【新興領域：10月焦點2】揭開AI投資的海市蜃樓_10分鐘掌握台灣AI新創生態圖譜

一、調查背景與方法

新創企業的技術、產品、營運狀態，本就屬於高度變動性的資料，在AI這類新興領域的變化更加快速。目前台灣雖然有許多新創生態的定期調查，能為我們帶來宏觀的樣貌，但較長的調查周期放在AI領域，資料時效性的問題就開始浮現了。

IDEAS Lab為兼顧資料的全面性與即時性，採用半自動的方式，整合許多不同的公開資料來源，持續擷取資料並提供接近即時性的分析產出。IDEAS Lab掃描的資料來源涵蓋公司登記、政府新創補助/獎助計畫公告平台、新創加速器平台、創新創業競賽平台、新創人力招募平台、新創相關媒體等超過20種，建立完整的新創企業動態盤點架構。

在數據處理上，參考CB Insights、機器之心、IT桔子等多種主要新創與科技公司資料庫，制定AI公司的分類架構、定義與詞典，針對擷取到的資料自動完成初步過濾與分類，再透過研究人員查核，搭配實地訪談與其他第三方參考資訊，完成資料庫的載入。

在資料分析上，提供即時性的新創技術類型、應用領域、商業模式、資本額分布等結構分析，以及設立時間、資本額、募資金額等時序變化的趨勢分析。

二、台灣整體AI新創分布總覽

此次發布的台灣AI新創盤點研究，掃描對象為2010年後成立的新創企業，從超過3,000筆新創企業的原始資料中，過濾出有投入AI技術發展、提供相關產品或應用服務的業者共218家(資料截至2020年9月為止)。

IDEAS Lab參酌前述主流科技資料庫與媒體分類，整合較大範圍的應用領域，包含行銷/銷售/客戶管理、企業AI、製造、金融/保險、機器人/智能裝置、醫療/健康、虛擬實境、智慧城市/交通/農業等，並區分每個領域內投入業者所使用的技術類型，例如機器學習、機器視覺、自然語言處理等主流技術，建立整體AI新創生態的概觀如下圖所示。

圖2-1  台灣AI新創地圖

以新創企業投入的AI應用領域分布來看，行銷/銷售/客戶管理領域的投入業者最多，占16.51%，其次為醫療健康領域，占16.06%，第三則是製造領域，占9.17%。相對較少的應用領域，則包括VR/AR、自動駕駛科技、資通訊網絡、新聞/媒體等。行銷類型的AI應用投入家數多，可能出於應用需求較廣泛，為眾多產業的主要營運活動，且變現周期較短、前期投資相對較低等因素。至於醫療健康領域，則可能與台灣相對健全的醫療體系與數據獲取管道有關，使得在此一領域的創業主題較具競爭優勢。製造業則是對於AI技術導入需求較高、態度相對積極的產業，台灣堅實的製造基礎，也創造了一批具有豐富製程經驗的創業團隊。

圖2-2  台灣AI新創投入領域分布

從新創公司持有或運用的技術類型來看，機器學習為最大宗，24.77%的業者有使用到相關技術，其次為機器視覺 (含視覺影像辨識) ，占21.36%，第三為自然語言處理，占17.89%。定位、知識圖譜、模式預測、平台/框架等技術類型則相對偏少。除了作為大部分AI基礎的機器學習技術之外，機器視覺、自然語言處理成為最主流的技術類型的原因，主要還是由於這涵蓋了大部分人類互動的模式，也是各種智慧系統/平台取得資訊的必要處理過程。

圖2-3  台灣AI新創主要技術分布

從AI領域新創企業成立的時間來看，從2016年AI浪潮再起後，2017年AI創業達到高峰，44家新創在這一年成立，此後開始逐年下降，漸趨回歸供需狀態及生態本質的正常樣貌。結合應用領域來看，行銷/銷售/客戶管理、醫療健康、製造等需求相對明確的領域，持續有新創業者加入市場。

圖2-4  台灣AI新創成立時間分布

至於AI新創的商業模式，可歸納5大主要類型，包含解決方案整合、軟體服務、平台服務、硬體終端、晶片模組等，其中偏向專案服務形式的解決方案整合、軟體服務相對占比高，達到64.67%，而平台服務、硬體終端、晶片模組等偏向產品導向商模的占比相對少得多，顯見目前AI新創業者提供服務的形式，仍屬於高度客製化、專案形式居多，能形成標準化產品或服務的比例仍低。

圖2-5  台灣AI新創商業模式分布

從新創所在地區來看，呈現極端不均的地理分布，全部分布在6都及新竹縣市，且高度集中於雙北，僅台北市就占了74.31%，突顯了像AI這樣的新興技術領域，人才、潛在商機、國際交通在聚落發展上的重要性。

圖2-6  台灣AI新創地理位置分布

至於新創規模的分布上，能從公開資訊中掌握到的資本額數據，約略呈現M型化的分布，100萬～500萬最多，其次為1000萬~5000萬，顯示AI領域的新創分布，雖然仍以早期階段的公司居多，但具有一定的資本門檻，能夠存續的新創普遍有不低的資金規模。另外值得注意的是資本額超過1億的業者也有相當數量，也反映了像AI這樣的熱門領域，頂尖新創有較佳的資本吸引力。

圖2-7  台灣AI新創資本額分布

三、資本變化趨勢與募資實況

除了掌握AI新創總體樣貌，IDEAS Lab也針對新創的資本規模變化及募資動態進行追蹤，以掌握發展風向。觀察近兩年的資本額變化情況，2019年有44家增資，2家減資，增資前5名的公司中，就有4家屬於智能硬體相關業者，並且與5名之後的其他公司有明顯的級距差異。

然而到了今年，截至9月為止已有55家增資，增長家數已大幅超越去年，另外則是領域分部出現明顯變化，增資前5名的公司有2家醫療健康、2家行銷銷售、1家法律科技，若看前10名的話，甚至有多達7家屬於醫療健康領域，風向與去年完全不同。看好COVID-19疫情帶來的新機會、以及我國醫療健康領域新創布局有成，都是可能這一領域新創紛紛擴大規模的因素。

圖2-8  近兩年減資狀況

進一步分析近兩年增資企業的領域分布，除了醫療健康類的增資家數後來居上，超越硬體類成為第一外，行銷/銷售/客戶管理、製造兩大主流應用也緊追在後，都有相當數量的業者有資本規模的增長。

圖2-9  近兩年減資企業之領域分布

除了作為落後指標的資本額變化之外，更具直接參考意義的就是實際募資的動態。在本研究目前掃描的218家新創企業中，有公開的募資成功紀錄者共58間公司，占26.6%。進一步區分累積募資金額的級距，募資達1000~5000萬的新創最多，但值得注意的是超過10億的新創也達到6家之多，再次顯示AI領域的吸金能力。

圖2-10  募資金額分布

從領域分布來看，累計獲得投資金額前3名的領域為「行銷相關領域」、「機器人」、「支援AI應用的硬體」，但考慮到各領域新創家數存在落差，若以每家新創平均的金額來看，前3名則分別為「支援AI應用的硬體」、「機器人」、「商業」等領域的新創。

圖2-11  各領域新創累計及平均募資金額

前述這些領域在募資表現上特別突出的原因，一部分跟應用成熟度有關，發展越久、分工越細緻明確，能獲得投資的新創家數也會相對較多，例如行銷/銷售/客戶管理有10家獲投、醫療健康9家 、金融科技與保險5家，而且涵蓋的募資階段較為全面，從種子輪到A輪以後都有。另一個原因，則是該領域中有特定話題性的新創，獲得大額投資，拉高了整個領域受到關注的程度，例如機器人類的竹間智能、支援AI應用硬體類的耐能、以及在行銷領域一直引領話題的沛星、愛卡拉等公司。另外還可以觀察到，募資累計金額排名前5名的公司，全部都具備境外架構，再次突顯了公司是否一開始就有國際市場的規劃，對於募資規模的影響力。

圖2-12  各應用領域募資成功新創列表

四、AI新創成功模式

藉由前述各項觀測，能掌握到的是即時性、整體性的新創生態樣貌，以及各種應用類型的熱門程度與募資能力，但除了掌握宏觀的方向之外，如何理解這當中成功的新創團隊，是如何脫穎而出的?有沒有共通的成功模式，可作為篩選其他潛力新創團隊的基礎?本研究參考Toward Data Science對於AI價值鏈研究所歸納出的最佳實務模式，摘出台灣AI新創生態較適用的模式，包含「AI晶片與硬體」、「運算平台與基礎設施」、「框架/演算法」、「通用型企業解決方案」、「特定產業解決方案」等5種，並分別說明其意涵與成功關鍵因素如下表。

表2-1  AI新創成功模式

本研究先透過前述資料庫的量化數據篩選，並結合實地訪談與個案研究資料，在每種模式中選出較具代表性的指標新創企業，分別摘要介紹其價值訴求、技術特色、商業模式如下：

1.AI晶片與硬體-耐能智慧

創立於2015年，已獲得高通、紅杉資本、ICONIQ Capital、維港投資、阿里巴巴、中華開發、奇景光電等知名機構的投資超過21億，2020年入選CB Insight AI 100，主要價值訴求為加速各類終端AI應用，把 AI 運算的場域從雲端轉移至終端設備，透過獨家的「可重構人工神經網絡RANN 」技術，創造高效能、低功耗的AI 晶片(第一代晶片KL520體積約40nm，算力350TOPS，平均功耗300-500mW)，靈活滿足不同應用需求並適應各種運算體系架構，能達到即時辨識與判斷。主要客戶包括ARM、高通、Acer（雲端aiSage邊緣運算設備）、研揚（工業電腦）、奇景光電、鈺創科技、百度、搜狗、格力等，預估年營收超過9,000萬。

2.運算平台與基礎設施-工合有限公司

創立於2018年，2019年入選 Meet Neo Star 30強，是台灣較少見的AI基礎平台服務業者，主要價值訴求為解決企業級AI部署不易、技術門檻高、管控及維護複雜的問題，最大的特色是利用Kubernetes容器技術，使用Jupyter平台可一鍵部署，快速建立與管理多種AI執行環境，支援TensorFlow、PyTorch、Caffe等主流深度學習框架，並可調配使用者權限，依據不同專案的需求來部署，降低企業部署與管控成本。商業模式為透過PrimeHub平台提供訂閱制服務，為知名的台灣人工智慧學校的主要合作平台，對於後續擴散其服務具指標意義。

3.框架及演算法-洞見未來科技

創立於2018年，2019年獲得Qualcomm台灣創新大賽冠軍，本年度更獲得國發基金投資，主要價值訴求為解決傳統助聽器價格昂貴、但降噪處理機制無法有效處理多人聲音混雜的情境，造成聽損者體驗不佳的問題。由於歐美市場陸續鬆綁，中輕度聽損者可不用經過醫師驗配自行購置，出現極佳的新市場機會可打破傳統助聽器大廠壟斷的局面。其獨家的多人聲分離演算法，能有效解決語音識別的「雞尾酒會難題」，大幅提升語音辨識能力，且又具備低功耗特性，提供ODM大廠進軍助聽裝置市場、分食傳統助聽器市場的turnkey solution，目前打入數家國際大型消費電子、電聲產品ODM廠、品牌業供應鏈，僅成立一年公司即已實現收支平衡。

4.通用型企業AI解決方案-行動貝果

創立於2011年，在2014年即開始轉型跨入AI領域，2016年獲得軟銀創新合作計畫投資，累計募資近2.5億台幣，主要價值訴求為協助沒有AI技術團隊的企業，無痛運用現有資料，借助AI工具提升決策品質，降低重新建立技術團隊、開發軟體平台的成本，技術特色為透過現有標準化產品，為企業打造所需要自動化機器學習、工具圖形化介面平台，可為使用者自動進行清洗資料、找出特徵，推薦分析所需演算法，並具備GPU加速、多元化部署彈性。商業模式為透過平台提供訂閱制服務，憑藉著簡易的操作、優良的使用體驗設計，打入台、美、日等大型業者，客戶涵蓋電信、零售、金融保險等6大產業。

5.特定產業AI解決方案-雲象科技

創立於2015年，2018 年獲得NVIDIA GTC Taiwan INCEPTION醫療影像應用冠軍，累計募資2.13億台幣，主要價值訴求為降低病理科醫生看片診斷的繁重負擔，與主觀判斷可能失準的問題，透過AI協助判斷病患狀態、療法、資源配置的決策。技術特色為透過深度學習強化癌症病理識別、即時輔助判讀腫瘤等各類細胞，目前鼻咽癌準確率97%、腸道內視鏡影像AI系統瘜肉輔助判讀準確度95%，骨髓細胞分類準確度近90%，並節省醫檢時間至少 50%。雲象憑藉醫師創業的背景，從協助醫院建置數位病理系統開始，深入台灣特定領域醫療體系，完整掌控利基醫療市場，目前已掌握台灣2/3醫院體系客戶，並與智能醫療生態大廠策略合作，每年營業額成長達3倍。

五、結語

由於AI領域技術發展極為快速，新創生態變化的劇烈程度幾乎也可說前所未見，使得投資風向的掌握更加不易。雖然投資AI領域的重要性已為大部分人所理解，但在掃描、篩選、評估合適投資對象的難度更高之下，長期來說反而可能造成投資評估週期更長、決策更加保守、投資集中於少數明星新創的情況。IDEAS Lab關注這樣的現象，也嘗試透過資料科學的方式，持續提供第一時間的發現，讓整體輪廓更加清晰，也期望能發掘更多潛力新創，加速與資本市場的鏈結及規模化的進程。

參考資料

1.CB Insights(2020), “AI 100: The Artificial Intelligence Startups Redefining Industries”, https://reurl.cc/0oo88M

2.IT桔子，https://www.itjuzi.com/

3.機器之心，https://www.jiqizhixin.com/

4.Towards Data Science& Simon Greenman(2019), “The Secrets of Successful AI Startups. Who’s Making Money in AI? Part II”,  https://towardsdatascience.com/the-secrets-of-successful-ai-startups-whos-making-money-in-ai-part-ii-207fea92a8d5