想到要寫這篇文章，主要是因為過去曾針對美國的創業環境講過幾次講座。在台灣，似乎還有很多創業家以為美國新創環境（尤其是舊金山灣區），仍然是過去車庫創業、宿舍創業的瘋狂文化。
事實不然，過去美國新創界那些瘋狂的故事，象徵的是一個血氣方剛的過渡時期。轉眼十幾年過去了，創業生態成熟了，自然一切都更系統化、更科學化。台灣方面還有人在追逐美國新創界過去的那些輕狂，是因為我們仍深處陣痛的過渡期，仍然是靠爆炸性的例外案例在支撐創業夢。
一個成熟的創業生態中，大紅大紫的例外案例會越來越少、題目會越來越複雜、創業團隊數量會趨近於飽和值（不會無限制向上成長）。風花雪月少了，但是每年的產值會更穩定、更有預期性。
這才是正常的產業常態。
所以說，此時台灣創業家對美國新創環境有更真實的認知，是有助於台灣新創生態成熟發展。
1.基礎建設時代過去
雖然說很難確切挑出個時點，但是現在而言，美國科技業和新創界基本上已經脫離了基礎建設時代。
所謂基礎建設時代，指的是許多架構性、平台性、套件性的發展活動。打個比方，2000年到約2007年，是網路程式開發套件和架構發展蓬勃的年代，整體趨勢是脫離桌上型應用程式進入網路應用程式和網路服務年代；2007年起，隨著iPhone和Android的發行，行動應用程式生態又開始蓬勃發展，逐步侵蝕原先的網路應用程式生態。到了2010年，社交網路爭霸戰差不多落幕，美國國內的最大贏家是臉書和LinkedIn；同期，線上支付和行動支付平台也已成熟，公有雲端服務爭霸戰也差不多落幕了。
隨著各類的資料和軟體開發基礎建設成熟，很多題目因為市場飽和而失寵。在今天這年代，要再提起走入社交網路、公有雲端服務、開發者工具，多乏人問津。
言下之意不是美國基礎建設沒有再進步了，而是很多基礎建設已經有既有龍頭把持，由其繼續投資擴建。以社交網路和雲端而言，最後也是由臉書和亞馬遜兩隻領頭羊去投資擴張，所謂的「破壞式創新」在列強環伺的情況下，在基礎建設的項目中已經越來越少。
至此，美國科技業已經從軟體業變成不折不扣的服務業。接下來的創新都會以與其他傳統產業的服務流程密切結合為主。
走到這一步，可說是美國科技產業已經正常化了。
2.App的飽和
美國科技業的正常化，首先一個徵兆就是行動應用程式的飽和。如今，越來越少人在下載新的手機App，要在App商店中脫穎而出實在太過於困難了。
其實走到這步，意味著美國行動應用程式乃至網路應用程式的生態已經遠離了過去的爆紅模式，少了過去到處都找得著的「第一優勢」，自然較以前少了許多運氣成分。
3.B2B、B2C模式進入科學化
當應用程式的載具開始飽和，我們看到的第二徵兆就是各類商業模式走入了「科學化」年代。
過去廝殺不斷的B2C產業，如今短兵相接少了，多是長期的角力。而B2C的科學化，意味著投資人已經冥冥之中奠定了評估標準：除非你在美國國內已有數十萬（高人均消費）或數百萬（低人均消費）的活躍使用者，而且每個月還呈現穩定的雙位數成長，否則都會被投資人遣回。
這聽起來很冷血，但這象徵科技業的成熟，已經遠離了瘋狂的本夢比，開始用實際的商業價值去衡量公司。
而B2B產業，在基礎建設時代過去後，更是成了當紅炸子雞，比B2C還要更活躍。
畢竟，國家大部分的商業活動都是以企業為主體在運行。當科技業基礎建設成熟後，企業內部大部分的流程和資料都已電子化、介面化、服務化，這代表新創公司有更多的企業去跟大型企業合作、做生意。
如今這也成了顯學，美國過去幾年的公開上市案例，B2B的股價和營運表現遠超B2C。同時，不管是舊金山還是紐約的投資人，也有越來越多只專注於B2B。
而B2B走到今天，自然也已經科學化。
B2B講究的是有連續性收益（Recurring Revenue）的大型合約。一家B2B企業如果想要持續籌資或是成長，其必須證明自己有能力每年使連續性收益至少成倍成長。通常沒有達到這標竿的公司，如果不是市場太小、業務成本太高就是團隊自己有問題。碰上了，投資人也會選擇先觀望。
總而言之，現在美國的新創界幾乎是聽不到甚麼投資人衝著創業家一個很酷的點子就投資的事情。一切都已經從瘋狂回歸常態，淘金潮已成過往。
4.人工智慧進入資料壁壘時代
本身不是做AI的人，可能會很好奇，為什麼從2016年突然冒出「人工智慧」這題目來呢？
事實上，有個基本觀念必須釐清，那就是：人工智慧其實是個老題目，而且是從1970年代就一直做到今天的老題目，並不是甚麼新東西。
至於人工智慧為什麼會突然成為話題，真正的原因在於人工智慧生態整體來講，已經從過去的「技術軍備競賽時代」進入到了今天的「資料壁壘時代」。
要說人工智慧的技術軍備時代，其實從70年代的專家系統（Expert Systems）和知識庫（Knowledge Base）開始，一直到90年代電腦運算能力大增，統計方法被應用在人工智慧中，帶入了貝斯網路（Bayesian Networks）、支援向量機（Support Vector Machines）等方法。一直到了2010年前後，科技業都還處於人工智慧方法論的軍備競賽。
但是到了2016年後，主要因為電子化的資料量大、雲端運算價格低廉，使得過去的神經網路（Neural Networks）學派重新崛起，衍生出今天的深度學習（Deep Learning）。
說穿了，深度學習就是用大量的資料去把多層次的神經網路建出來，來取得非線性的辨識模型。其功能強大，很快地便取代了許多其他人工智慧方法成為主流。而因為各大科技巨擘投入研發，使得深度學習和許多人工智慧方法被大幅工具化，產生出Tensorflow、Cognitive Toolkit等開放原始碼的免費套件可以使用。
既然軍備已經工具化、開源化，科技業真正的人工智慧戰線，就被拉到資料取得這癥結上。只要能掌控和保護資料來源，誰就能夠保有競爭優勢。
這是很重要的課題：這意味著人工智慧的投資人現在在乎的已經不見得是純技術面，而是希望投資的公司能夠在資料來源上建立寬而深的護城河。跟投資人談，空有技術但是卻沒有資料戰略，那一樣會被投資人遣回。
未來展望：大規模的整併時代
看到這邊，或許有些人已經看到了結論了。不久前，《經濟學人》才刊登一篇評論，討論美國科技業大型企業狙殺初期新創公司的現象。而事實上，美國現在確實是進入了科技業的大規模整併時代。
所謂大規模整併，大家可以看到亞馬遜、谷歌、微軟、臉書等公司併購連連，而併購不成時，就直接發表競爭服務，透過自己廣大的商業優勢去擊潰對手。美國科技巨擘手頭上現金很多，搶到了全球頂尖的軟體人才不說，同時又控制住了許多產業最值錢的資料庫。
而太過於簡單的題目，科技巨擘們又可能用免費服務或是開放原始碼的方式去跟新創公司競爭，而後者當然不可能玩得起這種消耗戰。
在某種程度上，這意味著美國的新創商業環境會變得更「惡劣」。現在我們已經看到一些端倪，美國最近三四季創投投資金額雖然持續增加，但是案子數量卻逐漸減少，意味著創業風潮已經開始在退燒。
從另一個角度來看，這對於美國科技業的長期發展是有好處的。許多無法在這環境中存活的創業家，都會很快地被其他大型科技公司撲殺然後死亡。留下來的創業家，自然創業活動的品質和深度就較以往高出許多，成功率也高了許多。
所以說，劇烈的競爭環境和創業活動的減少並非壞事，要能夠維持穩定的產業輸出才是正道。
回到台灣，目前國內的新創生態仍然處於一種雷聲大雨點小的情況，意思就是很多人狂創業，但是真正賺錢、出場的實在少之又少。在某個時間，台灣也勢必要迎接科技業成熟的時代來臨，讓許多過熱的創業活動、過於瘋狂的創業家一一退場，保留存有核心競爭力的科技業繼續向上發展。
正所謂去蕪存菁。
本文授權轉載自數位時代，作者：蕭瑟寡人
