每週讓我們用故事，來認識理解科技人物，聊一家科技公司、一間新創、或一個值得認識的人，看他們怎麼想、怎麼做、怎麼走到今天。 每週三中午更新。 商業合作來信：[email protected] 更多內容：https://www.vktechread.com/ Powered by Firstory Hosting
馬斯克提出的「演算法」五步驟——質疑需求、刪除冗餘、簡化優化、加速週期、自動化——是組織規模化與提升效率的核心邏輯。前特斯拉總裁 Jon McNeill 在《演算法》一書中，透過第一線實戰案例揭示這套方法的執行細節。關鍵在於先透過盤點流程找出「限制因素」，並在自動化前確保流程已簡化至極致，避免過早自動化導致的災難。此外，成功導入此演算法需具備三大文化要素：將產品定義擴展至完整的顧客體驗、高層每週親自介入解決關鍵瓶頸，以及落實「自用產品」的體驗機制。這些原則不僅適用於製造業，亦能有效應用於服務業與新創管理，透過持續刪減非必要步驟，將資源集中於創造價值的環節。
追求熱愛工作的職涯路徑，核心在於將好奇心轉化為具體的行動原則。Bill Gurley 在《Running Down a Dream》中指出，成功的職涯並非偶然，而是透過「追隨好奇心」、「前往行動中心」與「相信過程」等策略累積而成。Danny Meyer 從餐飲熱情中開創 Shake Shack、Tony Fadell 透過主動出擊進入矽谷核心，以及 Sam Hinkie 運用數據思維重建球隊，皆證明了長期規劃與風險控制的重要性。透過「ABZ 計畫」——即在維持現有職位（A）的同時，小規模測試新方向（B）並準備救生艇（Z）——個人能有效降低轉職風險。將過程與結果拆解，專注於正確的決策邏輯而非短期成敗，是實現職涯突破的關鍵，能讓個人在不...
AI 算力需求正從單純的訓練轉向推論應用，並呈現高度集中化趨勢，99% 的算力由大型雲端巨頭與模型商掌握。NVIDIA Cloud Partner (NCP) 角色日益關鍵，透過直接掌握終端客戶需求，優化硬體部署與軟體整合，縮短硬體與實際應用間的落差。企業導入 AI 的重心已轉向將 AI 嵌入既有的 ERP 與業務流程中，透過自動化代理（Agent）解決特定領域問題，而非盲目追求通用模型。基因檢測與數位孿生等高價值場景，展示了 AI 在特定產業脈絡下的實質影響力。新創公司應避免重複開發通用模型，轉而深入理解產業脈絡，利用低成本開發優勢，針對特定痛點提供解決方案，這才是 AI 時代具備長期競爭力的關鍵。
AI 工廠的建設是支撐人工智慧發展的核心，其架構可歸納為電力、晶片、基礎設施、模型與應用五層。電力與土地供應為 AI 工廠的基礎，全球正因電力短缺與地質限制面臨挑戰，需透過模組化設計與液冷技術提升運作效率。台灣供應鏈在晶片與基礎設施層面扮演關鍵角色，從機櫃組裝、精密線路鋪設到散熱系統，展現出世界級的品質與整合能力。隨著 AI 應用從模型訓練轉向大規模推論，算力需求持續攀升，企業需在成本控管與效能間取得平衡。台灣在硬體製造與基礎建設的深厚底蘊，已成為全球 AI 產業不可或缺的支柱，支撐著算力狂潮下的現實世界運作。
皮克斯的成功源於對《創意電力公司》心法的實踐，將品質視為商業計畫的前提。創意初期皆為脆弱的「醜陋嬰兒」，需透過持續迭代與「智囊團」的同儕審查，將權力與意見分離，確保真話能被聽見。保護新生點子不等於隔離，應在餵養與檢視中使其成熟。透過《玩具總動員》與《腦筋急轉彎》等案例，揭示創意管理需在目標與意圖間取得平衡，並強調信任是恐懼的解藥。唯有將過去視為導師而非主人，堅持「輕握目標、緊握意圖」的價值觀，才能在不斷變動的環境中，持續產出具備魔法與深度的經典作品。
輝達（NVIDIA）透過長達十七年的佈局，成功將 GPU 從單一顯卡轉型為資料中心等級的運算基礎設施，並在 ChatGPT 引爆 AI 浪潮時精準接住市場需求。黃仁勳採取「創造市場」而非瓜分市場的策略，透過持續投入 CUDA 生態系、收購 Mellanox 強化傳輸標準，以及將資料中心定義為新的計算單位，建立起難以撼動的競爭壁壘。這種「永遠保持 1993 年創業心態」的恐懼驅動力，促使輝達在加密貨幣宿醉與地緣政治限制中，仍能堅持技術願景。此外，提升個人生產力的關鍵在於運用時間區塊法與認知間歇訓練，透過深度專注來掌控人生，將有限的時間投入在真正具備長期價值的科學問題解決上，而非陷入瑣碎的競爭雜訊。
NVIDIA 在 2006 年至 2014 年間，透過開發 CUDA 軟體層，將 GPU 從單純的遊戲顯卡轉型為通用平行運算平台。黃仁勳堅持投入當時被視為「零億美元市場」的科學運算領域，即使面臨硬體焊接瑕疵導致的股價暴跌、激進投資人逼宮及核心技術人員逝世等重重危機，仍透過「光速排程法」優化供應鏈並守住本業。直至 2012 年深度學習技術崛起，NVIDIA 憑藉 CUDA 的先發優勢，迅速將資源全面轉向 AI 領域，成功將科學運算的實驗性嘗試轉化為全球 AI 基礎設施的壟斷地位。這段歷史揭示了黃仁勳並非單純的賭徒，而是透過內部模擬與長期執行，在市場浪潮來臨前便已完成佈局。
決策科學與 AI 的深度協作核心在於建立底層思考習慣，而非單純依賴工具。密涅瓦大學強調的「問對問題」思維，要求將問題拆解為目標、障礙與限制，透過區分可變動的障礙與不可動的限制，能有效提升解決問題的精準度。AI 應被視為個人的「思考延伸」，使用者需透過明確的需求定義、最佳案例參考及持續的後設反思，將 AI 訓練為能自我優化的專屬助手。將複雜經驗轉化為「技能包」的優化路徑，能讓個人在 AI 時代彌平知識差距，將與 AI 的互動過程轉化為強化學習的實戰演練，從而提升判斷力並重塑工作模式。
黃仁勳的成功核心在於將「痛苦與磨難」視為塑造韌性的關鍵，這種特質源自他十歲時在肯塔基州寄宿學校的艱困經歷，使其在面對極端壓力時能保持冷靜。輝達的企業文化始終維持「隨時可能倒閉」的 1993 年危機感，這種恐懼驅動了公司在關鍵時刻的決策，如放棄 NV1 的失敗架構、孤注一擲開發 NV3，以及透過親筆信與張忠謀建立台積電的長期合作。黃仁勳將恐懼轉化為求生燃料，並在登頂後仍維持自我批判，這種將絕境視為靈感來源的思維，不僅是輝達突破技術瓶頸的動力，也定義了他作為創業家的獨特品格。
Elon Musk 的建造哲學核心在於物理學家的第一性原理，透過將問題拆解至最根本的物理定律，而非依賴類比思考。在 SpaceX 與 Tesla 的發展歷程中，他將「工廠本身」視為產品，強調製造端的創新空間遠大於產品設計。他提出的五步演算法——質疑需求、刪除零件、簡化優化、加速與自動化——嚴格遵循順序，避免在錯誤的流程上進行自動化。面對「量產地獄」，他主張執行長必須深入前線，以身作則與團隊共同承擔壓力。他將時間視為唯一不可替代的貨幣，透過極致的急迫感與平行處理流程，推動 SpaceX 從瀕臨破產到成為史上最大 IPO，展現了將複雜工程轉化為可執行策略的強大執行力。
伊隆·馬斯克的決策邏輯植根於「第一性原理」與對實用性的極致追求。透過解析《馬斯克之書》，探討其如何將解決重大問題置於財務報酬之上，並運用「白癡指數」——即成品價格與原料成本之比——來識別製造過程中的低效環節。馬斯克在面對極低成功率的挑戰時，預設失敗為常態，卻仍將全數資產投入 SpaceX 與 Tesla 等事業。此外，他強調放下長期怨恨的必要性，這種心態不僅展現於他對待昔日政變對手的態度，更在 2008 年公司瀕臨破產時，意外促成關鍵資金挹注，成為企業存續的轉捩點。這種方法論的核心在於粉碎自我，以確保與現實世界保持精準的回饋迴路。
Shield AI 致力於開發「Hivemind」人工智慧飛行員，為無人機與戰鬥機提供自主導航與決策能力，解決現代戰場中 GPS 與通訊受干擾的關鍵痛點。公司總裁 Brandon Tseng 強調，透過 V-BAT 偵察無人機與 X-BAT 無人戰鬥機，能以遠低於傳統軍事裝備的成本，實現高效的情報蒐集與戰術打擊。Shield AI 目前積極與台灣產業合作，協助建立自主 AI 飛行技術與供應鏈，旨在透過分散式、長程且具備抗干擾能力的無人系統，提升台灣國防韌性並發揮嚇阻衝突的作用。此技術架構不僅能適應高強度的電子戰環境，更透過軟硬體解耦的策略，推動軍事採購模式的轉型，確保戰場上的即時應變與生存力。
Demis Hassabis 的智識歷程與 DeepMind 的發展，體現了科學突破與商業應用之間的關鍵連結。Hassabis 成功將其早年開發電子遊戲的經驗應用於科學團隊管理，透過嚴謹的專案導向與頂層決策，避免了像貝爾實驗室或全錄帕羅奧多研究中心（Xerox PARC）那樣「空有科學實力卻無法產出產品」的困境。AlphaFold 的成功源於 Hassabis 在關鍵時刻調整領導層，由 John Jumper 接手，將直覺與實證科學完美結合。此外，DeepMind 從最初禁止軍事用途到如今面對 AI 軍事競賽的轉變，反映了技術在科學探索與地緣政治權力之間的複雜拉扯。Sebastian Mallaby 透過深入訪談，揭示了這位科學家在...
Project Maven 透過人工智慧將美軍的「殺傷鏈」從數小時壓縮至幾分鐘，大幅提升目標識別效率。此計畫由 Drew Cukor 推動，將電腦視覺應用於無人機影像，使每日打擊目標數量顯著成長。然而，AI 介入戰場引發嚴重倫理爭議，包括誤判平民導致傷亡，以及人類在決策迴路中淪為「監督者」的結構性風險。儘管 Maven 系統展現穿透戰爭迷霧的潛力，但其帶來的速度與規模效應，也讓戰爭決策面臨前所未有的道德挑戰，迫使軍方重新審視 AI 在軍事行動中作為輔助工具與決策主體的界線。
Demis Hassabis 的 AI 發展歷程體現了科學家在權力場中的掙扎與覺醒。從 AlphaGo 與 AlphaFold 的科學突破，到面對 OpenAI 競爭時被迫轉入「戰時狀態」，Hassabis 的角色從純粹的科學探索者轉變為調度千億美元事業體的指揮官。這場轉變揭示了科技發展的現實：在全球軍備競賽壓力下，早年堅持的倫理紅線與軍事禁令逐漸模糊。Hassabis 試圖改寫歷史，證明科學家能同時兼顧諾貝爾獎級的學術成就與商業成功，但這種嘗試讓他必須在理想主義與現實妥協間做出抉擇，反映出當代 AI 領袖在技術變革與生存競爭中的兩難。
Demis Hassabis 將開發通用人工智慧（AGI）視為理解宇宙奧秘的靈性追求，這種純粹的科學信仰驅動他從西洋棋神童轉向神經科學與 AI 研究。DeepMind 的早期募資歷程揭示了科學願景與矽谷資本邏輯的深刻衝突：儘管 Peter Thiel 等投資人因其反共識策略而挹注資金，但他們對 AGI 的商業前景與技術可行性抱持懷疑，僅將其視為分散風險的賭注。Hassabis 這種極致的專注既是他突破技術瓶頸的關鍵力量，也成為他在商業談判與權力博弈中的盲點，導致他長期誤判投資人的真實動機。這段歷程不僅是 DeepMind 的創業史，更深刻反映了科學家在面對資本市場時，如何因理想主義與現實利益的落差而經歷認知重塑。
Follow this podcast in Podwise
Sign in to get AI summaries, transcripts and mind maps for any episode, including new ones.
