光有能力與動機還不夠！真正難以取代的優勢，還差哪一塊？

你的優勢是什麼？優勢會以能力（capability）、動機（motivation）與洞見（insight）3種形式出現。為了解釋這3種優勢如何發揮作用，我要帶你回2014年認識3個人。他們日後成為公司創辦人。看看你能否從接下來的段落，找出3人替專案帶來的優勢，並猜一猜他們最終建立哪一種公司。

2014年，3位未來創辦人的起點

機械工程師凱蒂：工業系統為何不能持續改善？

2014年的一個平常日，凱蒂（Katie Hoffman）在各種工業設備之間走來走去，手上沾滿灰塵和油汙。凱蒂帶領的團隊負責翻新工廠，裝上新型控制系統以發揮最佳效能。這份工作很重要的一環，就是找出舊系統是如何運作，而實際情形永遠和設計文件說的不一樣。

成功破解舊系統並改善效率，的確會帶來滿足感，但凱蒂心知肚明，再過幾年，又會有另一批人跑來這，拆掉她所有的心血，再度翻新工廠。在那之前，系統將停留在這次的更新，永遠不會改善，直到再度大改造。凱蒂感覺這樣很浪費，想必還有更好的辦法，但是該怎麼做？

機械工程師吉姆：Google資料中心為何如此耗電？

2014年一個普通的一天，吉姆（Jim Gao）坐在控制室裡，地點是Google位於愛荷華州的龐大資料中心。這座資料中心當初在設計時，吉姆就參與了，但他今天和凱蒂一樣，想著有什麼辦法能改善效能。

一年12個月，一週7天，白天黑夜不停歇，隨時有冷水流過那些五彩繽紛的管線，負責吸收與帶走伺服器產生的熱氣。冷卻管的確有用，但吉姆檢視控制室的讀數，忍不住感到失望。這個系統太耗電。。或許這樣的效率不彰是無法避免的，或許工程技術頂多就只能做到這樣，但吉姆總覺得哪裡怪怪的。

電腦科學家維達：AI能否解決人類無法處理的難題？

最後一位是電腦科學家維達．潘奈薛凡（Veda Panneershelvam）。

在2014年平凡無奇的一天，維達坐在倫敦的桌旁寫程式。他和世界級的軟體工程師團隊合作，一起尋找人工智慧研究的聖盃：寫出能在圍棋賽中打敗人類的電腦程式。

圍棋棋盤可能呈現的棋局狀態，還要多過宇宙裡的原子數！如果要在圍棋取勝，維達和同事必須開發出新型的人工智慧做法，創造能看見未來的程式。2014年的時候，大部分的人認為這是癡人說夢，但維達只覺得興奮。如果AI連圍棋都能勝出，誰知道還能替人類解決其他哪些問題。

你的特殊優勢，來自能力與動機

我們來回顧一下，先從顧客和問題講起：

• 凱蒂正在解決大型製造商的工業控制系統缺乏效率的問題。
• 吉姆正在解決Google有如吃電怪獸的資料中心。
• 維達正在解決……我不認為他實際上是在解決圍棋的問題。我認為他真正在處理的，其實是人腦處理複雜問題的能力有限。

好，那凱蒂、吉姆和維達的特殊優勢是什麼？剛才提過，優勢有3種。

第一種優勢：能力

能力是指你能做到很少人能比得上的事。如果你在大公司上班，你可能享有知名品牌的好處，或是專案有很多預算；如果你替迷你的新創公司工作，你的能力有可能是專注與快速行動。不過，最能派上用場的能力通常是傳統的專業技能（know-how）：

• 凱蒂是機械工程專家，主要做工業控制。
• 吉姆也是機械工程師，專長是資料中心。
• 維達是電腦科學專家，專門做人工智慧。

凱蒂、吉姆和維達在各自的領域都是世界級的人才，但光是他們的能力，還不足以完整呈現他們的獨特優勢。

第二種優勢：動機

動機是你想解決這個問題的特殊原因；你願意傾盡心力的事，別人不一定願意。動機也很重要，因為動機能指明一條路，讓你躍躍欲試，知道該在何處以什麼方式發揮長處。

凱蒂、吉姆和維達3位未來的創辦人，全都想要解決重要的問題，帶來正面的改變。很多人當然都想「讓世界更美好」，但唯有動機十分明確的時候，才能協助你決定該做什麼，所以講得再明確一點：

• 傳統的工業控制系統升級方式讓凱蒂沮喪。
• 實體系統的限制讓吉姆沮喪。
• 維達想運用AI替人類解決大型的問題。

注意到了嗎？以上3人中的2人，主要是沮喪帶來了動力。世上最優秀的產品，有的就是源自為現況感到憤慨、困惑、惱火、痛苦或抓狂。你不一定要從偉大的願景起步，憤怒也能帶來力量。

好，能力和動機加在一起後，3位未來創辦人的優勢變得更獨特。但他們分別會開哪種公司？讓我們進一步了解他們的故事。

AlphaGo獲勝，意外開啟AI節能實驗

2年後，在2016年3月9日，維達站在南韓首爾四季飯店的會議室，透過現場影片串流，目不轉睛地看兩個人比賽圍棋。

棋桌的一方坐著李世乭，他是拿過18次世界冠軍的專業棋士。另一方則是業餘人士兼維達的同事。

維達看著同事下一個白子，接著注意力一下子回到會議室。電腦螢幕顯示數十張圖。「勝率圖」頓時表示對白方有利。

電腦認為能打敗看似無敵的冠軍李世乭。

過去幾天，維達和團隊成員把會議室改造成臨時的控制中心。AI程式AlphaGo就是他們設計的。他們在控制中心把AlphaGo認為棋子該怎麼下，轉告給維達的同事，那名同事負責把棋子擺到真實世界的棋盤上。

只不過李世乭其實是在和AI比賽，不是什麼祕密。裁判知道，李世乭知道，每個人都知道。全球各地轉播這場比賽，數百萬人觀戰，不過大部分的圍棋專家都認為圍棋太複雜，電腦不可能獲勝。

然而，在那個首爾的3月天，AlphaGo贏了。

從圍棋想到資料中心

數千英里外，吉姆仍在設法改良Google資料中心的冷卻系統。AlphaGo的故事如火如荼展開時，他偶然聽到這件事，備感著迷，開始追蹤首爾的最新情形，一點細節都不放過。

吉姆挖掘細節時得知，AlphaGo的AI使用「深度強化學習」（deep reinforcement learning）這個突破性的方法。吉姆冒出一個瘋狂的點子。深度強化學習會不會有助於冷卻資料中心？

維達的團隊替DeepMind工作，而DeepMind是Google旗下的公司。雖然吉姆沒見過他們，但嚴格來講大家都是同事。維達於是寄電子郵件給DeepMind團隊，解釋他的瘋狂點子。

維達認為這個資料中心的挑戰很吸引人，同意試試看。接下來密集的幾星期，維達、吉姆和DeepMind的工程師團隊，寫出新的深度強化學習程式，把Google資料中心的冷卻系統，交給這個新AI負責。

電力使用起初暴增，因為AI做起實驗，隨機調整控制設定，就像小朋友亂按汽車音響上的鈕。不過，AI也和幼兒一樣會學習，強化有效的策略，用電因此出現改善，最後和AlphaGo一樣超越人類，Google資料中心的用電因此銳減4成。

3位專家聯手，把AI帶進工業廠房

2019年，吉姆和維達結識凱蒂。3人開始討論如何能在Google以外的世界，減少能源浪費。

吉姆和維達相信他們能大幅改善工廠的能源使用，但需要借重凱蒂的實務知識，才有辦法設計、販售與裝設解決方案。吉姆和維達熟悉的是Google經過精心設計的資料中心，而工業廠房的世界遠比那混亂，凱蒂則熟悉這個領域。3人決定放手一搏，辭去工作，在2019年底成立新創公司淮德拉（Phaidra）。

他們從大膽的專案起步：企圖運用AI讓各種工業廠房更有效率。他們測試點子，學習如何建立顧客的信任感，談成第一筆生意。

第三種優勢：洞見

3人能成功的原因是第三種優勢也登場：洞見。

洞見是指對問題與顧客有深入的了解。洞見讓你擁有別人沒有的觀點。吉姆有資料中心的洞見，維達有深度強化學習的洞見，但淮德拉的策略能成真，仰仗的是凱蒂具備工業廠房，以及擁有那些工廠的企業如何運作的洞見。

淮德拉3位創始人的能力與洞見加在一起，得出獨特的東西。你可以想成一條等式：

能力＋洞見＋動機＝特殊優勢

凱蒂、吉姆和維達見面時，心想：「天啊！想想我們聯手能做到的事！」淮德拉公司或許算極端的例子，但你也能和團隊利用特有的優勢，帶來屬於你們的「天啊！」時刻。

＊本文摘自時報出版《商品決勝點》

責任編輯：徐惠琬
核稿編輯：倪旻勤