AI 降低了產品開發的門檻，也讓投資判斷變得更困難。當模型、算力與開發工具快速普及，能做出產品已不足以證明一家公司的投資價值。市場是否真正需要、經濟效益能否成立，以及團隊能否建立持續累積的競爭優勢，成為更重要的判斷依據。
SIC 四週年城市巡迴論壇第二站來到矽谷，邀請 Omni Ventures、Bosch Ventures、Berkeley SkyDeck Fund 與 Acorn Pacific Ventures 四家投資機構代表，聚焦 Manufacturing Tech、Physical AI 與 AI 應用的投資機會，共同探討「當技術取得愈來愈容易，什麼才是真正值得投資的價值？」
▍AI 愈普及，製造能力愈重要
Omni Ventures Founding General Partner Simon Lancaster 在分享中提出「全球製造重組趨勢（Global Dynamism）」：全球製造基地正從少數地區集中，走向更多元、具韌性且智慧化的生產網絡。當 AI 能力逐漸普及，國家與企業之間的競爭不只在模型與軟體，也取決於能否將技術轉化為可規模生產的實體產品。
Simon 過去曾參與 Apple、Google、BlackBerry 與 Toyota 的製造工作。他以 Apple 2015 年的 Liam 拆解機器人為例：當時的自動化系統需要數年開發與大量資本，只能處理特定世代的 iPhone；如今 AI 已大幅縮短機器人學習新任務的時間，也提高設備重新部署的彈性。
Manufacturing Tech 因此重新受到資本關注，範圍也不只是機器人，而延伸至 AI-driven design、製造營運、資料基礎設施與供應鏈智慧。AI 加快了開發速度，製造、部署與規模化能力，反而成為技術進入實體世界後更重要的競爭條件。
▍做出 Prototype，只是投資判斷的起點
技術開發門檻降低，也改變了早期投資的判斷標準。Simon 認為，做出 Prototype 與建立一家公司是兩件不同的事：前者證明技術可行，後者還必須證明市場需求、產品交付與商業模式能夠成立。
因此，當 AI 讓產品更快被做出來，「做得到」已愈來愈難成為足夠的投資理由。投資人更需要判斷：客戶為什麼需要？導入後能創造多少價值？當模型持續進步，公司還能累積哪些不容易被取代的優勢？
▍三種資本視角，如何判斷 AI 投資？
下半場 Panel 由 SIC Silicon Valley Angel Investor Tim Tai 主持，邀請 Bosch Ventures Investment Director Pauline Tsai、Berkeley SkyDeck Fund Principal Sanjay Velappan 與 Acorn Pacific Ventures Principal Benny Liao，從企業創投、大學加速器基金與早期 VC 三種視角，分享 AI 投資的判斷。
三種視角擁有明確的共同點：技術可行只是起點，需求、效益與持續成長的能力，才決定一家公司能否建立投資價值。
▍Physical AI：先看經濟效益是否成立
從企業導入來看，Physical AI 最直接的檢驗標準是成本與可靠度。Pauline 將導入 Physical AI 比喻為聘用一位新的工作者。企業需要把設備、維護、資安、安裝與系統整合成本，與既有人力支出放在一起比較；同時確認系統在物件、環境與任務持續變動的真實場域中，能否穩定工作。因此，Demo 成功並不等於商業化成立；企業真正評估的是一項工作能否被穩定完成，以及導入後能否產生明確的經濟效益。
▍Vertical AI：機會藏在尚未被充分服務的產業
Berkeley SkyDeck 觀察到，AI 新創正從 Horizontal AI Tools，逐漸深入特定產業與工作流程。Sanjay 將其中一項機會稱為 AI Diffusion：讓 AI 進入目前採用程度仍低的產業。居家照護、餐飲、長照等垂直市場，通常不會自行建立完整 AI 系統，基礎模型公司也不會處理所有細分需求。
對新創而言，機會在於理解特定產業的工作方式，找到尚未被有效解決、且客戶願意付費的問題。這類公司的優勢，也會逐漸累積在產業知識、客戶關係、工作流程與資料之中。
▍AI 應用的護城河，不只看技術
當模型快速進步、開發成本下降，AI Application 的功能確實更容易被複製；但 Benny 從近期投資觀察到，部分 AI 應用公司的客戶需求與營收也正在快速成長，應用層仍有機會形成具規模的公司。
因此，除了產品功能，投資判斷也要看團隊取得客戶的能力、成長速度，以及能否在快速變化的市場中持續建立優勢。模型可以取得、功能可以模仿，但客戶關係、產業理解、銷售能力與執行速度都需要時間累積。技術門檻降低，不代表建立一家公司的門檻也跟著降低。
▍AI 商業化還缺哪些基礎能力？
Panel 最後談到目前仍被低估、值得更多資本投入的方向，三位投資人分別提出：
尚未充分導入 AI 的垂直產業：大量工作流程仍未被現有 AI 工具有效服務。
Testing、Compliance 與 Evaluation：安全、驗證與法規將直接影響 AI 進入企業及規模化的速度。
Compute 與 Agent Evaluation：模型使用成本與 Agent 結果的評估機制，仍是大規模應用的重要基礎。
這些方向共同反映 AI 市場正在進入更實際的階段：企業不只問 AI 能不能做，更在意結果是否可靠、成本是否合理、風險是否可控，以及效益能否被驗證。
▍矽谷資本正在尋找什麼？
回到整場論壇的核心，技術可行性仍然重要，但已經不是唯一的投資門檻。Physical AI 需證明效率與成本；Vertical AI 要深入產業需求；AI Application 看客戶建立與成長；而準備進入企業的 AI，還必須處理 Evaluation、Compliance、Security 與部署。
這也是 SIC 在矽谷持續關注 AI 投資的方向：不只看技術是否創新，更看需求是否真實、商業模式是否成立，以及團隊能否持續累積競爭優勢。當技術愈容易取得，真正稀缺的反而是找到值得解決的問題，並把技術做成一門能持續成長的生意。
▍加入 SIC Silicon Valley Community
如果你關注矽谷 AI、Physical AI、Manufacturing Tech 與創投趨勢，歡迎加入 SIC Silicon Valley WhatsApp Community，取得當地活動、產業交流與社群的第一手資訊。
若希望進一步加入 SIC Silicon Valley 分會，參與案源研討、投資與跨境產業合作，也歡迎透過 Email 直接與我們聯繫！
📩 service@sicglobal.net
最後，特別感謝本次論壇講者帶來精彩的分享，以及 Amy Chen、Huan-Yi Lin、Dennis Lee 三位 SIC 矽谷分會 Partner；也感謝 Panel Moderator Tim Tai 與活動主持人 Alice 的引導與串場，以及 Startup Island TAIWAN Silicon Valley Hub 提供場地與社群支持。
