工欲善其事：Applied Intuition 與十億台會自己動的機器

工欲善其事，必先利其器。
—— 《論語・衛靈公》

這集在講什麼

《Business Breakdowns》第 248 集，拆解的是 Applied Intuition——一家 2017 年成立、由兩位共同創辦人領軍的公司，使命寫得很大：讓十億台機器變聰明。

最簡單的理解方式是：它做的是機器的大腦，以及別人用來做大腦的那套工具。 如果一家製造商希望自家的曳引機、卡車或礦車自己會開，它可以直接向這家公司買智慧，也可以用它的平台自己開發。節目裡用了一個很好懂的類比：就像有一家公司把晶片賣進所有人的機器裡，這家公司把智慧賣進所有人的機器裡——橫跨汽車、國防、礦業、農業、機器人——而它自己不造任何一台機器。

原集：Business Breakdowns EP.248〈Applied Intuition: A Billion Intelligent Machines〉（2026-07-27）

摘要重點

實體 AI 和數位 AI 的差別，不是程度差別，是約束差別。 兩位創辦人花了不少篇幅講這件事：數位 AI 是螢幕上跑出結果，實體 AI 是真的有東西在現實世界裡移動，而且往往是在有人的時空裡移動。三個約束被反覆點名：安全攸關（機器在人身邊動）、即時性（你問聊天機器人一個問題，它花二十秒回答沒關係；一台機器在高速公路上做決策，沒有二十秒）、以及一個他們說被嚴重低估的約束——成本與算力的信封。你不能對著一個問題無限丟算力，你得把它塞進這台機器上那顆晶片、那個功耗、那個售價允許的空間裡。

他們認為衝擊最大的地方，是那些「有東西在動」的產業。 工業、製造、醫療、能源——要拿到 AI 的好處，就得真的去影響這些實體系統。而且他們給的理由不是效率，是人：美國農民的平均年齡五十八歲；長途卡車司機的短缺創紀錄；礦業佔全世界勞動人口約百分之一，卻佔了工作相關死亡事故的約百分之八。他們的說法是，數位 AI 那邊在焦慮誰會被取代，實體 AI 這邊的問題正好相反——AI 來得不夠快，因為沒有人想長期待在遠離家人又不安全的工作環境裡。

「先做工具，不做車」是這集最值得聽的一段策略推理。 其中一位創辦人創業前是 Y Combinator 的營運長，他把話講得很直白：時機就是一切，而且多數公司不是死於太晚，是死於太早——技術早市場兩年，你就得燒錢等市場成熟。他們在二〇一〇年代前期其實討論過做無人計程車，結論是當時技術沒定、商業模式也沒定，兩個都是未知數，所以沒做。二〇一六年重新談的時候，他們判斷汽車產業會走向「軟體優先」，而汽車走到哪裡，國防、營建、礦業、農業就會跟到哪裡，因為那些機具本質上是汽車的表親。

但那時候還有第二層推理：如果現在就做軟體賣給製造商，他們不會跟一家年輕小公司買——那是安全攸關的系統，需要更長的紀錄和更厚的份量，而且一個五十人的團隊根本蓋不出一台自駕車，子系統太多。所以他們從工具開始。

瓶頸把他們一路推進新生意。 這是我覺得全集結構最漂亮的一段。做了幾年工具之後他們撞到一件事：問題比工具大得多。要把技術裝上機器、可靠地更新軟體、跑診斷、在機器上執行神經網路——作業系統本身成了瓶頸，於是他們被迫做了作業系統。等到工具平台和作業系統都有了，才有條件往上做完整方案，也就是自己做模型、做自主駕駛堆疊。他們形容這件事像對自己做內部破壞：這個領域大約每兩年就有一次突破會改變你思考問題的方式，不夠動態就會過時。

這一集的新聞點是 Dana——他們的代理式開發平台。 論證是這樣的：為什麼今天路上還沒有到處是聰明的機器？不是因為晶片不會做、硬體不會做，而是這東西太難開發。Dana 想做的事就是把進入門檻壓下來。他們用了一個很生活的對照：現在高中生也能做出一支手機應用程式，因為生態系已經把難的部分都抽象掉了；但你想做一台校園送餐機器人或一台會自己掃地的小機器，即使你是電腦科學家也很吃力，你得把一堆彼此不相干的產品和工具拼起來，還得想辦法把軟體裝到那台實體機器上。

至於「為什麼不能直接用通用的程式碼助手做這件事」，他們的回答很硬。 通用模型很好，但當你面對的是人命攸關的系統、以及一條非常深的開發工具鏈時，模型大概只是完整解法的百分之一。他們用的比喻是：你為什麼不能叫一個通用助手去寫出 Linux 核心？因為那是一個累積多年、由非常多其他工具一起長出來的複雜體。

割草機那個例子，把「複雜」講成了可以想像的東西。 假設你要做一台自主割草機：你要感測器、要算力；要讓它理解「我要工作的這塊院子」的物理空間，而且不能跑到別的地方去；接著你要在模擬環境裡造出這個後院、設計它必須通過的情境（他們順口提到，光是模擬本身就是一個獨立的大產業，有公司市值以百億美元計，而模擬正是他們起家的地方）；然後你要在雲端把這些情境大量跑起來，這是一整套編排；等到表現夠好，才第一次把它裝上真的割草機——然後一堆東西不會動，你得回頭查為什麼致動沒有照預期發生、控制系統為什麼行為怪異。這整個迴圈，不是大型語言模型被設計來做的事。

資料迴圈與「跨機種的物理感」，是我認為這集最反直覺的一段。 機器在真實世界裡跑，會遇到它處理不好的情境，這些情境被標記下來，再用人類駕駛的示範資料或合成環境去教它——這是老概念。有意思的是下一句：他們說當他們把無人機、或是在日本營運的自主卡車所收集到的資料放進來，那些模型在相當不同的環境裡表現也變好了。他們的解讀是，模型正在建立一種對現實世界物理的通感，就像聊天機器人從各說各話走向通用之後反而更強。

而且這裡有一個和數位 AI 的結構性差異：通用語言模型大多訓練在網路上的文字，實體 AI 的資料幾乎全是專有的——來自自家車隊、來自和客戶的合作採集，網路上根本沒有。他們也承認，能把高品質資料採集這件事做穩，本身就需要很深的技術堆疊，全世界沒幾家做得好。技術路徑上他們押的是：模仿學習打底，再用高效能的模擬做強化學習把邊角磨平，並認為這是實體 AI 規模化的關鍵解鎖。

擴散速度那段講得非常務實，而且對投資人最有用。 一個新模型出來，馬上能在你的手機和筆電上跑，因為那些環境被瀏覽器、作業系統、應用程式商店標準化過了。實體世界沒有這種東西。他舉了一個誰都懂的例子：假設你昨天剛買了一台車，明天自駕功能免費開放——你還是擁有昨天那台車。超過一半的美國人存款不多，買車是大事，買了就開十年、十五年，跟市場上有什麼新產品沒關係。所以智慧要擴散進機器裡，摩擦遠比手機和桌機大。但他補了一句：這些摩擦後來會變成護城河——一旦你搞定了怎麼讓一座礦場或一座農場自主化，你就在裡面了，就像晶片一旦進了機器就很黏。

商業模式他們刻意講得很無聊。 授權，一個很經典的產品生意；公司規模略超過一千名工程師。其中一位的說法我很喜歡：技術要非常創新，商業模式要非常無聊；反過來——產品很無聊、但會計方式很創新——那才叫麻煩。他順帶提到最近幾輪的投資人是那種會做真實盡職調查的傳統機構。他給創業者的建議是：客戶應該非常清楚你的動機和你在哪裡賺錢、哪裡不賺錢。

客戶結構比外界想像的分散。 主持人提到全球前二十大車廠有十八家是他們的客戶，但創辦人反過來澄清：很多人以為他們是一家汽車公司，汽車其實只佔生意的少數，各垂直領域相當平均。客戶通常是製造商，但也包括礦場營運商、港口營運商這種要讓一堆異質機具彼此協作的角色。國際化也很早——最早的三個辦公室分別在底特律、日本和德國，後來因為國防業務進了華盛頓。

談競爭那段，我認為是全集最好的思考訓練。 他們先定義詞：做無人計程車的公司算不算競爭對手？不太算，因為它們不是從同一個口袋裡拿錢——一邊賣給製造商，一邊賣給消費者。真正的重點是市場結構：競爭在一個只有一千人、只會買一兩家鞋店的小鎮上才致命，因為那是零和。他用了一個我很喜歡的比喻——課本上的太陽系圖把地球畫在太陽旁邊，但真按比例放大，地球會是幾十呎外一個原子筆尖大的點，中間全是空的。市場也是這樣：大家盯著這些公司在圖上看起來多近，實際上它們大到彼此的重力互不影響。 他的結論是：如果我們沒成功，那是因為我們自己。

新進的硬體公司，他們當成客戶不當成威脅。 現在有一波人在造實體與硬體公司，主持人問這會不會侵蝕需求，他們的回答是：門檻降下來之後，會有幾百幾千個組織開始造各種東西，而那些東西是什麼，要靠人類的創意去想——這些都是潛在客戶。他還補了一段歷史：Google 一九九八年成立時，市場上已經有好幾家公開上市的搜尋引擎了；如果那年做這集節目，你大概會說市場已經飽和。

他們募了大約十億美元，而且幾乎沒花。 這件事他們解釋得挺誠實：不是刻意存起來，是每次募資都打算花掉，結果成長得比花錢還快。看待資本的方式是把它當成任務路徑上的一個變數——瓶頸是資本就解決資本，是技術就解決技術，是客戶或產品就去解決那個。但每天早上第一件想的事仍然是產品，因為在安全攸關的系統裡，產品「還可以」是不夠的。

最後被問到可比的公開公司，他們的回答是幾乎沒有。 而他們認為這正是外界熱情的來源：問題和解法都不難理解，市場很大，而他們是這個類別的領導者。至於三到五年後的世界，他們給的第一個形容詞是：更安全。

延伸想法

一、這集把「瓶頸會搬家」演給你看了一遍，而且是從公司內部的視角。

他們的路徑非常清楚：做工具 → 撞到作業系統這個瓶頸 → 被迫做作業系統 → 兩塊都有了才做完整的自主堆疊。瓶頸不是一個靜態的座標，它是一條會把你往前拖的繩子。

我自己做產業分析時常做的動作，是往上游走、找出「需求翻倍時最先斷的那一層」。這集提醒我兩件事：第一，那一層會移動，所以任何瓶頸層的結論都該附一個到期日，以及一句「什麼事發生了，它就不再是瓶頸」；第二，瓶頸的位置，往往由當事人親口說出來，但當事人正好在賣那個瓶頸的解方。他們說「晶片和硬體我們都會做了，卡住的是開發」——這句話對他們的生意極為有利。它可能是對的，但它需要被獨立驗證，而不是被引用。

二、橫向與垂直的分岔，決定了你在對什麼東西付錢。

節目自己把這條線畫得很清楚：垂直公司自己造機器、自己賣；橫向公司把技術賣給一大票客戶，由客戶包裝上市。這兩種公司在同一個題材下，受益的變數完全不同。

垂直的受益於自家產品賣得好；橫向的受益於入場者變多——所以他們才會說新造硬體的公司都是潛在客戶，那不是客套，那是商業模式的直接推論。反過來，橫向公司真正的風險也不在「對手打進來」，而在客戶自建：當一個大客戶規模到了、人才夠了、覺得這是核心能力了，它會想自己做。這集講了前二十大車廠有十八家是客戶，也講了汽車只佔生意的少數——後面那句其實是在回答前面那句的風險。

投資框架上的翻譯：分析一家橫向供應商時，要追蹤的不是它的技術有多好，而是它的客戶集中度、以及客戶自建的動機曲線。

三、擴散摩擦這一段，是把「敘事」和「裝機量」分開的那把尺。

那台已經買了的車會被開十年到十五年——這句話比任何技術路線圖都更能解釋為什麼「技術可用」和「需求兌現」之間會差好幾年。實體世界的自動化，卡的不只是模型，還有資本財的折舊週期、安全法規、以及作業現場願不願意接受。

所以當一個題材開始熱起來，我會拿這把尺去量：這則消息改變的是能力，還是改變了裝機量？ 一支示範影片、一個城市的路上出現更多自駕車，改變的是能力和感受；一份多年期的量產合約、一個作業現場真的把人撤下來，改變的才是裝機量。前者是雜音，後者是結構——而它們在你的資訊流裡長得一模一樣，只有後者會出現在財報上。

四、「同一句假設打到一半部位」在這個題材上特別危險。

實體 AI 這條線很長：感測器、車用晶片、模擬軟體、工業機具、電力、國防載具。如果你在這條線上持有很多東西，看起來很分散，但它們可能共用同一句話：「實體世界的自動化會在未來十年大規模落地。」

這集其實親口給了這句話的前提條件——擴散摩擦。而摩擦的方向是不對稱的：摩擦比預期小，多數部位一起受益；摩擦比預期大，多數部位一起被拖延。 那就不是六個部位，那是一個部位。組合風險真正該問的從來不是「我持有幾個產業」，而是「有沒有一句話，錯了會同時打到我一半的部位」。

五、他們自己示範了一次公開的對答案，而且答案是「我們當時決定不做」。

二〇一〇年代前期他們評估過無人計程車，結論是技術和商業模式都還沒定，所以沒做；十年後回頭看，這個判斷有沒有價值是可以檢驗的。這是一個罕見的、被公開留下時間戳的判斷。

我從中拿走的不是結論而是動作：把判斷寫下來、留時間戳、時間到了回頭對答案。 而且他們的判準本身就很值得偷——當你要判斷一個題材該不該現在進場，問兩個獨立的問題：技術定了嗎？商業模式定了嗎？兩個都沒定，你面對的是研究專案而不是生意。 他們說多數公司死於太早而非太晚，這句話對出資的人是同一個道理：太早進場的代價不是虧損，是在等待期裡被時間收走的機會成本，而這筆帳很少有人記。

六、沒有可比公司，是敘事最容易掙脫地心引力的地方——所以估值紀律要在這裡站崗。

節目最後那個問題問得很好：如果一定要找一籃子公開公司來替它定價，該指向哪裡？答案是幾乎沒有。「沒有可比公司」＋「類別領導者」＋「市場非常大」是一組非常吸引人的形容詞，也正好是一組讓價格失去錨的形容詞。

這裡的紀律不在於懷疑這家公司好不好——從節目聽起來它顯然把很多難事做成了。紀律在於：別讓一家沒有公開財務、沒有可比對象的私有公司，變成你替其他公開公司定價的錨。 那是最常見的傳染路徑：一個私募輪次的數字被拿來當作整條供應鏈的估值下限，中間沒有任何一步是可驗證的。

要拆開它，方法很土：問這家公司如果明天技術被追平，還剩下什麼。 這集其實給了他們自己的答案——十年累積的硬體抽象層、專有的資料採集堆疊、以及裝進機器之後那種很黏的位置。這三樣是可以被觀察、被時間檢驗的；「我們是類別領導者」則不是。

可以參考的資料

• 原集：Business Breakdowns EP.248〈Applied Intuition: A Billion Intelligent Machines〉（2026-07-27）；節目由 Colossus 公開發布於 joincolossus.com
• 同系列的其他拆解集數，以及 Colossus 旗下的其他節目
• 文中《論語・衛靈公》那一句，是我聽這集時想到的註腳，不是節目內容

---

免責聲明：本文為個人聽後心得與學習筆記，屬教育性內容，不構成任何投資建議、要約或招攬。文中提及之公司、產品與說法均來自公開節目內容與公開資訊，不推薦任何特定標的，也不提供目標價。投資有風險，請依自身財務狀況與風險承受度獨立判斷，必要時諮詢合格專業人士。引用內容版權屬原節目所有，鼓勵收聽原集、支持創作者。

Markdown 原文

本文為投資方法論的教育性分享，不構成任何個股買賣建議、不提供目標價、不針對當期標的。投資有風險，任何決策請自行判斷或諮詢合格的專業人士。