AI正在加快新創公司的成長速度。過去一家新創成長為估值10億美元的獨角獸，通常需要約7年；根據一份針對AI原生新創業者的研究，在理想成長條件下，部分AI原生新創達到相同估值所需的時間，可能縮短至3.5年。
AWS在2026年6月發布的全球新創趨勢報告，調查20個國家的3,413名新創創辦人及高階主管。報告指出，AI原生新創的平均年營收成長率達156%，高於整體新創的65%；其中55%的AI原生新創，每名員工可創造超過40萬美元營收，顯示這類公司可能用約過去一半的人力，支撐相近規模的業務產出。
報告進一步估算，若一家年營收100萬美元的企業維持156%的成長率，約3.5年後營收可超過2,700萬美元；若再以當前部分領先AI新創約37.5倍的營收估值倍數計算，理想情況下，這家公司可能在約3.5年後達到10億美元估值。
不過，這不是對同一批企業進行3.5年的實際追蹤，而是結合營收成長率、既有新創獨角獸經驗與市場估值所做的模型推算，因此不代表每一家AI原生新創都有必然的結果，然而卻也反映出雲端基礎設施結合AI模型與開發工具，正在縮短高成長科技公司從產品開發走向規模化的過程。
不只是使用AI，而是圍繞AI重新設計公司
這份報告將AI原生新創定義為成立未滿5年、以AI為核心設計產品，採用進階AI，並準備進一步使用代理式AI、邊緣AI、Physical AI與機器人等技術的公司。它們與一般「採用AI」企業的差別，不在於有沒有使用AI，而是公司是否從一開始就圍繞AI運作。
傳統企業多半把AI工具加入既有客服、行銷或行政流程，組織與產品本身未必改變；AI原生新創則沒有既有系統與部門分工的包袱，可以重新決定哪些工作由人完成、哪些交給AI，以及產品如何持續從資料中學習。
調查顯示，72%的AI原生新創已建立自有模型或其他專屬AI能力，高於整體新創的30%；68%擁有完整的AI策略，98%聘有專職AI人才，另有62%把AI用於協助企業決策，而不只是讓員工使用現成工具。
AI原生新創也因為高度擁抱AI而保有小型組織的速度優勢。溝通路徑短、審核層級少，使團隊可以較快決定是否採用代理式AI、邊緣AI等仍在快速變動的技術。報告指出，95%的AI原生新創認為AI加快了創新速度，高於全球各類AI採用企業的76%；在這些感受到創新加速的新創中，89%表示生產力已經提高。
相較之下，只有約五分之一的大型企業曾為了充分運用AI，重新設計部分工作流程。這不代表大型企業缺乏人才或資源，而是既有客戶、資訊系統、法規責任及組織分工，都使全面改變的代價更高。企業原本賴以維持規模與穩定營運的資產，也可能使其面對新技術時較難迅速轉向，形成報告所稱的現代版「創新者的兩難」。
雲端降低產品起步成本，卻讓擴張問題更早出現
AI原生新創能夠以小搏大的另一項條件，是雲端服務、GPU算力、基礎模型、資料服務與開發工具愈來愈容易取得。過去需要數十名工程師、長期資金及跨國基礎設施才能完成的工作，如今小型團隊便可能在數週內組合出第一個產品版本。
但快速成長並沒有消除創業原有的挑戰。調查中，75%的AI原生新創把取得資金列為最大限制，56%面臨AI人才不足，另有49%認為法規複雜度限制AI採用。AI與雲端降低了做出產品的門檻，卻也可能讓一家公司更早面對募資、跨國人才、資料治理與產業法規等擴張問題。
這也是AWS關注這批公司的原因。AI原生新創可以用較少人力快速推出產品，但模型訓練、資料處理與客戶使用量仍會持續增加。當其中少數公司高速成長，雲端用量也可能隨之放大；AWS若能在產品尚未定型時進入，就有機會成為這些未來企業長期採用的基礎設施。
AWS的新創計畫，不只提供技術資源
如果AI原生新創的成長週期真的可能從7年縮短至3.5年，支援新創的方式與速度也必須跟著調整。AWS亞太暨日本新創事業負責人Tiffany Bloomquist表示：「沒有一家新創公司是完全靠自己成長起來的。」AWS的新創策略已從提供技術資源，延伸到創投、企業客戶與全球市場的連結。AWS團隊會透過創投機構，在部分公司正式募資前開始接觸；產品開發初期提供AWS Activate額度與解決方案架構師諮詢，協助設計架構及控制成本；產品成形後，再協助尋找設計夥伴及第一批企業客戶。
對新創而言，第一批企業客戶不只有營收價值，也會提供真實使用情境，讓團隊看見模型與產品在哪些地方需要改進。當產品準備出海，AWS則可透過既有企業關係、AWS Summit、共同銷售及AWS Marketplace，降低新創在不同市場重新建立品牌、通路與採購關係的成本。
這套策略在協助小團隊放大影響力的同時，也有AWS自己的商業邏輯。愈早參與新創的技術架構與市場發展，AWS愈有機會成為其長期使用的雲端平臺；新創產品進入Marketplace後，也能擴充AWS提供給企業客戶的解決方案生態系。
韓國AI原生新創，開始從本國市場走向海外
Bloomquist指出，韓國的AI原生新創已呈現較快成長與國際化的跡象。她援引韓國的調查資料顯示，當地AI原生新創年營收成長率達116%，高於韓國整體新創的64%；另有30%的韓國受調查新創已從海外市場取得營收。
過去，新創公司往往從本國市場起步，累積一定規模後才考慮出海；如今，軟體可以透過雲端交付，AI開發工具也讓規模不大的團隊更快做出產品，企業成立初期便可能面對海外客戶。
Bloomquist表示，韓國逐漸形成的AI新創生態還有另一項特色：當地公司不只開發一般軟體服務，也把AI帶進半導體、汽車、製造及其他產業。FuriosaAI與Rebellions投入AI晶片，FriendliAI與Vessl AI處理模型部署及運算最佳化，Upstage、Scatter Lab等公司發展自有模型與AI服務，Stradvision則把AI視覺帶入汽車與先進駕駛輔助系統。
韓國既有的半導體、電子、汽車與製造業基礎，使當地新創有機會從產業問題出發，不只是複製通用AI服務，也開始尋找AI從數位世界走向實體環境的Physical AI新機會。
走向Physical AI後，模型不再是唯一護城河
雖然Physical AI仍處於早期發展階段，但Bloomquist指出，最近幾年已開始出現轉折。過去，機器人模型缺少足夠的真實世界資料，合成資料的生成速度也不足；隨著資料、模擬與AI運算能力逐漸成熟，市場關注開始從能展示後空翻的機器人，轉向可以補貨、支援商店營運、進入製造現場，或代替人類執行危險工作的系統。
不過，如果說生成式AI與雲端服務降低了軟體新創的成立門檻，Physical AI面對的問題則更為複雜。當AI從螢幕裡的文字、影像與企業流程，走向汽車、機器人及工廠設備，產品不只要完成模型訓練，還必須處理感應器、邊緣運算、真實世界資料、安全驗證及法規要求。
這也意味著，AWS報告描繪的快速成長模式，未必能原封不動地複製到Physical AI。軟體產品可以透過網路快速更新，但一套要控制汽車或機器人的AI系統，可能需要更長的測試時間、更高的初期資本，以及與晶片商、設備製造商和產業客戶共同開發。AI可以加快部分研發工作，卻不一定能同比例縮短量產驗證及建立客戶信任所需的時間。
Stradvision的發展正好提供一個對照。這家公司成立於2014年，不只訓練車用影像辨識模型，還花費多年建立能持續改善模型的資料處理流程，並累積道路資料、跨晶片部署、模擬與車規驗證能力。AWS的雲端算力可以縮短部分模型訓練及驗證時間，卻不能取代車用軟體進入量產前必須完成的工程工作。Physical AI新創的競爭力，仍會來自AI開發速度與產業經驗的結合，而不是單靠模型或算力。
從產業條件來看，Bloomquist指出，亞太地區確實具有發展Physical AI的基礎。日本擁有汽車與機器人產業，韓國在半導體、汽車及製造業具備優勢，臺灣則有半導體與龐大電子製造供應鏈。然而，這些產業基礎只是起點，能否進一步轉化為具有全球競爭力的Physical AI新創，仍取決於技術、資料、資金與產業合作能否銜接。
AI可以縮短從想法到第一個產品版本的時間，但當產品進入汽車、機器人與製造現場，真正的競爭已不只是誰能更快訓練出模型。新創還必須建立持續蒐集、生成、訓練與驗證資料的資料飛輪循環，把模型移植到不同晶片和設備，通過安全與法規要求，並取得產業客戶的信任。
AWS全球新創研究報告所呈現的AI原生新創，是一種新的公司建造方式。小型團隊可以利用AI與雲端基礎設施，加快產品開發和市場擴張；但下一步走向Physical AI後，模型只是其中一項能力。能否把產業資料、AI工程、硬體整合、驗證流程與客戶關係組合成難以複製的系統，將共同影響AI原生新創能否把純軟體領域的成長速度帶進實體世界。
Comments (0)