一. 前言

今天的主題有四個FAANG採用策略、新創vs企業差異、ROI計算舉例、風險評估。

FAANG 是美國股市和科技圈常用的縮寫，代表五家主要的網路與數位娛樂巨頭：

F — Facebook（現為 Meta）
A — Apple
A — Amazon
N — Netflix
G — Google（母公司 Alphabet）

說來古怪，FAANG怎麼沒見到大名鼎鼎的Microsoft阿?!!被排擠了?!!欸?!

原來阿，FAANG 是一個舊時代的投資縮寫，反映 2010s 的網路成長股；
微軟沒被列入，是因為當時已是成熟企業，不屬於“新興高成長股”範疇。

二. 科技巨頭（例如：FAANG 和 Microsoft）：2025以AI發展為最高、最優先戰略原則

資料來源：

• 華爾街網路女王 Mary Meeker 的 BOND 公司在 2025 年 5 月發布的《Trends – Artificial Intelligence》報告
• iKala-網路女王 Mary Meeker 重磅發表 340 頁 2025 年 AI 趨勢報告 (Trends – Artificial Intelligence)

1. 策略投入 + 資本支出 (CapEx) = 無可限量的成長加速
2014 年至 2024 年間，美國六大科技公司（包括 Apple、NVIDIA、Microsoft、Alphabet (Google)、Amazon (AWS) 和 Meta Platforms）的資本支出（CapEx）從 $330 億美元增長到 $2,120 億美元，年增長率高達 63%。這筆資金主要用於建構 AI 基礎設施。

2. 整合核心產品與AI基礎設施
科技巨頭正積極競相開發和部署下一代 AI 基礎設施，包括代理介面、企業副駕駛、自主系統和主權模型。
• Microsoft： 將 AI 產品收入年增長率達 175%。產品上的AI結合，他們將 Copilot（副駕駛）功能整合到 Microsoft 365 套件中。
• Google： 執行長 Sundar Pichai 認為 AI 是推進 Google 使命的「最重要方式」，其機會「非常巨大」。Google 推出了 Gemini 模型，以及嵌入在搜尋中的 AI 總覽，截至 2025 年 4 月擁有 15 億月活躍使用者 (MAUs)。他們每月處理超過 480 兆個詞元，年增 50 倍。
• Meta Platforms： 截至 2025 年第一季度，旗下應用程式中有近 10 億月活躍使用者正在使用 Meta AI。
• Amazon： 將 AI 應用於零售業務，推出了 Rufus（AI 助理）來幫助顧客購物和尋找產品信息。同時，他們透過開發客製化晶片（例如 Trainium）來控制 AI 基礎設施的成本，Trainium2 晶片的性價比比標準 GPU 執行個體高出 30-40%。
• Apple： 於 2024 年 7 月發布了 Apple Intelligence，將 AI 系統整合到其裝置中。
• AI 代理人的進化： AI 正從簡單的聊天機器人演變為能夠代表使用者推理、行動並完成多步驟任務的「AI 代理人」，例如 Salesforce Agentforce 和 Anthropic Claude 3.5。

3. AI晶片自研策略

各大科技巨頭紛紛投入自研AI晶片以降低對Nvidia的依賴：

Google TPU系列：Google近十年來持續開發AI晶片，正在開發第五代TPU，分為效能型和效率型兩種版本，用於建立Gemini等大型語言模型。

Meta MTIA晶片：Meta推出第二代AI晶片MTIA（Meta Training and Inference Accelerator），Facebook和Instagram都使用MTIA晶片支援社群媒體排名和廣告模式。

微軟Azure Maia：微軟於2023年推出Azure Maia 100 AI Accelerator，專為模型訓練和推理設計，目前僅限內部工作負載使用。

傳統企業 (Traditional Enterprises)：AI 採用優先順序提高

傳統企業也逐漸將 AI 視為戰略重點，這反映在財報電話會議中提及「AI」的頻率增加，以及企業級應用程式的部署上。
1. 將 AI 視為「營收驅動」的成長引擎
傳統企業對生成式 AI 的投資，主要目標是以營收為中心的改進，而非單純的成本削減。
• 主要目標： 企業希望 AI 改善的主要領域包括：提高生產/產量、客戶服務和銷售效率。

2. 各行業 AI 應用案例
許多傳統企業正在將 AI 整合到核心業務流程中，以提高效率和客戶體驗。

• 金融服務 (Financial Services)：
  • 美國銀行 (Bank of America)： 虛擬助理 Erica 已處理了超過 25 億次客戶互動，提供即時財務洞察和協助。
• 醫療保健 (Healthcare)：
  • Kaiser Permanente： 部署了多模態環境 AI 抄寫員，到 2024 年 12 月，已有約 7,000 名醫生使用，處理了超過 250 萬份就診記錄，極大地減輕了行政負擔。
• 餐飲業 (Restaurant Industry)：
  • Yum! Brands (百勝餐飲集團)： 旗下包括肯德基和必勝客等品牌，推出了 Byte by Yum! AI 驅動的餐廳管理平台，在推出第一個月內就有 25,000 家餐廳使用了至少一項產品。

小結
總體而言，科技巨頭透過巨額的資本投資和橫向平台的部署來鞏固 AI 領導地位，而傳統企業則透過專門的、以營收為導向的 AI 軟體和應用，迅速將 AI 轉化為其核心業務的實用性成長工具。這種趨勢正在加速，並且無疑是技術和地緣政治領域的「賽局時刻」。

三. 新創vs企業差異

技術策略差異

• 新創企業特色：

  • 垂直AI專精：2025年新創生存法則聚焦於垂直AI（Vertical AI），鎖定單一產業或場景，解決明確且深刻的痛點

  • 數據飛輪策略：建立「初始數據→打造產品→吸引用戶→產生更有價值數據→優化模型」的正向循環

  • 技術配方權衡：優先調用API或微調開源模型，除非有革命性突破才自建

• 大型企業優勢：

  • 完整生態整合：如Google將AI技術融入Gmail智能回覆、搜尋引擎演算法、YouTube內容推薦等數十億人使用的產品

  • 跨領域協作能力：擁有資源進行大規模基礎研究和跨部門技術整合

  • 長期投資能力：能承擔高風險、長週期的技術投資

成功案例對比

• 新創成功實例：

  • 台灣企業AI導入：製造業如台積電利用AI進行良率優化、設備維護；金融業如玉山銀行推行智能理財服務；科技業如聯發科利用AI強化晶片設計

• 大型企業轉型：

  • 中華電信數位轉型：於2023年榮獲哈佛商業評論「數位轉型鼎革獎」，成功將傳統電信服務數位化，拓展至雲端服務、物聯網、大數據分析等領域

四. 投資報酬率（Return on Investment，ROI）

ROI的意義在於判斷投資的「性價比」
ROI計算實例與最佳實踐
基本ROI計算公式
標準公式：ROI = [(收益 - 成本) ÷ 成本] X 100%
實際應用案例

• 軟體專案投資：

  • 專案成本：$100,000
  • 預期收益：$200,000
  • ROI計算：(200,000 - 100,000) / 100,000 × 100% = 200%

• 企業設備投資實例：

  • 小型烘焙坊投資新烤箱案例：
    • 烤箱成本：50,000元
    • 5年維護費用：5,000元（1,000元/年）
    • 5年預期增加銷售：500,000元（100,000元/年）
    • ROI計算：(500,000 - 55,000) / 55,000 × 100% = 809%

五. 風險評估

風險評估流程（參考NIST CSF 2.0框架）：

識別 → 保護 → 偵測 → 回應 → 復原

NIST CSF 2.0框架應用

五大核心功能：

• 識別（Identify）：資產管理、風險評估、業務環境了解

• 保護（Protect）：存取控制、資料安全、防護技術

• 偵測（Detect）：異常與事件監控、安全監控

• 回應（Respond）：事件回應計畫、溝通協調

• 復原（Recover）：復原計畫、系統改進

用NIST CSF 2.0框架建立風險矩陣

1. 步驟：如何建立風險矩陣
(1) 風險辨識：列出專案可能面臨的所有風險（如需求不明確、技術障礙、進度延誤、預算超支等）。可以參考以往專案經驗或召開小組討論。
(2) 評估風險的可能性與衝擊：對每一項風險，評估其發生的「可能性」（Likelihood）與「衝擊」（Impact）等級（通常1-5分）。
(3) 填入風險矩陣：將風險依據兩個維度（可能性×衝擊）放進5×5或4×4風險矩陣分類：

🟢低：監控即可

🟡中：需要有應對預案

🔴高：必須主動緩解措施
(4) 制定緩解措施：針對高分風險，安排專責人員與具體措施。

2. 實際範例：專案風險矩陣

風險矩陣能讓團隊視覺化優先處理事項，集中資源解決關鍵障礙，並提升專案成功機率。

如需要可用範本，可於Miro、Notion、Excel等工具中搜尋「Risk Matrix Template」模板。

依據公司文化的模板推薦

六. 結論

今天站在了巨人的肩膀看見FAANG的AI導入策略，他們企業雄厚總是做出讓人歎為觀止的產品，也使一般使用者十分熟悉且受益良多，我們可以一窺他們的最新進展，做一個受益者，不管在投資股票或使用產品。
我們今天也站在公司的角度去學習風險控管的一些知識，期待在好的風險控管達到最小損失，讓大家都不要做白工。