國內外多項企業調查顯示，生成式AI或AI Agent在行銷、客服、軟體開發等場景的生產力效益已獲量化證實。在這個效率爆發的年代中，AI作為「效率工具」的價值已無疑問。然而，市場現在開始關心的問題是：會造成下一波市場價值爆發的事情將從何而來？
人工智慧（AI）帶來的效率提升，如今已是可驗證且隨處可見的情形。從客服中心導入AI Agent縮短回應時間、軟體工程師以Coding Agent輔助撰寫程式碼，到企業以AI Agent自動化行政流程，各種效率紅利已從「概念驗證」走入日常產銷人發財的營運面向。
生產效率爆發的年代已來，然後呢？
國內外多項企業調查亦顯示，生成式AI或AI Agent在行銷、客服、軟體開發等場景的生產力效益已獲量化證實。在這個效率爆發的年代中，AI作為「效率工具」的價值已無疑問。然而，市場現在開始關心的問題是：會造成下一波市場價值爆發的事情將從何而來？
回顧上一波經典的案例。2014年Google以約4億英鎊收購倫敦的DeepMind，當時外界多半不解Google決策的原因：一家沒有產品、沒有營收的研究實驗室，為什麼值這個收購價？直到答案在2016年揭曉：AlphaGo擊敗世界棋王李世乭，讓深度學習與強化學習（Reinforcement Learning，RL）一夕之間成為全球焦點。
爾後，更深遠的影響是AlphaFold，它破解了困擾生物學界五十年的蛋白質結構預測難題，DeepMind執行長Demis Hassabis與研究員John Jumper更因此獲得2024年諾貝爾化學獎。Google對DeepMind的投資證明了一件事：有耐心地對以研究為主的實驗室進行長期投資，其回報會對組織帶來開創性及整體性的影響。
矽谷資本轉向，從NeoCloud又走向NeoLab
十年後，類似的劇本正在矽谷重演，只是規模放大了數倍。近兩年市場先是見證了「NeoCloud」的崛起（Neo是一個來自希臘語的英文詞首，代表「新的」或「現代的」）——CoreWeave、Lambda等專為AI工作負載打造的新型雲端業者，以GPU算力租賃快速竄升為資本市場寵兒，證明AI基礎設施本身就能撐起千億美元級的產業。而在算力供給逐步到位後，資本的目光開始沿著價值鏈上移，除了算力，誰能產出下一個突破性的模型與領域科學的研究成果？「NeoLab」的概念便在此趨勢下應運而生。
全球AI研究實驗室的私募估值總額已逾兆美元，且絕大多數集中於少數幾家「前沿型」（Frontier Model）實驗室及公司。創投開始尋找下一個報酬來源，目光正是落在NeoLab——研究優先、深耕特定領域、擁有專屬資料語料與驗證迴圈的新型AI實驗室。這類公司往往在沒有營收、甚至沒有產品的階段，就能募得數億至數十億美元資金，反映的正是資本對「下一個DeepMind或是OpenAI」的期待。
幾家代表性公司勾勒出這波浪潮的輪廓，其共同特徵是由頂尖實驗室出身的研究者領軍，且不急於推出消費級產品，而是讓AI本身成為研究的「執行者」與「發想者」。
東京的Sakana AI由Transformer論文共同作者Llion Jones與David Ha及Ren Ito三人共同創立，以演化式演算法融合開源模型來做出其「AI Scientist」，該系統已會自動提出假說、設計實驗、撰寫論文，2025年底完成Series B後估值近27億美元，Google、三菱電機等均為策略投資人。
由卡內基美隆大學前教授Deepak Pathak與Abhinav Gupta衍生創立的Skild AI，致力打造機器人的通用大腦「Skild Brain」，讓同一個「機器人大腦」可控制不同形體的機器人執行各種任務，2026年1月獲軟銀領投14億美元，估值已達140億美元。
麻省理工學院電腦科學與人工智慧實驗室（CSAIL）衍生的Liquid AI，由MIT CSAIL實驗室主任Daniela Rus與研究員Ramin Hasani、Alexander Amini等人創立，跳脫主流Transformer架構，開發經由動力系統、訊號及生物神經系統啟發的LFMs（Liquid Foundation Models），以更低運算與記憶體需求在邊緣裝置上執行，獲AMD領投2.5億美元，估值逾20億美元，並且在2026年7月間還和合作夥伴Vago Solutions獲得訓練德語小型語言模型的需求。
OpenAI前技術長Mira Murati率領多位OpenAI核心研究員創辦Thinking Machines Lab，聚焦人機協作與模型的開發為主，並在2025年以20億美元種子輪（估值120億美元）創下史上最大種子輪紀錄。2026年5月曾展示了最新的「即時互動模型」，不同於以往一問一答的多模態模型，Thinking Machines Lab的模型可在200毫秒內邊思考、邊回應使用者，以此創造更自然的互動體驗。
上述這些公司把資本投入長週期的基礎研究，在特定領域建立通用模型難以複製的護城河；更深一層的意義是，AI正從回答問題的助手、執行任務的代理人（Agent），走向能夠產生新知識的創新者（Innovator）。當AI開始承擔前瞻研究工作，科學發現的速度與成本結構都將被改寫，這正是NeoLab被資本市場賦予高估值的核心想像。
義布局下一個十年
對臺灣而言，這波AI浪潮帶出我國在世界的重要性，無論是半導體、伺服器、零組件等硬體皆在全球AI供應鏈中扮演不可或缺的角色。從國外在投資NeoLab的浪潮中提醒著我們：下一波AI價值來自更專業的領域運用及深耕、研究人才與長週期投資，而這些恰是臺灣在積極發展AI硬體時需再著眼施力的地方。
臺灣握有特屬領域的利基，像是半導體製程資料、精密製造知識、醫療資料庫，都是國際通用模型難以取得的領域語料。可思考以公私協力的方式，運用主權基金或產業聯盟，篩選二至三個利基領域，成立研究優先的實驗室，以AI Native的角度來解決行業關鍵難題，並接受五至七年沒有商業訊號的耐心資本邏輯，讓世界知道臺灣不只是做別人創新的代工角色，也以長期主義的角度，在下一個產業競爭的十年裡，持續扮演引領的要角。
思考課題，以長期主
WRITER
本文作者韓揚銘現任資策會MIC資深產業顧問兼主任，專業於人工智慧與智慧製造產業研究，關注發展技術趨勢、應用與大廠策略研究。具十年以上產業與智庫研究經驗。曾任緯創資通資深產品/技術經理，國立中央大學、銘傳大學、醒吾科技大學兼任講師。資策會產業情報研究所（MIC）長期觀測高科技產業市場情報與發展趨勢，是臺灣資通訊產業與政府倚重的專業智庫。