為何速度成為 AI 創業的首要競爭力
在當前環境下，**AI 技術堆疊** 的每一層都在快速演進，對創業公司提出極高的反應速度要求。Resolve AI 的創辦人 Spiros Xanthos 指出，隨著模型能力提升與用戶需求暴增，創業團隊必須同時掌握從硬體、基礎模型到使用者體驗的整體技術面，才能在市場中保有優勢。
這種快速迭代不只帶來挑戰，也同時意味著機會：能夠在「生產」層面做到更好監控與自動化的公司，將成為下一波採用潮的受益者。
從產品到生產：運營（Ops）成為新的瓶頸
隨著 AI 工具能以更快速度產生程式碼，真正的瓶頸逐漸從開發轉向「如何穩定運行生產系統」。在公開訪談中，Xanthos 多次強調，當我們能夠以 5–10 倍的速度產生代碼時，若沒有等比例的生產監管和運維能力，整體進度反而受阻。Lightspeed 的訪談也討論到同樣觀點，指出運行生產系統仍是軟體工程中最耗時、最需要人力的環節（可參見訪談片段）。
因此，**AI for operations**（以 AI 協助運營）不再是選項，而是許多企業的必備能力，因為它直接關係到營收可靠性與客戶體驗。
Resolve AI 的策略：前沿模型、記憶系統與人機持續學習
Resolve AI 自 2024 年由前 Splunk 高管 Xanthos 與 Mayank Agarwal 創立，專注於用 AI 幫助工程師即時偵測、調查與修復軟體問題，等同於軟體世界的站點可靠性工程師（SRE）。公司一方面採用市面上的前沿模型，另一方面也在構建自家的模型與記憶系統，目的是在**複雜且文件不足的生產環境中運行**，並且能夠持續向人類學習以改善表現。客戶包括 Salesforce、Coinbase、ZScaler 與 DoorDash 等。
這套策略反映出一個關鍵觀察：僅有強大的模型還不夠，還需將模型嵌入到能長期運作、具備記憶與增量學習能力的系統中，才能解決真實世界的運營問題。
市場信號：資金、採用與預測
投資市場已對這類解決方案展現強烈興趣。Resolve AI 在近期取得包括 Lightspeed 與 Greylock 等投資者領投的資金，使其在短期內躋身於「獨角獸」行列；公司宣布完成一輪資金，募集金額為 125 million 美元，並達到至少 10 億美元估值的里程碑。
此外，市場研究也指出企業對類似工具的採用率會快速攀升：根據報導，預計到 2029 年有 **85% 的企業** 將採用 AI SRE 類工具（2025 年為 5%），這樣的成長曲線正是驅動投資與技術快速演進的主要動力之一（參考資料）。
實務建議與思考：創業團隊應如何佈局
對於 AI 領域的創業者，幾項可操作的要點包括：一是把**生產可觀測性與自動化**視為核心產品能力，而不是附屬功能；二是平衡外部前沿模型的採用與內部模型與記憶系統的研發，以確保長期差異化；三是重視人機協作流程，讓系統在遇到未定義狀況時能夠「向人學習」並逐步自動化。
總結來說，AI 產業競爭不只是模型能力的較量，更是能否把模型轉化為可靠、生產級服務的比拚。正如 Resolve AI 所展示的方向，能夠在**硬體到使用者體驗**整條技術堆疊上持續投入與迭代的團隊，將在未來的市場中取得關鍵優勢。更多關於生產層面是如何成為軟體工程新瓶頸的討論，可參考 Lightspeed 與 Resolve AI 的對談影片：The Future of Software Engineering with AI。
