筆者身邊有友人最近正在籌組一家AI應用公司。他說身邊同樣創業的朋友最常問的不是他產品做甚麼，而是準備請多少人；於是他來問我取經。我的答案是：第一個完整團隊最多約十人，而且不會第一天便把十張椅子坐滿。真正應該先問的，並非「公司能請得起多少人」，而是「哪些事情老闆堅決不自己做」。

今天不少AI企業，實際並不訓練基礎模型，而是運用現有模型，配合檢索增強生成、AI代理、領域數據和系統整合，把某個行業的工作流程重新設計。這並非低一等，只是公司類型不同。前沿實驗室以算力、模型研究和訓練數據建立能力；AI應用公司則以工作流程、專有評測、可靠部署、用戶體驗和分銷創造價值。若不做基礎模型，卻照搬實驗室的組織架構，便是用錯尺量自己。

其實市場數據已顯示新的規則。Carta今年公布的報告指出，2025年種子期初創團隊人數中位數只有四人，Series B平均人數亦由2023年的53人降至45人。 一項2026年哈佛商學院工作論文比較同產業、同批次的美國創投公司，發現AI原生初創平均人數少約四分之一，工程師比例較高，管理層和初級職位較少，組織亦較扁平。 Ravio以逾1,500家公司數據分析，Series A及B的AI-first初創人數中位數為73人，較其他初創精簡34%，但專業職位薪酬中位數反而高36%。 換言之，AI公司不是少請人以壓低成本，而是少請、請精，讓每個人承擔更完整的成果。

因此，我的招聘會分三步。第一階段只需五至六名核心成員，先證明客戶真的願意為問題付費：一名產品及商業負責人、一名熟悉行業流程的領域專家、兩至三名產品工程師，以及一名AI工程師。取得付費試點後，才擴充至約十人，補上AI代理與評測、平台數據與保安、產品設計及用戶研究、客戶實施與成功等能力。這不是十個互不相干的職位，而是十名既能設計、也能動手、並對結果負責的「超級增值人」。若面向政府、金融、醫療或企業內部部署，再按需要增加合規及解決方案工程，初期約十二至十四人已可形成完整交付能力。

不過，小而精不等於把公司變成「單點故障」。核心程式、提示詞、評測方法和客戶知識，不能只留在某一人的電腦或腦袋裏；文件、覆核、交叉培訓與備援必須從第一天建立。組織可以扁平，治理不能單薄。

人數之外，更重要是資源放在哪裏。基礎模型、通用算力、標準雲端和一般企業軟件應該購買或租用，沒有必要重造輪子；最痛的客戶流程、專有數據權利、領域評測集、模型路由、權限管理、人在迴路（human-in-the-loop）、成本和準確度控制，則必須牢牢掌握。前者是水電煤，後者才是護城河。只把一個聊天介面接上模型，當然容易被取代；能夠把客戶十個步驟縮成三個，並證明結果更快、更準、更安全，才是真正的AI產品。

第三類資源應來自合作，而不是僱員名冊。行業客戶提供場景和反饋，雲端與網絡安全夥伴提供基建，法律與合規專家建立信任，大灣區團隊支援工程與交付，大學則可連接人才和科研。香港AI初創若甚麼都自己養，成本必然過重；若甚麼都外判，又只剩一個品牌。關鍵是分清楚：通用能力可以借，核心判斷不能借；技術組件可以換，客戶信任不能換。

何時再請人，也不應由融資額決定，而應由里程碑觸發：付費試點增加、客戶留存成立、部署需求超出團隊容量，或法規與保安工作需要專責人員，才是增聘訊號。產品市場契合以前，過早建立完整銷售、營銷和中層管理架構，只會把尚未驗證的假設變成固定成本。早期應看多久能推出付費試點、客戶是否續用、每次部署的毛利、答案準確度及需要多少人工介入；收入穩定後，再看每名員工收入，而不是把人頭增長當作公司成績表。

香港人才成本高、資本珍貴，表面看是限制，反過來卻逼使創業者建立更高密度的團隊。香港真正的優勢，也不是與大型科技公司比人多，而是把國際市場、專業服務、行業知識、大灣區工程能力和可信制度組合成產品。AI把基礎能力商品化之後，價值沒有消失，只是由「誰擁有最大模型」移到「誰最懂得把模型嵌入真實工作」。

筆者給朋友的答案因此很清楚：先以五至六人找到付費問題，以十人建立完整產品和交付能力，再按客戶與監管複雜度擴充至十二至十四人。這不是放諸四海皆準的公式，而是一條紀律——每增加一個職位，都要能說明它解決哪個瓶頸、創造哪項成果。

AI應用公司的正確規模，不是它最多可以容納多少人，而是最少需要多少人，便能持續交付完整、可信、可收費的價值。AI時代，座位數不再等於實力，成果密度才是。

撰文：陳迪源 （香港創科發展協會創會主席）