Autopass 創辦人的 AI 轉型思維

 

這篇訪談的核心在於：AI 時代正在徹底瓦解傳統「先圈免費流量、再談商業變現」的網路軟體模式，迫使企業轉向高價值付費客群與極致組織扁平化。

核心商業邏輯轉變

• 免費流量已死： 過去軟體仰賴聚集大眾流量再尋求變現，但在 AI Agent 普及後，流量入口被大型模型壟斷，工具型 App 的表面功能容易被快速複製，單純靠免費功能圈人已無法形成護城河。

• 縮小客群、建立身分價值： 放棄涵蓋台灣全體 800 萬車主，轉而聚焦願為整合服務付費的 3% 至 5% 核心用戶（約 10 萬至 30 萬人），藉由加收服務費與會員制確立商業正循環。

• 底層架構轉型： 將定位由前端 App 轉為 API 與中間協議層（MCP），提供系統介接能力，而非僅做單純的停車工具。

組織變革與 AI 協同

• 精實化重整： 團隊規模從 70 人縮減至 30 人，裁撤維持龐大免費服務所需的客服與運營重擔，解決跨部門穀倉與溝通損耗。

• 虛擬協同決策： 在高層決策導入多角色 AI 辯論機制（麻吉宇宙），由 AI 預先收斂觀點再交由真人定奪，大幅縮減如董事會簡報等傳統行政流程的時間成本。

把時間，投資在讓自己發光的地方

今天有位朋友帶著好奇問我：「你怎麼總是有那麼多時間，一下子去爬山，一下子又跑去看瀑布？」

當下我笑了笑，但也認真在心裡想了一下。其實，誰一天的時間不是二十四小時？這從來不是「擁有的時間多寡」，而是「選擇把時間投到哪裡」。

我不是神仙，也不是生活毫無瑣事，只是在取捨之間做出了偏好：

• 減少無感的消耗：我很少把早晨耗在反覆賴床上，也很少把週末大把時間花在無目的的賣場閒晃。

• 換取真實的體驗：省下來的這些零碎空檔，我全數投進了山徑林道、壯闊瀑布的洗滌；投進了博物館裡沉澱心靈的展覽；也投進了一本本拓展視野的書籍閱讀中。

背後的原因其實一點也不偉大，談不上什麼崇高的理想或自律人設，說穿了，不過是希望在有限的日常裡，讓自己感到踏實與充實。

時間就像資本，花在被動發呆上，日子就悄悄溜走了；投在喜愛的事物上，留下來的都是生命的厚度。你想過什麼樣的生活，就看你甘願把時間「投資」在哪裡。

所謂「開竅」，不過是大腦完成了一次神經重組

 很多人以為「開竅」是一種靈光一閃的運氣，或是某天早晨醒來突然通透的神秘體驗。然而從認知科學的角度來看，開竅既不神秘，也不玄妙。它本質上是大腦神經迴路從「高能耗的局部摸索」跨越到「低能耗的全域整合」所產生的相變現象。
在開竅之前，我們看事情往往見樹不見林，大腦前額葉塞滿了零碎的規則與資訊碎片，每前進一步都需要調動大量工作記憶，思考過程沉重且容易疲勞。而所謂的開竅，就是大腦終於把這些散落的點連成了網，提煉出底層的「認知基模」。當結構一成型，原本看似龐雜的雜訊被自動過濾，大腦便能一眼辨識出事物的本質與因果關聯。
這種認知質變並非純靠被動等待，而是可以透過清晰的節奏主動催生。
製造邊界摩擦，提供足夠的重組材料 神經突觸的可塑性重塑只發生在舒適圈邊緣。若只是機械式地重複已知經驗，大腦只會沿著舊有迴路滑行；唯有刻意將難度拉高到剛好超出自身能力一成左右的區間，並交替處理不同情境的混合問題，大腦才會被迫放下表層特徵，轉向辨識深層結構。
學會在聚焦與發散之間切換節奏 高品質的洞察很少誕生在無休止的苦思冥想中。最有效的方式，是先以極高的專注度將問題拆解推演至當前的智力邊界，為大腦備齊充足的拼圖碎片；隨後果斷放手，轉換到散步、慢跑或深度睡眠等低負荷狀態。這時大腦的預設模式網路會在後台無意識運轉，進行遠距語意重組。當最優路徑被接通的那一刻，頓悟便會突圍而出。
用極限壓縮強迫認知收斂 衡量自己是否真正開竅的標準很簡單：能否拋開所有行話與繁瑣細節，用一張極簡架構圖或三十秒的白話，向外行人說清楚核心機轉？這種提煉本質與跨領域類比的過程，就是在為神經網絡修剪掉無效枝節，留下最精練的直達通道。
開竅從來不是憑空降臨的奇蹟，而是高強度的思考拉扯、給予潛意識重整空間，最後藉由輸出淬鍊出骨架的必然結果。

那一刻，朋友說我的眼睛裡沒有光

昨天和一位熟識的朋友碰面，聊起近況時，我不自覺吐露了一句心底話：「我覺得自己需要找回對產品的熱情。」

原以為朋友會客套地安慰幾句，沒想到他只是平靜地看著我，點了點頭說：「對，因為你剛才在聊產品的時候，眼睛裡沒有光。」

這句話像一記重錘，直接敲醒了我。

在職場與專案中打滾久了，我們往往變得越來越熟練。我們學會用精準的架構分析痛點、用嚴謹的邏輯推導規格、用成熟的指標衡量成效。一切流程都無比專業、無懈可擊，但也正是在這種日復一日的標準化操作中，某種最初的躁動悄悄溜走了。

曾幾何時，提到一個剛成形的概念、解決了一個棘手的使用者需求，或是看見原型在眼前跑起來時，那份興奮是不需要刻意說明的。那種熱情會直接寫在臉上，甚至像朋友說的，會自然映在眼底。

不知不覺中，產品變成了待交付的清單、需要協調的時程、以及各種跨部門折衝的集合體。我們專注於「把事情做完、做好」，卻忘了自己當初為什麼想「創造這件事」。當思考只剩下交付與避錯，眼神自然就暗了下來。

朋友那句坦率的提醒之所以令人震動，是因為它戳破了一種自我催眠的平靜。眼睛騙不了人，那份光芒不是靠職位、專業術語或漂亮的簡報能裝出來的；它來自對問題的純粹好奇，以及渴望為使用者帶來價值的真實渴望。

承認熱情消耗並不可怕，可怕的是對這種暗淡習以為常。

找回熱情的第一步，或許不是急著設定更宏大的目標，而是退後一步，重新審視自己的出發點：

• 重新站在使用者的視角，感受產品真正解決問題的那份踏實。

• 找回動手打磨細節的樂趣，而不只是盯著數字與進度條。

• 允許自己保留一點純粹的好奇心，去看見商業價值之外的創造樂趣。

感謝那些願意直言的朋友。這記當頭棒喝來得很及時，也是時候把專注力從「應付日常」拉回到「創造價值」，找回那個雙眼有光的自己。

為什麼電價飆漲、利率高檔，AI 算力成本卻在雪崩？一場現代版的「紡織廠軍備競賽」

當前全球雲端服務商（CSP）正面臨極其罕見的逆風夾擊：高利率環境拉高了融資門檻、AI 基礎設施拉動關鍵零件通膨，加上核能與綠電爭奪戰讓電力取得成本水漲船高。

照一般傳統製造業的成本加成定價法（Cost-plus Pricing），終端客戶租用算力或呼叫 API 的價格理應水漲船高。但現實卻恰恰相反：各家大模型的 API 價格正以每年 60% 至 80% 的驚人速度下跌。

這看似反直覺的現象，背後正上演著一場殘酷的商業淘汰賽，其底層邏輯與經典 MBA 紡織產業個案如出一轍，卻又被現代半導體與演算法的指數擴展進一步放大。

1. 現代版「紡織廠囚徒困境」：不投資就死亡

在經典商學個案中，紡織廠為了追求生產效率，大規模舉債引進最新自動化紡織機。單一廠商本期望藉由降低單位成本獲取超額利潤；然而，當所有競爭對手為了生存同步舉債跟進時，市場總產能瞬間爆發。

由於布料產品具有同質性，供過於求引發了猛烈的價格戰。最終，消費者享受了廉價商品，小廠因毛利無法覆蓋資本利息與折舊紛紛破產，唯有現金流最強、營運規模最大的巨頭得以壟斷市場。

當前的 CSP 巨頭正深陷這場高科技「囚徒困境」：

• 軍備競賽的被動性：算力叢集的投資規模已從數十億美元躍升至數千億美元。沒有任何一家巨頭敢放緩採購腳步，因為一旦缺少足夠的前端算力，就會瞬間失去對頂尖研發團隊與企業客戶的吸引力。

• 高固定成本與低邊際成本：資料中心建置與晶片採購是沉沒成本。伺服器一旦上架，閒置成本極高，促使業者以極低的邊際價格拋售算力，透過衝高利用率來攤提龐大的硬體折舊。

2. 技術降本的斜率，徹底碾壓了通膨與電費增幅

為什麼即便虧本競爭，算力價格還能以年減半的節奏下墜？關鍵在於技術效率的進化速度超越了外在成本的膨脹速度。

• 硬體能效比的飛躍：從 NVIDIA Hopper 到 Blackwell，再到各大 CSP 自研晶片（如 Google TPU、AWS Trainium），單位晶片價格與功耗雖然上升，但每瓦電力所產出的浮點運算次數（FLOPS/Watt）呈現數倍躍升。

• 軟體與演算法的「瘦身」：投機解碼（Speculative Decoding）、FP8/FP4 極致量化、蒸餾模型（Distillation）與混合專家模型（MoE）的普及，使得完成相同推理任務所消耗的運算資源，在短短一年內下降了十倍以上。

電價上漲 20% 與資本利息上升 2%，在每年 300% 的運算效率提升面前，對終端定價的推升力道微不足道。

3. 終局思維：誰能活過折舊週期？

AI 基礎設施並非單純的「賣算力」，它本質上是生態系爭奪戰的流量入口：

• 算力作為「帶路雞（Loss Leader）」：CSP 願意承受算力微利甚至虧損，真正圖謀的是客戶資料儲存（Data Storage）、專屬 API、網路傳輸與上層企業應用（PaaS/SaaS）的長期訂閱毛利。

• 規模經濟的防護邊界：唯有具備自研專用晶片（ASIC）、自建超大型電網基礎設施、以及龐大企業客戶基底的兆元級巨頭，才能消化每 3 至 4 年一次的晶片折舊週期。

這不是暫時的非理性促銷，而是資本與技術極限擠壓下的必然演進。當潮水退去，無法在能效演算法與綜合雲端生態系建立防護網的中小型雲端平台，終將重蹈傳統紡織機個案的覆轍，在這場資本重壓與技術狂飆的夾縫中被清出場外。

戴爾財報與AI業務摘要

https://wallstreetcn.com/articles/3780870

該篇華爾街見聞文章主要報導了戴爾（Dell）公布2027財年第二季度財報及電話會議的核心內容，重點摘要如下：

一、 核心財務表現與指引大幅上調

• Q2 業績超預期：

  • 當季營收達 470 億美元（年增 58%），創歷史新高，高於市場預期的 448 億美元。

  • Non-GAAP 每股收益（EPS）為 7.04 美元（年增 203%），遠超市場預期的 4.90 美元。

• 大幅調升全年指引：

  • 全年營收指引上調 250 億美元至 1,920 億美元中值（年增約 70%）。

  • 全年攤薄每股收益上調至 25.50 美元（年增約 150%）。

  • Q3 營收指引中值為 490 億美元（年增約 80%）。

二、 業務亮點：AI 與傳統業務同步爆發

1. AI 基礎設施／伺服器需求白熱化：

   • Q2 基礎設施解決方案集團（ISG）營收年增 89% 至 318 億美元。

   • 單季簽署 609 億美元 AI 伺服器訂單，確認營收 164 億美元。

   • AI 伺服器積壓訂單（Backlog）逼近千億美元，達 950 億美元。

   • 過去 12 個月累計 AI 訂單超過 1,300 億美元，AI 客戶數突破 6,500 家，需求正從大型雲服務商擴散至主權國家及傳統企業。

2. 傳統伺服器與儲存加速更新：

   • 傳統伺服器與網路營收 105 億美元（年增 122%），增速超越 AI 計算業務。

   • 動能來自數據中心現代化、安全合規更新（如後量子密碼學需求），以及 AI 智慧體（Agentic）工作負載對傳統 CPU 算力的大量需求。目前仍有約 120 萬台舊款伺服器待汰換。

   • 儲存業務營收 49 億美元（年增 26%），非結構化存儲與專有存儲需求強勁。

三、 供應鏈遭遇極限瓶頸

戴爾副董事長兼 COO Jeff Clarke 表示供應鏈正「火力全開（working red line all out）」，全力追逐零組件：

• 核心短缺： 最大的限制因素是 DRAM 與 NAND（強調「缺的就是 DRAM、DRAM、DRAM，其次是 NAND」）。

• 其他零組件短缺： 包括特定 CPU、磁碟驅動器（HDD）、先進製程晶片，以及 MOSFET、電源 IC、微控制器等成熟製程元件；ABF 基板、T-glass 及光學元件亦全面緊缺。

四、 長期展望與市場分歧

• 2030 年願景： 戴爾預測隨著推論（Inference）與企業級 Agentic 需求爆發，到 2030 年 AI 將佔數據中心需求的 75%，並額外增加 200 GW 的電力需求，戴爾面臨的市場機會將超過 1 兆美元。

• 市場觀點： 該預期極為激進，市場多頭對此感到振奮，但也引發部分質疑；這與馬斯克等人先前針對「AI 算力過剩、電力與變壓器短缺」的審慎警告形成鮮明對比。

目標設定的 SMART 原則解析

目標設定中經典的 SMART 原則。該原則由管理學學者喬治·多蘭（George T. Doran）提出，旨在將模糊的願望轉化為具體、可執行的工作目標：

• S（Specific，具體明確）：目標必須清晰聚焦，避免空泛。明確回答做什麼、由誰執行、在何處完成。

• M（Measurable，可衡量）：必須具備質化或量化的指標，以便追蹤進度並客觀判斷是否達成。

• A（Achievable / Attainable，可達成）：具備挑戰性但切合實際，在團隊資源與能力範圍內可行，避免好高騖遠。

• R（Relevant，相關性）：目標須與更高層級的組織戰略、業務核心或個人長期發展緊密連結。

• T（Time-bound，明確時限）：設定具體的完成期限與關鍵檢查節點，建立緊迫感與排程依據。

若確實是特定領域中簡化或延伸的 S-A-R-T 框架，則通常將 M 與 A 整合，指：

• S（Specific）：具體明確

• A（Actionable / Achievable）：具行動導向或可行性

• R（Realistic / Relevant）：務實且具相關性

• T（Time-bound）：具時間限制