九歲移民美國。他從小就是個「規則破壞者」：14 歲寫出萬人下載的遊戲；15 歲靠寫 App 賺到人生中第一筆六位數美金。當他決定做 3D 列印無人機時，所有專家都說不可能。

「專業知識有時是創新的枷鎖，」Adib  說，「受過訓練的人會被教導什麼行不通，但我沒有這些框架。」。例如，為了降低飛行阻力，機翼末端理論上越薄越好，但傳統模具很難造出如紙片般尖銳的邊緣。

Titan Dynamics 則利用 3D 列印能精準堆疊微小構造的優勢，印出了傳統製程無法達成的「極薄邊緣」(thin trailing edge)。這個小小的物理改變，讓空氣流動更平順，飛行效率竟比傳統機型高出 25%。他成功將一架高性能無人機的成本，縮減到僅需 50 美元的塑膠材料，把昂貴的「資產」變成了隨處可印的「消耗品」。

2.跨界思維的紅利：用軟體的「快」去解決硬體的「慢」

Adib 沒有航太學位，但他有十幾年的軟體開發經驗。表面上看，寫 App 跟造飛機毫無關係。但快速迭代、低成本實驗、數位化交付這些軟體產業的核心思維，恰好是傳統航太最缺的東西。

傳統航太改個設計要重開模具、耗資千萬；但 Adib 思考的是：如果設計變更的成本趨近於零呢？他將無人機定義為「數位檔案」，使用者只需下載 Zip 檔，十分鐘後就能開始列印。這種思維讓 Titan 徹底繞過了國防產業動輒六年的採購泥淖。「拆解龐大問題、快速驗證」是 Adib 數十年軟體開發的邏輯，才讓硬體製造從此擁有了軟體的進化速度。

3.既然會失敗 100 次，「那就快點把它失敗完！」

「如果你知道失敗 100 次後會成功，你會想多快把那 100 次搞定？」這是 Adib 的哲學。這種邏輯也延伸到產品：當無人機便宜到像子彈，指揮官就不再害怕摔壞飛機。低成本帶來的，是戰場上最珍貴的「容錯率」。

4.你的第一批客戶，可能已經在你的社群裡

Titan Dynamics 從未主動推銷。 Adib 只是單純在社群媒體分享他覺得「酷」的設計，竟意外吸引一群同樣是遙控飛行愛好者的軍方人員。這種「社群滲透」，讓 Titan 在完全沒有對外募資的情況下穩定營運兩年。近期，他們更獲得資本市場的強力背書，吸引了專注國防科技的 Tamarack Global、心元資本 ，以及矽谷頂級加速器 HF0等知名投資人。

一場關於「飛行」的製造革命

Titan Dynamics 正在經歷一場製造躍升。透過新型的「航太級」碳纖維列印技術（CBAM），他們打破了 3D 列印「脆弱」的既定印象。這種新製程產出的複合材料機體，強度高到人踩上去也不會壞，生產速度快了百倍。這項技術讓他們能以極低成本，生產出航程更長的中大型無人機。Adib 認為，隨著技術進化，未來甚至客機都能在極短的時間內完成生產。

九歲那年，Adib 坐在從孟加拉飛往美國的飛機上，看著機翼心想：「做飛機的人一定很酷。」。

現在他真的在做飛機。這場從一則 Discord 私訊開啟的革命，已經演變成真實的飛行。如今 Titan Dynamics 的機翼正飛翔在四大洲的天空之中。

有些人在同一個領域深耕了多年，結果一抬頭，發現整個市場一夕間只剩 AI，開始懷疑自己是不是選錯方向？更有不少人感到困惑，不知道自己現在努力的事情，十年後還存在嗎？創業者的「身份認同危機」，大概從來沒有像現在這樣強烈過。

其實我能理解大家的焦慮，但同時我也發現，大家常問：「接下來該做什麼？」，但卻很少有人問：「我當初為什麼要做這件事？」

於是我把這個問題拿來問自己。記得第一次創業時，我其實並沒有什麼改變世界的遠大夢想或天才般的點子。我只是很享受「解決問題」的過程，哪怕只是很小的問題。我喜歡它帶來的成就感，也喜歡那種付出的努力一點一滴累積在自己身上的感覺。

後來做投資也是一樣。10 年前剛踏入早期投資時，我曾經問自己：希望變成什麼樣的投資人？那時答案很清楚：我希望成為創業者在每一個關鍵時刻第一個想到的人：不管是他剛有一個 idea 的時候，公司快要撐不下去的時候、懷疑自己做錯的時候，我都希望他們能第一個想到我、聯絡我。

十年過去了，早期投資的環境變了許多，但是這份初心未曾動搖，而現在我才發現，不管市場如何變，「想成為什麼樣的人」才是支撐我一路走來的動力。

AI 出現後，工作的方式、市場需要的能力迭代更快，但是，有些東西可能不會變，比如你為什麼做這件事的動機，又想成為什麼樣的人。

所以，現在當有人來問我該不該換領域做 AI？我會問：「你現在做的事情，能讓你跟心中想成為的自己更靠近一點嗎？」這是 AI 無法替你回答的，而或許，答案這就在這個問題裡。

本篇文章授權刊登於《今周刊》專欄

全世界的大學畢業生，正在經歷近年來最艱難的就業環境之一。在美國，電腦工程相關科系畢業生失業率達 7.5%，幾乎是全國平均的兩倍；英國《金融時報》指出，即便是哈佛大學商學院、麻省理工史隆管理學院等頂尖學府的畢業生，離開學校三個月後仍未找到工作的比例，自 2021 年起開始已顯著上升。

為什麼會這樣？

其中，很大的一個原因，在於 AI 正在重寫職涯的入門門檻。

長期以來，教育與職場之間存在一條相對穩定的通道：從學校畢業、進入初階職位、在工作中學習，逐步累積經驗並向上晉升。然而，AI 的出現，正在直接拿掉這條「從學校進入職場」的梯子。

史丹佛數位經濟實驗室（Stanford Digital Economy Lab）指出，在最受 AI 影響的產業中，22 至 25 歲族群的就業率已明顯下滑，首當其衝的正是軟體開發、客服與文書等過去由新鮮人承擔的入門型職位。

AI 出現後，企業直接用自動化取代新鮮人，不再需要花時間與資源慢慢培養人才；這對年輕世代的影響是深遠且全面的，當進入產業的入口消失，「新手」不再有機會變成「老手」，職場的巨大斷層正在浮現。

「我們收到了 2,000 份履歷，竟然找不到一個能用的人」

對於這樣的斷層，矽谷新創 Inference.ai 的創辦人暨執行長 John Yue 有著極為直接的感受。

他與我們分享，團隊曾公開招募一名工程師職缺，短時間內收到超過 2,000 份履歷，其中不乏來自常春藤名校的畢業生，「但在層層篩選後，最後卻沒有任何一位候選人真正符合我們的需求。」

在 John Yue 看來，問題出在一個被 AI 快速放大的結構性問題：企業對人才的期待已經全面轉向「即戰力」，但教育體系卻仍停留在過去的節奏，缺乏與產業同步的實作環境。

John Yue 以 AI 與機器學習相關職位為例，擁有 GPU 實戰經驗的人才是企業眼下最迫切的需求之一，但在多數大學課程中，GPU 仍是極度稀缺的資源。學生即便掌握了基礎理論，卻沒有機會在真實環境中訓練模型、理解產業實際需求，落差因此被進一步放大。

被忽略的另一個市場：AI 的「鏡像世界」

當多數企業專注於如何用 AI 降本增效、取代人類時，John Yue 看見的，卻是另一個被忽略、卻正同步擴張的市場。

「AI 帶來的其實不是單一的效率革命，而是兩個同時成長、規模相當的市場，」John 一邊解釋，一邊拿起紙筆，分別畫出一條往上、一條往下的曲線，「這兩條線，一個是企業導入 AI、節省人力成本的『效率市場』；另一個，則是被自動化取代、需要重新回到職場的『人類市場』。」

在他眼中，這兩條曲線就像鏡子一般：AI 每節省 1 美元的人力成本，社會另一端就同時產生 1 美元的「再就業」需求。

Inference.ai 的誕生，正是從這個「鏡像市場」出發。

AI 時代下「兆元級」的就業基礎設施

世界經濟論壇預估，未來五年內，全球將有約 8,300 萬個工作因自動化與 AI 而消失，約一半的勞動人口必須重新受訓，才能維持就業能力。對 John Yue 而言，這是一個正在形成的兆元級市場，「我們想做的，是替這些被 AI 取代的人，重建一條能回到職場的路。」

John Yue 進一步解釋，Inference.ai 打造的，是一個 AI 時代的「就業基礎設施」，幫助那些被 AI 取代的人重新被社會需要、重新返回職場。

Inference.ai 首先聚焦於當前最缺人力的 AI 與機器學習相關工作，這些職位門檻高、需要實作經驗，卻長期缺乏一條清楚、可規模化的培訓與就業路徑，並將產品分為三部分：首先，Inference.ai  會透過 AI 持續分析全球即時職缺與招聘數據，辨識市場中長期存在、卻難以補足的人才缺口。

接著，系統會將大量來自企業的職缺描述進行彙整與分析，並由 AI 精準拆解為結構化的技能樹。例如，針對「機器學習工程師」這類高階職位需求，AI 會逐層解析其所需的核心技能與實作能力，包含以 Python 為基礎的程式能力、模型訓練與推論流程的理解、PyTorch 等主流深度學習框架的實務應用，以及 CUDA 與 GPU 加速運算相關能力，並清楚定義每一層技能所需達到的知識深度與實務標準。

接下來，學員會進入到高度個人化的訓練與實作階段。與傳統課程最大不同之處在於，Inference.ai 所提供的學習體驗，並非由單向的靜態教材所構成，而是全面由 AI 驅動：「AI 教師」負責課程講解與即時問答；「AI 助教」則引導學員實作，協助他們在真實的開發與訓練環境中操作模型，使用分割式 NVIDIA GPU 進行機器學習與深度學習模型的訓練與推論。

除了 AI 實作以外，Inference.ai 也會搭配來自美國一線科技巨頭的業界真人講師，整個過程以「做中學」為核心，確保參與者訓練完畢之後，立刻就具備了符合業界標準的實戰能力。

最後，Inference.ai 透過 AI 面試官（AI Interviewer），搭配業界最新標準的機器學習題庫，幫助學生反覆驗證實戰技能。這樣一來，學員可在訓練後知道自己是否已經掌握實際的機器學習技能；對企業來說，AI 面試官則能事先在大量的候選人中，篩選出合格的人選，大量節省尋找人才的時間。

Inference.ai 的關鍵優勢從何而來？

不過，這套看似簡單的商業模式，其實並不是人人都能複製，而是與 Inference.ai 自身的技術體質密切相關。

Inference.ai 的核心能力，在於一套 GPU 分割化（fractionalized GPU）基礎設施。簡單來說，就是在不犧牲效能的前提下，將高效能的 NVIDIA GPU 精細拆分為多個可負擔的小型運算單元。如此一來，學員就得以用極低的門檻，直接進入與業界一致的真實模型訓練與推論場景，而非停留在模擬環境或僅止於理論層面的學習。這正是多數教育與培訓平台，長期受限於成本與技術門檻而無法跨越的關卡。

也因為算力不再是瓶頸，Inference.ai 才能將 AI 驅動的訓練與技能驗證流程快速複製，並實際協助學員取得進入美國大型科技公司的「入場券」。

正因為有可驗證的實戰成果，在尚未投入任何付費行銷的情況下，Inference.ai 的產品已在美國工程師社群中自然擴散；同時，他們也與多所北美的大學與培訓機構合作，協助學生與在職工作者在 AI 時代快速銜接職場。目前，Inference.ai 的社群已累積超過千名成員，完成四個梯次的訓練，且人數仍在快速成長中。隨著學員完成訓練並重返職場，他們又回流社群成為導師，持續帶入新成員，逐步形成一個能自我維持、持續擴張的成長飛輪。在商業面，Inference.ai 已實現獲利營運，平均毛利率超過 90%，為其「就業基礎設施」模式提供了強而有力的經濟基礎。

當 AI 從「工具」變成「競爭者」

談到 AI 是否取代人類，John Yue 幽默地比喻道，「AI 更像是外星物種」，他認為，AI 與過去歷史上的技術躍進有著本質上的不同，「過去不管是工業革命還是電腦革命，本質上都是讓人類更有效率，是『輔助』的角色」，但是當生成式 AI 開始接手思考、寫作與決策，技術的角色就從「輔助」轉變為「競爭」，「我認為這次的 AI 革命更像外星人的入侵，他們不是來幫忙的，而是來與人類搶奪飯碗的！」

也正因如此，Inference.ai 選擇了一條不同的路。當世界上最強大的算力被用來取代人類工作，他們選擇用同樣的算力，去重建人重新「被需要」的可能。

AI 奪走了舊的工作方式；但對 John Yue而言，真正重要的，是能否為那些被取代的人，重新鋪出一條回到職場的路。

他說，當初嘗試用 3D 列印取代傳統製造時，專家的第一反應都是：「不可能！」他感嘆，受過正規訓練的人被反覆教導什麼行不通，腦子裡有太多 Mental Blockers（心理枷鎖），但他因為沒有這些專業的包袱，反而敢直接嘗試。

這段話對我啟發極大。我們過去深信專業知識是護城河，卻忘了它也會帶來盲點。當一個人對某領域過於了解，思考便容易形成固定的框架，這或許能避開失敗，卻也同時排除了那些通往成功的微小機率。

在 AI 把知識門檻壓到接近零的時代，「知道什麼」已經不稀罕。我認為，此刻真正具備價值的，是那種「不被規則定義的想像力」。創新的起點，關鍵往往在於包袱夠少。外行人因為不知道那是牆，才敢用力去撞，並快速驗證專家眼中的荒謬。決定勝負的關鍵在於：你腦子裡裝了多少「不可能」？如果你裝滿產業既定的規則，可能連起跑的勇氣都沒有。

這讓我聯想到自己的經歷。進入創業與投資的世界之前，我是職業網球運動員。現在回頭看，當時那種看似外行的「劣勢」，反而成就了現在的我，讓我得以跳脫既定模板，善用運動員的直覺：看創業者的意志力、逆境中的紀律，以及對勝利的渴望；也正因為不帶包袱，我對「非主流」點子的包容度與好奇心反而更高。

在 AI 時代，我時常提醒自己要保持一份「業餘感」。這不是說要不求甚解，而是保持那個不被成見污染的好奇心。別人的經驗可能是你的天花板，而你的「空白」則是通往無限可能的起點。

下次當有人告訴你「這行不通」時，請自問：「那是真的行不通，還是他腦中的 Mental Blockers？」，這份「劣勢」，或許正是你突圍的契機。

本篇文章授權刊登於《今周刊》專欄

這場史詩級的「退稅馬拉松」已鳴槍起跑，在申報報案件預期將塞車的背景下，過去被視為僵化、低效率的關稅行政流程，正迎來 AI 技術的革命性轉型。

儘管美國「退稅制度」（Duty Drawback）已存在兩百年，但過去因高度仰賴人工比對非結構化文件，流程動輒耗時一年，且傳統報關行因報酬有限、處理週期長，多不願主動承接。這使中小企業即便符合資格，也常因門檻過高而放棄。

事實上，在美國的貿易制度中，關稅並非不可逆的支出。只要符合條件，企業仍可申請退還大部分稅金，例如：進口至美國後再出口、在美國完成製造後外銷，或因退貨、銷毀而未實際在美國市場消費的貨品，皆可能符合退稅資格。這套制度已存在超過兩百年，是美國為鼓勵出口而設計的正式機制。

然而，制度雖然存在，實際使用率卻偏低。主要是因為傳統退稅流程高度仰賴人工，涉及大量非結構化文件的整理、比對與法規判斷，往往耗時數月，甚至超過一年。對中小企業而言，即使知道制度存在，也常因執行門檻過高而選擇放棄。

此外，從產業結構來看，傳統報關行多半不主動承接關稅退稅。這是因為退稅涉及高度專業的法規判讀與長時間的文件比對，即使是具備多年經驗的專家，仍需投入大量人力處理個案。更重要的是，「關稅退稅」案件對報關行來說，報酬有限、處理週期長，難以成為主要營收來源，因此往往被視為非核心業務。

正是在這樣的斷層中，AI 開始發揮關鍵作用。隨著資料擷取與文件解析技術成熟，原本高度人力密集的流程得以被 AI 重建，讓企業退關稅，第一次具備規模化的可能。

在美國，已有不少公司切入此一領域，例如，由台灣人成立的 Pax AI，便透過自動化資料擷取與自行設計的演算法，將原本需耗時數月的退稅流程縮短至數週。企業不必事前整理文件，只要提供原始資料，系統便能直接計算可退稅額。Pax 以演算法重寫退稅流程，再搭配具備多年實務經驗的專家，成立一年多便入選矽谷知名加速器 Y Combinator，並獲得 450 萬美元早期投資，累計處理的關稅退稅金額已達千萬美元等級。

相較之下，全球供應鏈平台 Flexport 則將退關稅，納入其供應鏈服務中。Flexport 透過自動化資料收集與平台分析工具，整合進出口、ERP 與其他系統資料，自動找出可申請退稅的機會，並簡化文件準備與申報流程，使原本繁複的流程更有效率。

兩者同樣導入技術，但切入點有所不同。Pax 著力於退稅流程的自動化與金額最佳化，而 Flexport 則將退稅視為供應鏈服務中的一環，強調流程整合與管理效率。美國另一家新創 Caspian，也同樣透過 AI 自動分析企業的貿易與庫存紀錄，快速辨識可申請的退稅機會並提交申請，並已獲得創投支持，顯示這類以技術重構關稅退還流程的模式，正逐漸形成新的產業趨勢。

在美國主導下，全球已全面進入新的關稅時代。關稅支出不再只是帳面上的合規成本，對企業利潤結構的影響也日益明顯。然而，隨著 AI 技術降低關稅退還的執行門檻、大幅加快效率，企業開始在新的關稅環境中看見一絲生機，得以將過去被視為沉沒成本的支出，轉化為可回流、可活用的現金流。

這對創業者來說是一個殘酷的警告。當取得一個夠強的模型愈來愈容易，你的優勢還剩下什麼？以前，一個好點子可以讓你領先市場半年；現在可能不到一個月，滿大街都是功能差不多的競爭對手。

這種現象在新創圈中顯露無遺。當所有人都在使用同一套模型，創業的點子已不再值錢，因為對手只需幾週就能複製你的成果，起跑線已經被徹底推平。

這時候，競爭的關鍵反而回歸到最根本的東西：「人」。

身為投資人我觀察到一件事：這些東西競爭對手都買得到，但他們唯獨買不到創辦人的判斷力、人脈網絡，以及長年累積的信任感。

AI 雖然極大化了生產力，卻也篩選出人與人之間的差異。這種差異首先體現在「判斷力」。這裡我說的不是點子，而是洞察：AI 可以高效完成任務，但它無法告訴你哪個題目才真正有商業價值。這種辨識痛點的直覺，就成了最核心的優勢。

同樣重要的是「信任」與「通路」。在產品高度同質化的市場中，客戶最終選擇你，很少是因為你的模型多厲害，更多是因為你們之間那份無法被數位化的長期連結；而當AI讓產出變得唾手可得，「能否把產出送到對的人手上」的重要性反而達到前所未有的高點。

第三是執行的速度。在AI還沒普及的年代，執行慢的團隊可能還有時間的優勢；但當對手能快速複製你的產品時，你能不能在被追上之前跑到下一個制高點，將決定你的輸贏。這種快速應變的能力，現在已經是最基本的門票。

AI 放大平庸，也放大卓越。如果你的優勢還只有「我有一個好點子」，這個時代會非常殘忍；但如果你的優勢是信任、判斷力與執行力，AI 將會是史上最適合你的武器。

本篇文章授權刊登於《今周刊》專欄

在密西根州立大學的宿舍裡，David 和兩位同學  Achyut Byanjankar 與 Soami Kapadia 決定自己動手。每到週末，他們把自己鎖在房間，對著白板和筆電想各種解決方法，還給這段沒日沒夜的時光取了個熱血的名字：「宿舍黑客松」（Dormathons）。

誰也沒想到，這場宿舍裡的實驗，會在短短一年內，在預算幾乎為零的情況下，滾出 150 萬名用戶。甚至連遠在埃及、敘利亞、印度的學生都發現了這個工具。到了 2025 年，他們正式拿到矽谷頂級加速器 Y Combinator 的門票，這三個大學生，真的把「不耐煩」玩成了一門生意。

「我們不想再浪費時間看教學影片！」

聊起創業初衷，David 坦言，大一相識時，他們只是單純想幫自己解決麻煩。「一開始，我們只是不想再看那些教學影片，所以隨手做了一個能幫我們快速理解內容的小工具。」，「但後來我們就想：既然我們覺得痛苦，會不會其他人也一樣？」

於是，在沒有任何精美商業計畫書的情況下，他們抱著「試試看」的心態，把產品原型丟上社群媒體 X，結果不到幾天，後台竟然湧入上萬名用戶。這讓他們第一次意識到：原來全世界的學生都在等一個能拯救學習效率的工具。

把學習素材變成「互動式」家教

YouLearn 到底在做什麼？簡單來說，它把原本「死板、密集」的學習材料，轉化成更生動的形式，讓人能夠更快理解與吸收。

過去我們讀講義或看錄影，總是要自己痛苦地抓重點。現在，學生只要把 PDF、課堂錄音或 YouTube 連結丟進 YouLearn，平台就會將這些素材，變成一位 AI 導師。使用者可以隨時提問，或根據剛剛學過的內容生成測驗題和記憶卡（flashcards），檢查自己是否真的理解了。

「我們發現，學生其實很渴望理解，而不是單純要解答，」David 進一步說明，「所以我們的產品設計的核心是讓人真正『學會』。我們不會一開始就丟出答案，而是讓使用者變得更有參與感。」

Youlearn 如何靠「去摩擦化」留住 200 萬用戶？

回顧最初的產品版本，David 坦言，很多東西一開始其實都行不通。連最基本的「上傳文件」都不順暢。團隊幾經嘗試後意識到，應該回到更根本的問題：使用者真正想要的是什麼？

答案很簡單：他們想馬上開始學習。

「我們發現，學生並不想花時間研究工具，所以我們就專注在降低產品使用上的摩擦。」，David 舉例，「像是上傳資料應該簡化在 2 個步驟內完成、上傳後的內容要即時處理，讓用戶一進到平台就能直接與 AI tutor 互動。」

另外，Youlearn 的團隊也發現，多數的學習工具都是碎片化的，學生在不同的分頁之間切換，大幅降低了效率。於是，他們將單字卡、筆記、對話與測驗集中在同一個空間，「我們的目標很簡單，」David 說，「把所有的摩擦力降到最低，讓學習變得極度容易。」

第二個關鍵學習，是簡化願景。

早期團隊對產品方向有過許多天馬行空的想法，也嘗試過多種可能性，但成長卻一直受限。真正的轉折點，是他們決定停止追逐多個方向，只專心在一件事：觀察學生怎麼使用產品。

在產品剛爆量成長時，David 坦言，「當時我們只看得到流量，卻不知道使用者具體在做什麼」，於是團隊開始建立追蹤指標與分析機制，回看使用行為，讓每一次產品迭代都有數據作為依據。

從數據中，他們看到一些關鍵行為：學生會反覆追問同一個概念，花好幾個小時完成測驗，甚至持續收聽 Youlearn 生成的 podcast。這些訊號讓團隊更確信，學生要的不是直接給他們答案，而是真正的學習。

但是，光有這些洞察還不夠，如果樣本太小，這些假設也沒辦法被驗證。於是團隊開始有意識地擴大知名度，他們知道，大學生更相信創作者，於是他們繞過傳統廣告，直接在 Instagram 與 TikTok 上跟小網紅合作。

(圖片來源：YouLearn Instagram)

「我們自己就是學生，很清楚大家在哪些社群停留，也知道什麼內容會讓人想看下去。」David 說，學生追求的是「立即價值」，比如「如何一小時學會這門課」、「如何更快記住某某內容」，因此與其大談品牌願景，他們選擇直接示範產品如何提升學習效率。這種基於對同齡人習慣的深刻理解，才讓 YouLearn 的增長策略真正落地。

爆紅了，然後呢？

第一波成長來得很快，該學年結束時，Youlearn每月活躍學生數已達約 20 萬人，更特別的是，這些用戶遍佈全球，包括埃及、敘利亞、印度等地的學生都主動在社群上分享。

但對團隊而言，真正的挑戰不在流量，而是留存率。

David 觀察到，現在的大學生習慣嘗試各種 AI 工具，但退出率也很高。於是，團隊開始更細緻地研究使用者行為，例如是否完成整段學習流程、是否回到平台進行第二次練習、哪些地方會卡住？哪些地方又讓學生繼續使用？「留存率」成為產品迭代的核心指標。

從數據中，他們發現，不同學科的學習需求截然不同。David 舉例，醫學院學生需要大量記憶，因此，系統就會強化單字卡與重複練習機制；法律系面對的是密集的文本與判例，平台則著重於拆解論證、釐清前提與結論間的關係；至於數學相關領域，則會加入計算題的推導，協助學生驗證公式與模型。YouLearn 的初衷很單純：降低整理資訊的成本，讓學生把時間用在「思考」本身。

針對不同科系的學生的學習方法改善後，Youlearn 的留存曲線也開始穩定上升，逐漸地，不少用戶開始從免費版升級為付費版，以獲得更完整的學習體驗。

有了良好的產品基礎，外部的驗證也隨之而來。2025 年，YouLearn 成功被選入 Y Combinator，並完成種子輪募資，正式踏上更大的舞台。

這個時代，每個人都能有一位專屬自己的 AI 導師！

Youlearn 的誕生，其實也來自David 個人的學習經驗。回顧大學階段，他認為對自己幫助最大的，是學會「如何學習」。

「我以前研究過一些更有效率的學習方法，例如刻意拉開複習間隔、強迫自己主動回想，而不是重複閱讀筆記。」，David 發現，當學習方式改變，吸收知識的速度也大幅提升。「關鍵在於理解，而不是死記，若還能加上實際運用知識，你會記得更久」，在高中時，他為了打造自己正在創立的電商品牌，翹掉了數百小時的課程，同時也不斷磨練自己的學習方式，好讓自己能更快完成課業，而不是被動地坐在課堂上聽講。

這樣的經驗，深刻影響了 YouLearn 的產品方向，他相信未來的教育會更少強調背誦，更多著重批判性思考與理解力。

面對 AI 正在重塑教育的浪潮，David 對 YouLearn 的想像其實很簡單，也很大膽：讓學習像人們想像中的「捷徑」一樣有趣，但不因此犧牲真正的理解與記憶。

他的目標很清楚：讓每個人都能擁有一位 AI 導師。他說：「YouLearn 的目標不是讓學習變得毫不費力，而是讓它更個人化，保持在剛好有點挑戰的程度，同時又真正有趣。這樣我們才能更聰明、更有效率地學習，也真的把知識學會。」

過去，選擇一條大家認為「穩定」的路，往往可以讓人安穩一輩子。然而現在科技變化太快了，那些安全的選擇很可能在幾年內就被推翻。

我覺得，與其找出「最有前途」的那條路，或許值得思考的是：有沒有一件事情，能讓你投入到忘記時間、還甘之如飴？

前陣子，一位朋友跟我分享：一位國中生相當著迷於 Roblox 和 Discord，起初他跟多數孩子一樣，只是一個愛玩遊戲的青少年，但慢慢地，他開始找資料、看教學影片、加入不同社群，和世界各地的玩家交流。

後來，他不再滿足於只當玩家，他自學程式、開發工具，替社群解決實際問題，讓溝通更有效率；最近他甚至迷上日文，主動要求老師增加難度，只為了和更多不同國家的人順暢交流。

從玩家、自學者到創作者，再到跨文化的溝通者，整個過程裡，沒有人強迫他學習（也慶幸沒有人幫他貼上「打電動沒前途」的標籤），一切只因為他真的著迷，所以投入時間並主動探索，當他談起自己正在做的事時，眼睛會不自覺地發亮，那種專注與興奮，是任何考試成績都無法取代的。

其實真正推動人成長的，正是這種「眼中有光」的狀態。當一個人找到讓自己著迷的事物，自然會延伸出學習力、溝通力、技術力，甚至跨文化的理解。這些能力一開始還沒有清楚的職業名稱，但它們正在悄悄累積，成為未來的底氣。

無論此刻你在人生哪個階段，都可以問自己：你願意為了什麼事而日復一日的沉浸其中？什麼事會讓你的眼神重新發光？給自己一些探索的空間、允許自己去走一些看起來「沒那麼直線」的路吧！願大家都能找到那個眼中有光的自己。

本篇文章授權刊登於《今周刊》專欄

這番話，恐怕動搖了許多人深信的觀念：只要沿著成功模板前進，人生就會走上正確的路。然而科技更迭太快，那些曾被視為安全的專業技能，壽命正在急速縮短。 

Elon Musk 點出了連醫學這種高度專業都可能被科技推翻，但他沒講的是：我們該如何應對？

我想起自己人生中幾次大膽的選擇。我一路從網球國手、名校，再跨到創業與投資，身上貼滿了社會定義的成功標籤，看似順風順水，但只有我自己知道，這其中是經歷了多少次劇烈的身份轉換與心態調適。

在我看來，不管你身在什麼領域，最重要的是要有隨時重新調整的能力與膽識，這遠比你有什麼頭銜更加重要。

網球、創業與投資，這些領域天差地遠， 但每一次跨界，對我來說都是自我框架的粉碎與重建，而我性格中的冒險基因與好奇心，驅使著我走進一個又一個充滿未知的領域，讓視野與歷練更加寬闊。

若當時的我選擇留在熟悉的球場，現在應該已是一名專業教練，那會是一份令人尊敬且安穩的工作；若當時的我，沒有打破既有思考、沒有在碰到陌生領域時調整轉向，我今天就不可能在瞬息萬變的商場生存，更遑論進入需要宏觀判斷的投資領域。

這也是我後來的觀察：極致的「反應速度」與「適應力」是成功的人都擁有的共通強項。環境風向變了，他們不會在原地懊惱，而是承認原本的假設失敗，果斷尋找下個突破點。他們大膽嘗試、不怕跌倒、修正速度也比別人快，因為就算跌倒了，一路上的收穫也足以讓他們航向更遠的地方。

Elon Musk 的發言確實讓人深思；但無論如何，這種隨時打破既有框架的應變力，才將是帶我們穿過暴風雨的指南針。

本篇文章授權刊登於《今周刊》專欄