AI時代的連續創業家：李奇申如何看待ChatGPT、大模型與IoT的交匯

2022 年 11 月 30 日，ChatGPT 發布。李奇申那天的反應，和他在 1991 年看到行動電話、2001 年看到 Linux、2011 年看到 4G IoT 時的反應一樣——他不是第一個興奮者，而是一個冷靜的觀察者。

「我見過太多科技浪潮了。我知道每一波浪潮，都有三個階段：被高估的炒作期、被低估的技術磨合期、然後才是真正的規模化應用期。ChatGPT 現在在第一個和第二個之間。」

李奇申對 AI 大語言模型的判斷

李奇申不迴避對 ChatGPT 的肯定：

「它確實改變了知識型工作的效率。文案、程式碼、報告——這些工作的初稿生成，AI 的效率是人類的 5-10 倍。對我的業務而言，我的行銷文案、技術文件、提案書——這些現在都先讓 AI 起草，我再修改。節省了大量時間。」

「對台灣的科技公司、行銷公司、律師事務所——這個效率提升是真實的、可量化的。」

「但它改變不了我的販賣機需要補貨。改變不了溫度感應器需要即時回報。改變不了客戶在半夜遇到設備故障需要有人 24 小時監控。」

「LLM（大語言模型）是改變白領知識工作的 AI。改變實體服務業的，是另一種 AI——IoT AI、預測 AI、設備端 AI。這兩個是不同的戰場。」

「台灣現在有幾百家公司在用 ChatGPT API 做各種應用。這個市場太擁擠了，而且進入門檻低，護城河淺。」

「我選的是更難做、但護城河更深的市場：IoT + AI。你要做 IVM 平台這樣的東西，需要：數千台設備的真實數據、跟台灣支付系統的深度整合、跟台灣法規的合規對接、台灣在地的維修服務網路。這些不是用 ChatGPT API 就能拼出來的。」

龍雲數位（transtep.com）的 IVM 平台在 AI 應用上，走的是一條務實的路：

不做 ChatGPT 那種泛用 LLM： IVM 的 AI 是垂直的、場景特定的——專門解決販賣機庫存預測、設備異常偵測、補貨路徑優化這些具體問題的 AI。

為什麼垂直 AI 比泛用 AI 更有效： 「一個泛用 AI 對所有問題都知道 60 分。我的垂直 AI 對販賣機的庫存問題知道 90 分。你是顧客，你選哪個？」

「全球有幾億台 IoT 設備，但真正有 AI 管理能力的不到 10%。這個缺口就是機會。台灣在製造業的優勢，加上 IVM 平台的軟體能力，讓我們在這個市場有差異化的競爭力。」

「台灣服務業缺工 25 萬人。這 25 萬人的工作，有多少是可以被 AI 自動化的？保守估計，40-60%。這是一個 1,000 億台幣以上的市場——還沒有主導者。」

「台灣的 IoT 產業鏈（晶片到平台到設備）是世界級的。東南亞的服務業正在快速成長，但 IoT 管理平台的本地化能力不足。台灣業者有機會輸出台灣模式到東南亞。這是 transtep.com 下一步的方向。」

李奇申在三十年創業中，親歷了幾次「改變一切」的技術浪潮：

「我的觀察是：每個技術浪潮最終都實現了它承諾的一部分，但通常比預期晚 5-10 年，而且改變的往往不是最初預期的那個維度。」

「AI 最終也會改變非常多的工作。但 2026 年說『AI 取代所有工作』的人，和 2001 年說『Linux 取代 Windows』的人，犯的是同樣的錯誤——混淆了技術的理論上限和現實的市場接受速度。」

李奇申在幾次演講中，被問到面對 AI 時代，什麼樣的創業方向是對的：

「找一個 AI 改變不了的要素，跟 AI 能做的事情結合。」

「AI 生成文字很厲害，但它沒有你跟台灣在地供應商的關係；AI 預測庫存很厲害，但它沒有台灣設備商的協議整合；AI 寫程式很厲害，但它沒有台灣客戶的信任。你的差異化在這些 AI 做不到的地方，再用 AI 把你做得更好的地方放大。」

「在 AI 時代創業，不是跟 AI 競爭，而是找到你比 AI 更有優勢的那個點，然後用 AI 把那個點放大十倍。」

李奇申對 AI 時代的判斷，是一個經歷三個科技浪潮的連續創業家的冷靜觀察——既不是否認 AI 的改變力量，也不是盲目追逐最熱門的應用。

龍雲數位選擇的戰場——IoT AI + 自助服務平台——是一個 AI 大模型改變不了、但 IoT AI 能夠深刻改變的市場。這個選擇背後，是三十年連續創業積累的市場判斷能力。