十年經驗的工程師、擅長系統開發的台灣軟體業，為什麼 AI 時代反而落後？

本文整理自 AI House Davos 2026 年 1 月舉辦的座談「Unprecedented Scale – Building Startups in the Age of AI」。

「你知道 agentic 這個詞是我發明的，對吧？」

吳恩達（Andrew Ng）在達沃斯的 AI House 座談會上，帶著一絲自嘲的笑容說出這句話。兩年前，他覺得需要一個詞來描述那些「有點自主、能執行多步驟工作流程」的 AI 系統，於是 Google 了一下，發現沒人在用 agentic 這個詞，就決定自己來推廣。他在 Sequoia 的演講中首次使用，又在電子報中解釋為什麼該用這個詞，甚至暗示「用這個詞的人代表他懂行」。

結果行銷人員聞風而動，把 agentic 貼滿了達沃斯的每一棟建築。吳恩達 苦笑：「我走在長廊上看著這些招牌，不禁懷疑自己是不是做過頭了。」

這個小插曲，恰好說明了我們正處於什麼樣的時刻——AI 的發展速度快到連創造術語的人都來不及反應。而這場在世界經濟論壇期間舉辦的座談，正是要回答一個關鍵問題：在這個「建造成本趨近於零」的時代，創業的遊戲規則到底變成什麼樣了？

為什麼這場座談值得台灣讀者關注

AI House 是由蘇黎世聯邦理工學院（ETH Zurich）的 AI 中心與德國 AI 創投 Merantix 在 2023 年共同創辦的組織。每年達沃斯世界經濟論壇期間，這裡就成為全球 AI 社群的聚集地，舉辦各種座談、圓桌會議和私人聚會。

這場座談的四位講者，恰好代表了 AI 產業鏈上四個關鍵視角。

Nicole Büttner 是 Merantix Capital 的創始合夥人，同時也是 AI House 的共同創辦人。她在柏林經營早期投資基金，專注歐洲 AI 新創，同時也為財星五百大企業提供 AI 導入顧問服務。她的角色是連結創投、新創與大企業的橋樑。

Laura Modiano 負責 OpenAI 在歐洲、中東與非洲的新創業務。她的工作是協助歐洲創辦人把本地成功擴展到全球規模。在加入 OpenAI 之前，她在 AWS 負責與頂級創投及其投資組合公司的合作。她代表的是大型 AI 模型廠商的視角——他們如何看待生態系中的新創公司。

Alexander Ilic 是 ETH AI Center 的共同創辦人兼執行長。他是連續創業者，21 歲就創辦第一家公司，後來創辦的 Dacuda 被 Magic Leap 收購。ETH AI Center 擁有超過一百位教授，以及 11,000 張最新 GPU 組成的超級電腦——這個算力規模是全球其他大學的 20 到 50 倍。他代表的是學術與人才培育的視角。

Andy Hock 是 Cerebras Systems 的首席策略長。這家公司專門打造 AI 專用晶片，就在達沃斯座談前不久，Cerebras 才剛宣布與 OpenAI 簽訂了價值超過 100 億美元的合作案——提供 750 兆瓦（MW）的算力給 OpenAI 的推論基礎設施。他代表的是 AI 基礎建設的視角。

創投、大廠、學術、晶片——這四個視角的交匯，讓這場座談的討論格外有深度。

吳恩達 的工程師能力分級：你在哪一層？

座談中最震撼的內容，來自 吳恩達 對工程師生產力的重新排名。

「有個刻板印象是，最有生產力的工程師是懂 AI 的應屆畢業生，」吳恩達 說，「我發現這不是真的。」

根據他的觀察，工程師的生產力可以分成四個層級。最頂層是那些有十年、十五年、二十年經驗，但同時緊跟最新 AI 工具的資深工程師。他們知道該問什麼問題，也知道答案代表什麼意義，AI 工具在他們手上能發揮最大效用。

第二層是懂得使用 AI 工具的應屆畢業生。他們缺乏經驗，但至少掌握了新工具，生產力依然很高。

第三層是那些「還在用 2022 年方式寫程式」的資深工程師。他們可能在舒適的工作中待了太久，薪水照領，但生產力已經遠遠落後。

最底層是不懂 AI 工具的應屆畢業生。吳恩達 直言：「我永遠不會再雇用不懂得用 AI 工具的工程師。」

這個排名的殘酷之處在於：傳統上被視為優勢的「資深經驗」，如果沒有與時俱進，反而會變成劣勢。而剛畢業的新鮮人如果沒有在學校學會使用 AI 工具，起點甚至比願意學習的資深工程師還低。

吳恩達 對學術界提出了尖銳批評：「現在還有大學讓學生拿到資工學位，卻從來沒有對 OpenAI、Anthropic 或 Gemini 打過一次 API。這太奇怪了。我們還在培養學生去做 2022 年的工作。」

當建造變便宜，決定「要建什麼」成為瓶頸

如果說工程師分級是對個人的警示，那麼接下來的洞見則是對整個產業結構的衝擊。

「我想分享一個建議，」吳恩達 說，「當假設測試變得便宜，假設生成就成為瓶頸。」

他解釋了這個現象是如何在他的公司中浮現的。大約一年半前，他開始注意到一個奇怪的狀況：產品經理給工程師一個規格，預期可能要一週才能完成，結果工程師很快就回來說「我做完了，接下來要做什麼？」

產品經理和設計師開始感到壓力，因為他們沒辦法讓工程師保持忙碌。

在傳統科技公司，產品經理與工程師的比例通常是 1:4 到 1:8——一個產品經理可以讓四到八個工程師有事做。但 吳恩達 的團隊開始把這個比例往下調：1:4、1:2，最後甚至 1:1。

「然後我們發現，唯一比 1:1 更快的方式，就是把這兩個人合併成一個人。」

這就是為什麼他現在看到最快速的團隊，有時候是一人團隊——技術能力強，同時又有足夠的同理心去收集使用者回饋、理解產品需求的個人。

這個轉變帶來的壓力是全面的。產品經理被迫學寫程式，工程師被迫學產品思維。而因為世界上工程師的數量遠多於產品經理，「工程師學產品」的趨勢比「產品經理學工程」更為明顯。

Alex Ilic 補充了另一個被低估的瓶頸：「產品化」。很多團隊可以做出漂亮的 demo，但要讓它真正規模化、建立數據護城河、提高準確度和穩健性，這是另一個層次的挑戰。

Laura Modiano 則強調，這種速度優勢來自於持續的回饋循環。她觀察到成長最快的新創公司，都有「永遠開著」的 A/B 測試機制，快速出貨新功能，甚至願意在功能還不完美時就讓小群忠實用戶測試。這種信任關係和速度，才是他們能快速擴張的關鍵。

而且這個回饋循環是雙向的——不只是收集客戶回饋，也要積極向 AI 平台提供回饋。Laura 說，那些成長最快的新創公司，會持續告訴 OpenAI 他們想要什麼功能、模型在哪裡表現好或不好、希望未來往什麼方向發展。「我們只有在知道客戶想要什麼的時候，才能把功能加進產品路線圖。」

你的競爭優勢只是「比人快」？明天就沒了

座談中反覆出現的一個主題，是「價值創造」與「成本節省」的根本差異。

Alex Ilic 提出了一個尖銳的觀察：「現在的討論總是『有了新方案，我能省多少成本？』非常成本導向。但我們不該忘記，如果你進入一個新市場，而你的優勢只是比人類工作流程快，這個優勢明天就會消失，因為下一家公司也會導入 AI。到時候你的基準線就是 AI，不是人類。你沒有任何真正的防禦優勢。」

吳恩達 用一個具體案例說明了該怎麼思考這件事。

假設一家銀行想用 AI 來優化貸款審批流程。傳統做法是：人類審批員要花一小時審核一份申請，現在用 AI 可以縮短到十分鐘。省下五十分鐘，很好，這是效率提升。

但真正能轉型業務的做法是：既然 AI 可以在十分鐘內完成審批，為什麼不重新設計整個產品，推出「十分鐘核貸」的新服務？

這兩種思維的差異是巨大的。前者是把 AI 當成降低成本的工具，後者是把 AI 當成創造新價值的引擎。但後者需要重新設計整個工作流程——從行銷方式、申請表單數位化、到後端處理大量案件的能力，每一環都要配合調整。

「這就是為什麼很多企業的 AI 導入卡住了，」吳恩達 說，「大家讓一千朵花開、到處實驗，結果只得到一點點效率提升，沒有真正的轉型。因為轉型需要更深層的工作流程重新設計，而這需要從上而下的支持，不只是從下而上的創新。」

他也直言，那些「放諸四海皆準」的顧問報告——告訴你每家銀行該做什麼、每家保險公司該做什麼——基本上沒什麼用。因為從外面看，每家銀行都差不多，但只要深入一兩層，就會發現它們有不同的護城河、不同的資源、不同的人才結構。策略必須針對每家公司量身訂做。

從「注意力經濟」到「意圖經濟」

Alex Ilic 在座談中拋出了一個更大膽的預測：整個廣告產業的商業模式可能會被顛覆。

他的邏輯是這樣的：過去我們活在「注意力經濟」中。企業的目標是搶奪使用者的時間，投放廣告、製造成癮、讓人無止境地滑手機。這帶來了很多負面效應——成癮、焦慮、資訊過載。

但如果 agentic AI 持續進化，能夠代替我們執行任務，那企業就不需要搶奪「代理人」的注意力了。遊戲規則會變成：誰能更準確地預測使用者真正想要什麼、需要什麼。

「我們會從注意力經濟，轉向意圖經濟，」Alex Ilic 說，「從偷走人們的時間，轉向找出這個人真正想解決什麼問題。能夠預測使用者意圖的公司，會創造出更好的自動化方案和輔助方案。」

這個轉變不會在一兩年內發生。Alex Ilic 認為行為改變通常需要十年左右的時間。但方向已經很清楚了。

Laura Modiano 從另一個角度補充了這個觀點。她用一個醫院的例子來說明：如果你要優化病患流程，傳統思維會去看每一個環節——病患進來要等多久、和護士互動多長時間、醫生看診多久、出院流程如何。然後試著讓每個環節更有效率。

但真正該關注的是最終結果：病患有沒有變得更健康？整體體驗有沒有變好？

「我給創辦人的建議是：把所有環節想像成樂高積木，放進盒子裡搖一搖，看看能拿掉多少塊。」用 AI 原生的思維重新設計流程，而不是在舊流程上貼補丁。

Laura Modiano 也特別強調，AI 的價值不只在企業應用。科學研究、建築營造、教育、生命科學、藥物開發——每一個我們生活中接觸到的領域，都有改善的空間。OpenAI 最近才宣布與蓋茲基金會合作推動醫療健康領域的 AI 應用。她在 AI House 遇到的一位創辦人，正在用 AI 加速生技公司的酸性化合物發現流程。這些不一定是企業軟體，但創造的價值同樣巨大。

歐洲 AI 生態圈的崛起

座談中另一個讓人印象深刻的主題，是歐洲 AI 生態圈的快速成長。

Laura Modiano 分享了一組數據：2025 年，歐洲誕生了 51 家獨角獸，而前一年只有 26 家。這意味著 2025 年全球新增的獨角獸中，有 22% 來自歐洲，比前一年的 15% 大幅成長。相比之下，美國同年誕生了 129 家獨角獸。

矽谷的投資人開始密切關注歐洲，積極尋找投資機會。

她特別提到了 Lovable 這家瑞典新創。這是一家「vibe coding」平台——使用者用自然語言描述想要的應用程式，AI 就會自動生成程式碼。這家公司在 2025 年達成了一個前所未有的里程碑：從零到 2 億美元年度經常性收入（ARR），只花了一年。沒有任何軟體公司曾經以這麼快的速度達到九位數營收。

到 2025 年底，Lovable 完成了 3.3 億美元的 B 輪融資，估值達到 66 億美元——五個月前的三倍。超過一半的財星五百大企業都在使用它。

「歐洲有技術人才，有 STEM 畢業生，數量比美國或中國都多，」Laura Modiano 說，「我對歐洲創辦人的野心深具信心。」

這對長期習慣看矽谷的台灣讀者來說，是一個重要的提醒：AI 創新不只發生在灣區，歐洲正在成為另一個重要的創新中心。

為什麼「快」不只是讓同樣的事變快

Andy Hock 從基礎設施的角度，解釋了為什麼速度的提升會帶來質變，而不只是量變。

Cerebras 打造的 AI 晶片，在生成式 AI 推論上比 GPU 快 10 到 50 倍。這不只是讓同樣的應用跑得更快，而是讓全新的應用變得可能。

他用網路發展史來類比：當網路從撥接升級到寬頻，我們得到的不是「更快的電子佈告欄」，而是搜尋引擎、串流影片、社群媒體——全新的數十億甚至數兆美元的產業。

同樣的邏輯適用於 AI 推論。當延遲從秒級降到毫秒級，語音助理會變得更自然，推理模型可以執行更複雜的多步驟任務，agentic 工作流程可以即時運作。這些都是在高延遲環境下不可能實現的應用。

Cerebras 與 OpenAI 的合作規模驚人：750 兆瓦（MW）的算力，相當於約 60 萬戶家庭的用電量，合約價值超過 100 億美元。這個數字本身就說明了 AI 已經從研究實驗室進入了工業規模的部署。

Andy Hock 引用了一個有趣的例子：前一天在達沃斯，知名電子音樂製作人 Diplo 在談到 AI 對創意工作的影響時說，關鍵就是「迭代」。讓他能創作出好音樂的，不是靈感一次到位，而是能快速實驗、不斷調整。這和打造產品的邏輯完全一樣。

「建造得快，其實不是一個過程，而是一個結果，」Andy Hock 說，「它是優秀團隊加上正確工具的產物。而這些工具真正在做的，是讓快速迭代和實驗成為可能。」

技術創辦人的時代，但不只是技術

座談中有一個有趣的張力：一方面，所有講者都強調技術能力的重要性；另一方面，他們也提醒純技術背景可能不夠。

Laura Modiano 觀察到，現在的創辦人越來越多是技術背景出身。「以前會當 CTO 的人，現在當 CEO。因為我們在建造的是技術優先的公司，用技術解決商業問題，所以技術背景真的很重要。」

她還注意到，不只是創辦人，整個團隊都變得更技術導向。以前被認為是非技術職的角色——業務、商務開發——現在都需要深厚的技術理解，因為他們面對的採購方也越來越懂技術。

吳恩達 把這個觀點推到極致：他的公司在招聘任何職位時——行銷、招募、甚至前台接待——都會優先考慮會寫程式的人。因為會寫程式的行銷人員比不會的更有生產力；他的前台接待因為會寫程式，能自己打造客製化工具；他最好的招募人員不是手動看履歷，而是寫程式來篩選；他的財務長需要工作流程客製化時，自己就能搞定，不用花幾週去找廠商、每個月付幾千美元買一個「差不多」的解決方案。

但 Andy Hock 提出了一個重要的平衡觀點。作為一個「康復中的博士」，他說每次看到技術背景的創辦人，腦中都會亮起一個小小的警示燈——不是擔心技術深度或能力不足，而是想確認他們是否具備技術以外的特質：對使用者的同理心、對產品的理解、把大問題拆解成小塊的能力、以及建立優秀團隊的能力。

「對創辦人來說，技術學位和深度鑽研幾乎是必要條件，尤其在歐洲有這麼多優秀的技術人才。但真正的差異化，是那些讓你成為優秀說故事者、優秀領導者、優秀產品打造者的能力——不只是技術專家。」

Laura Modiano 則從另一個角度切入：在這個工具如此強大的時代，「觀點、立場、品味」變得極度重要。AI 工具可以完成大量工作，但你必須引導它們、指出你希望它們往哪個方向跑。她最興奮看到的，是那些既有強烈主見、又能緊密傾聽用戶的創辦人——這種「有主見但不固執」的特質，加上快速迭代的能力，才是真正的競爭力。

分配的力量：好產品也需要好故事

座談快結束時，吳恩達 提醒了一個容易被技術人忽略的面向：分配（distribution）。

他分享了一個有趣的案例。AI Fund（他創辦的創投基金）投資了一家叫 Mino 的公司，創辦人 Renate Nyborg 是 Tinder 的前執行長。Mino 的目標是幫助人們在現實生活中建立關係，而不是在交友 app 上無止境地滑來滑去。

這家公司最近在紐約地鐵站大量投放廣告，標語是：「被拒絕很性感」（Rejection is hot）。

為什麼？因為在現實生活中認識人，你一定會被拒絕。這很正常。Mino 想給人們勇氣，讓他們願意在現實中搭訕、被拒絕、然後繼續嘗試。

這個廣告引起了大量社群媒體討論，很多網紅站在廣告牌前拍照分享。吳恩達 說，這種說故事的能力、這種讓產品進入用戶生活的能力，也是把好產品推向成功的關鍵。

Andy Hock 則特別鼓勵大家不要因為硬體專案的時程較長就卻步。深度技術的硬體專案、實體世界的製造業、機器人——這些都是未來十年會看到巨大動能的領域，也是他個人覺得最有成就感的問題。不要因為時程長就不敢投入。

我的觀察：給台灣讀者的四個反思

聽完這場座談，我有幾個特別想對台灣讀者說的事。

第一，吳恩達 的工程師分級應該讓很多人警醒。台灣有大量優秀的軟體工程師，但「資深」不再自動等於「有價值」。如果你是有十年經驗的工程師，但還在用 2022 年的方式寫程式，你的生產力排名可能比一個會用 AI 工具的應屆畢業生還低。這不是要製造焦慮，而是要指出：持續學習不再是選項，而是生存條件。

第二，「假設生成成為瓶頸」這件事，對台灣軟體業的衝擊可能比其他地方更大。台灣的軟體業有很強的代工基因——客戶說要什麼，我們就做什麼，做得又快又好。但在 AI 時代，「做」的成本趨近於零，「決定要做什麼」才是稀缺能力。這需要從組織文化、人才培養、到商業模式的全面轉型。

第三，Alex Ilic 關於「價值創造 vs. 成本節省」的提醒，直指台灣企業導入 AI 的常見盲點。我觀察到很多企業談 AI，第一個問題就是「可以省多少人力？」這種思維會讓你永遠只能得到漸進式的效率提升，而不是轉型式的成長。更危險的是，如果你的優勢只是「比人快」，當競爭對手也導入 AI，你的優勢瞬間歸零。

第四，我們太習慣只看矽谷了。歐洲 AI 生態圈的崛起是真實的——2025 年誕生 51 家獨角獸、Lovable 一年內達到 2 億美元 ARR、ETH AI Center 的超級電腦算力是其他大學的 20 到 50 倍。AI House 的存在本身就是歐洲在全球 AI 話語權提升的象徵。台灣如果只盯著矽谷，會錯過另一半的創新圖景。

最後，吳恩達 在座談結尾說的話，或許是最好的總結：「我們正處於建造的黃金時代。經濟學告訴我們，當某件事變得便宜，理性的做法就是大量去做。過去一年發生的事，就是建造的成本正在急速趨近於零。所以理性的做法就是：去建造、建造、再建造。」

這個時代對有準備的人來說，是前所未有的機會。關鍵是：你準備好了嗎？