半導體與 AI 領域的競爭，正走向前所未有的「大者恆大」趨勢。NVIDIA、OpenAI、Oracle 等巨頭間的千億美元交易和結盟，讓外界擔憂新創是否還有機會。然而，在矽谷闖蕩超過三十年的連續創業家、晶片公司安霸（Ambarella）創辦人暨執行長王奉民卻認為：「不，新創公司反而在這一波更有機會。」
從台灣電機系畢業、在美國哥倫比亞大學獲得博士學位後，王奉民在矽谷經歷了兩次「滅頂之災」：一次是網路泡沫與 911 事件後導致的資金鏈斷裂，另一次則是 2018 年美中貿易戰，讓安霸瞬間失去了近 45% 的生意。然而，他不僅沒有放棄，反而將危機化為轉機，帶領安霸成功轉型，從數位視訊晶片公司一躍成為自駕車和機器人領域的 AI 晶片領導者。
安霸的成功故事，是台灣工程師在矽谷發光發熱的典範。他不僅是技術的領航者，更是市場趨勢的精準預測家。
以下 Q 為《數位時代》總編輯王志仁提問，A 為矽谷連續創業家王奉民的回答，他將分享他的連續創業經驗、兩次危機的應對，以及在 AI 浪潮下，晶片公司和新創公司如何抓住「邊緣運算」與「機器人」的下一個巨大機會。
Q1：是什麼機緣讓您從一位優秀工程師，決定創業第一家公司？
A：我在矽谷加入的第二家新創公司叫 C-Cube Microsystems，在我加入的第兩年，公司就成功上市了。慶功宴上，我遇到了他們當時的 CEO，他是一位只比我大兩歲的哈佛博士。我當時心裡就想：如果一位哈佛博士可以出來創業，那一位哥倫比亞大學的博士為什麼不行？就是這種「有為者亦若是」的想法，在那一瞬間觸動了我，決定要出來創立自己的公司。
Q2：創業期間，您經歷了兩次重大危機，這兩次經歷帶給您最深刻的教訓是什麼？
A：第一次創業讓我學到一個非常重要的教訓： 絕對不要因為想節省資金，而沒有籌措到足夠的錢。 當時我為了最大化個人股權，只籌集了剛好夠產品開發到量產的資金。但不幸的是，在產品開發到一半時，遭遇了網路泡沫和 911 事件，市場上的 VC（Venture Capital，中文為創業投資 ）停止了投資，導致公司技術雖好卻因資金不足被迫出售。
有了這個教訓，在第二次創業成立安霸時，我對同仁說得很清楚：「不管這次我們的結果是什麼，絕對不會因為沒有資金而失敗。」因此，我們在頭 18 個月內就完成了 A、B、C 三輪募資，籌集的資金遠超產品開發所需的費用。結果證明這是對的。當 2008 年金融風暴來臨時，我們是市場上少數擁有充足現金的公司。我們不僅維持了營運，還加碼投資、大量吸收人才，成為少數在風暴中逆勢成長的公司。
第二次危機則是 2018 年的美中貿易戰，美國政府列出實體清單，禁止美國企業和清單上的中國公司做生意，我們在極短時間內損失了 45% 的生意，如安霸原本往來的中國客戶，如海康威視、大華和大疆（DJI），分屬安防和無人機領域。這對任何公司都是滅頂之災。
當時面臨兩個選擇：一個是賣掉公司；另一個是重組客戶群，而找全新客戶，絕對需要新的技術。正巧當時我們的 AI 技術已接近完成和量產。因此，是時候破釜沉舟，利用這項技術轉向全新的市場。現在安霸每年有超過 3 億美元營收來自 AI 技術，每年可以出貨 2 千萬單元的 AI 晶片。
我們決定不裁員、不賣公司，反而加碼投資 AI 研發。這場危機反而讓我們的方向更聚焦，並利用 AI 技術成為影像 AI 晶片的領導者。這兩次經歷都印證了我的信念：危機就是轉機，只要你事先有所準備，就能在危機中找到更大的發展機會。
Q3：安霸是如何在 2018 年就預見並提前布局「生成式 AI」所需的核心技術？
A：這其實是看見市場發展方向和技術積累的結果。2017 年，Google 八位科學家聯合發表了關於 Transformer 架構（生成式AI的基礎技術）的論文《Attention Is All You Need》；Tesla 也預言 Transformer 架構的類神經網路將是自動駕駛的未來。
巧合的是，我們當時正在設計第三代 AI 晶片，由於判斷自動駕駛會是未來最大的市場，所以我們在 2018 年就決定將 Transformer-Base 的類神經網路架構整合到我們的晶片設計中。
因此，當 2022 年底 ChatGPT 推出時，我們才發現：我們的晶片架構竟然是天然支援生成式 AI 的！這讓我們在市場上迅速獲得成長。
這再次說明了，技術上的準備至關重要。 如果沒有提前布局，即使機會來了，你也無法抓住。
Q4：您如何預測市場走向，並在技術選擇上做最正確的判斷？
A：這不是我個人的力量，我有一個非常強大的技術團隊。特別是我們的 CTO（Chief Technology Officer，中文為首席技術長） Les Kohn，他在技術吸收上就像海綿一樣，過去 10 年，可能出現了成千上萬篇不同的類神經網路架構論文，必須擁有豐富的技術經驗和累積，才能帶領團隊從中篩選出最有可能成功的架構。而我則是在最後需要做決定的時候再介入。
晶片公司不只要緊跟技術前沿，更要與客戶保持密切對談。但客戶通常只會告訴你明年或後年的產品需求，不會透露三年或四年後的計畫。因此，我們更重要的是從與客戶的對話中，推測和判斷他們的深層想法，並將我們的預測與客戶的走向結合，才能決定下一步的技術投資方向。
尤其半導體晶片從概念發想到量產，週期長達兩年到兩年半，且開發成本遠超過 1 億至 2 億美元之間。晶片做出來後，客戶上市產品還需要花費一年到一年半的時間。因此，我們必須看得夠遠，才能預測客戶三四年後的潛在需求，這也是半導體創業最困難的地方
Q5：如何看待 AI 時代下，晶片公司與系統公司的界線變得越來越模糊的情況？
A：界線模糊化會持續發生，但主要發生在大型系統廠，例如 Apple、Google 和 Meta。他們之所以能做自己的晶片（ASIC，中文為特定應用積體電路），是因為他們有巨大的市場「量」，以及龐大的財力來支撐。此外，當市面上如 NVIDIA 的毛利率高達 80% 時，大型系統廠當然會想自己設計晶片來大幅降低成本，並完全控制底層基礎設施。這在雲端數據中心是合理的。
但在邊緣運算市場，情況就不同了。邊緣運算產品的應用非常多元，效能要求、功能、特性各異。單一系統廠如果量不夠大，又要做多種邊緣產品，自製晶片的成本效益將會非常低。舉例來說，你無法要求所有汽車 OEM 廠（原始設備製造商）都具備像 Tesla 一樣自製晶片的能力。
我認為，未來在雲端運算方面，大型系統廠和晶片廠的界線會越來越模糊，但在邊緣運算這塊，專業晶片公司和系統廠之間仍然有一條必須遵循的界線。
Q6：您預測 AI 的下一個爆發點在「邊緣運算」與「機器人」，您認為未來雲端和地端的市場規模佔比會如何變化？
A：目前 AI 運算市場至少有 90% 以上仍在雲端。但長期來看，這會發生巨大變化。我認為，當市場達到平衡時，雲端和地端的市場份額最終可能是一比一（50/50）。
這個平衡點不會只靠自駕車和無人機就能達到，它需要「機器人」的全面爆發。如果我們將機器人定義為可以完成大部分人類工作的產品（例如煮飯、照顧老人、清潔），我認為這個大規模應用可能還需要 15 到 20 年。
但在這之前，我們的核心方向是發展「可移動的機器人」，例如工業機器人或服務型機器人。一旦機器人要移動，它就必須具備與自駕車類似的感知、定位、避開障礙物和決策能力，這對 AI 晶片和演算法的要求會極高。
從技術發展的里程碑來看，最關鍵的下一步就是：讓大型模型跑在邊緣運算前面。目前的大模型多數在雲端運行，但一個真正能控制機器人的模型，它的輸入是各種感測器（視覺、雷達、音訊），輸出則是對機器的控制指令。這需要把目前雲端的大型模型搬到邊緣晶片上，其對功耗、性能和記憶體的需求，將是晶片設計上巨大的挑戰，這也為晶片和軟體公司提供了無限的發展空間。
Q7：面對巨頭結盟、資金龐大的現狀，新創公司與中小企業還有哪些機會？
A：大公司當然是市場主力，但我從不低估小公司的創造力。事實上，矽谷過去四十年歷史都是如此：許多核心技術的突破都來自小公司，然後被大公司收購。
大公司內部要開發全新的顛覆性技術非常困難，因為有太多政治因素和既得利益的衝突，這會犧牲掉彈性和速度。因此，你將會看到大量的收購案發生，這對新創公司絕對是好事。
新創公司可以專注於解決特定問題的最佳方案，不一定需要提供完整的整體解決方案。只要有能力在技術上做出差異化、掌握關鍵技術，並且能快速應變，即便是相對規模較小的公司，也絕對有能力與巨頭競爭。事實上，新創公司的規模和激勵機制，反而更容易吸引那些渴望發揮空間和創業精神的頂尖人才。
Q8：您對台灣有志於全球市場的年輕創業者，有什麼核心建議？
A：唯一的建議就是：Think Big（把格局放大）。
你必須將你的思維拉到國際層級，去聆聽全球正在發生的技術與市場變化。不要只做區域性或有限的產品，而是要從 Day One 就以「全球化產品」的角度去思考。
全球市場已經沒有界線了，你所做的任何產品，最終都將與全球化的產品競爭。把你想做的事情擴大到一個程度，讓你知道自己能做到什麼，然後持續鞭策自己去跟國際頂尖隊伍競爭。
台灣年輕人有能力做到，但如果你沒有走出去，你的視野就會被限制。矽谷提供的是一個「星辰大海」的視野，讓你看見所有的可能性。這不是誰比誰厲害，而是你接觸的人、事、物，帶給你完全不同的格局和認知。
（延伸閱讀｜EP261. AI巨頭互相投資採購，近親繁殖下反而是新創機會？ ft. 矽谷連續創業家王奉民）
（本文初稿為 AI 編撰）
