【MMDays】用寫程式改善政府效能，台灣辦得到嗎？|數位時代 BusinessNext

在美國求學時，我曾經在美國國慶日的時候，到 San Jose 看國慶煙火。附近居民扶老攜幼，拿著板凳把公園擠得水洩不通，美國國慶煙火不分地點，大家都愛看，很多人也順便從家裡帶來準備好的食物就地野餐，或是到旁邊的園遊會攤子，買一些食物就這樣吃了起來。然而，最令我印象深刻的，不是漂亮的煙火，而是散場後讓我感到驚訝的一個景象：一個黑人家庭，屁股大到坐飛機時需要買兩個機位的黑人媽媽，大聲喝令旁邊跑來跑去嬉鬧的小孩子，要他們把周圍的垃圾收拾好、撿起來丟到垃圾桶，然後我就看著這個黑人家庭，一路撿垃圾、一路走回家，他們撿的大部分垃圾都不是他們自己製造的。而他們走回去的那條路，被他們撿得乾乾淨淨，不需要其他人再打掃。

這才是教育。

我曾經開玩笑地跟身邊的朋友提出一個隨便想到的 idea：想要系統化的評量人民的公德心，應該可以看一個簡單的指標：「下水道蓋子旁邊的煙頭數量。」每年做個抽樣統計一下就知道了，然後我還取了個名字叫「煙頭指標」。不過講歸講，其實也只是揶揄一下那些亂丟垃圾的人。

會想起這個故事，是因為前幾天我在 TEDxTaipei 上面看到一個很棒的演講： Jennifer Pahlka：如何用程式打造更好的政府？

這是一段不過短短 12 分鐘的演講，內容是說 Jennifer Pahlka 發起的一項計畫「 Code for America 」，這個計畫每年邀請一些科技人士及才華洋溢的設計師，請他們休假一年，這段休息期間去他們最痛恨的「政府」做事，讓他們在政府部門開發應用程式，探索一些改善社會、改善政府效能的可能性。

演講中舉出一個例子：去年 2 月波士頓大雪，把消防栓都埋住了，當地政府對此毫無作為，眼睜睜看著一支支消防栓被大雪掩蓋。所幸，此時 Code for America 正好有一個團隊在波士頓政府做事，於是開發了一個 app，讓使用這個 app 的人可以去「認養消防栓」，認養的意思是說：如果你的消防栓被雪埋住了，你願意去把它挖出來，你甚至於可以為你的消防栓取個名字。這個 app 非常容易撰寫，上線後也如星火燎原般地擴散。遠在夏威夷的一個政府 IT 部門員工注意到了這個 app，立刻把同樣的 idea 應用在當地的「海嘯警報器」上面，讓當地的人去認養和維護海嘯警報器，確保居民的安全。西雅圖政府也如法炮製，利用同樣的 idea 讓當地居民去清理堵塞的排水孔。

一個小小的 app，竟然發揮了這麼大的效用。

Code for America 因此是一個很棒的行動計畫，這群人想要透過網路、透過 app、透過鍵盤，改善自己的國家和政府，而且他們已經有成功的故事。台灣也有有志之士，發起了類似的 Code for Tomorrow 計畫。不過比較令人憂心的地方在於，我發現到，這個行動計畫成功的重點不在政府，而是在於人民的素質，所以我想到了文章開頭的故事。內心疑惑著：「台灣人究竟願不願意以這樣的方式來維護自己的公共環境？然後改善政府效能？如果台灣人平常連維護公共環境的公德心都沒有，類似的行動計畫是否死路一條？」

到「 Google 搜尋滿地垃圾」，就馬上可以發現台灣人的公德心還有很大的進步空間：演唱會、燈會、跨年晚會 … 每次留下來的都是堆成山的垃圾。

美國人看到自己的國家快爛了，會開始反省，如何改善自己的社會、以及改善自己的政府。台灣人看到自己的國家快爛了，會趕快想辦法去當外國人。

這就是最根本的差異：人民對於自己的國家沒有向心力，凡事先以自私自利為出發點，導致環境的破壞、利益團體的惡鬥、以及癱瘓的政府。

當美國已經想到以「軟體」結合「公德心」來改善自己的社會和國家時，台灣剛好兩個都比較缺乏。所以我認為台灣要迎頭趕上這波「用軟體和網路改變政府」的熱潮，還有很長的一段路要走。台灣的軟體產業不發達，軟體從業人員的薪資比起硬體廠商的薪資差了不少，能夠發揮的舞台也很有限，這也連帶造成這些軟體從業人員得先考慮找到工作、填飽肚子，而不是先考慮參與 Code for America 這種富有理想性的行動計畫，很遺憾，馬斯洛的需求理論在這裡同樣適用。但是我依舊衷心地希望 Code for Tomorrow 能夠像 Code for America，在社會中發揮一些正向的力量，雖然沒有公德心的人，腦子不可能一天就被清洗乾淨，但是身為與網路一起長大的世代的一份子，我還是相信「軟體」和「網路」終將扮演改善我們社會的重要角色，雖然台灣起步很晚，但是並不絕望。

也希望台灣政府能深切瞭解到，「軟體」和「網路」正以不可思議的方式和力量在改變整個世界，軟體與硬體不同，不但變換無窮，對於社會造成的效應也有許多不可預測的特性，而相信以台灣人的創意，如果有一個良好的軟體產業和網路環境，絕對可以用非常快速和低成本的方式，發展出一些令人意想不到、但是卻讓我們社會更好的強大力量，如果政府能增加投入在軟體產業和網路環境的資源，把對於傳統電子產業的關愛，移轉一些些到軟體產業上，不僅產業可以轉型升級，連帶著社會也可以獲得改變，甚至於最後也回過頭來改善了政府的效能。

我們絕對需要一股這樣「軟性的力量」，來改善社會。

出自 Mr./Ms. Days (MMDays)

曾是台灣製造業重要根基的塑膠射出產業，如今正面臨人才斷層危機。尤其桃園聚集大量工業區與製造業者，老師傅退休、新人才接不上的現況，更是許多工廠正在面對的現實難題。

從汽車零組件、網通設備、醫療器材到半導體載具，許多產品都離不開射出成型。智穎智能創辦人暨執行長張詠翔指出，全球塑膠射出市場規模超過 3000 億美元，每年仍以約 3% 至 4% 的幅度成長。需求並未消失，只是製造基地從台灣、中國逐步往東南亞等地移動。但機器可以搬、訂單可以轉，老師傅數十年累積的經驗卻很難複製。

這道人才缺口，正是 2020 年成立的智穎智能切入市場的機會。團隊從桃園中原大學的研究能量出發，歷經近十年研究與工廠驗證，嘗試把老師傅腦中的射出經驗，轉化成可以計算、保存與持續學習的 AI 模型，解決產業第一線面對到的挑戰。

把老師傅經驗交給 AI，射出成型從「導航」走向「自駕」

「餐廳沒有廚師是不行的。有再好的設備，不會做的人還是會把它做失敗。」張詠翔如此比喻射出成型的技術門檻。當模具完成後，生產現場仍得依產品、材料與機台特性，調整溫度、速度、壓力、位置等條件；即使使用同一種塑料，不同產品的調整方式也可能完全不同。

而老師傅的珍貴之處，不只是記住參數，而是知道面對材料、機台與環境變化時如何修正。智穎智能要做的，就是把這些難以傳承的「火候」拆解成可以運算的製程邏輯。目前其 AI 解決方案已應用於超過 200 種材料、50 多種產品類型。

把老師傅的經驗轉化為製程邏輯後，第一步就是讓 AI 協助操作人員找到合適的成型條件。智穎智能為此開發智能成型導引系統，工廠只要輸入材料、機台規格、產品尺寸等資訊，sMolding 便能計算第一組成型參數；若試模後出現產品缺陷，再由 sTroubleshooting 提供修正建議。

「它就像導航。我今天告訴你要從 A 點到 B 點，但不知道路怎麼走，導航會把路徑算給你。」張詠翔說。對射出成型而言，這條「路徑」就是溫度、速度、壓力與位置等參數如何組合。以半導體載具試模為例，傳統方式需 7.5 小時，導入系統後縮短至 2 小時，材料使用量從 23 公斤降至 8.7 公斤，整體試模成本降低 64%。

但找到正確參數只是第一步，真正進入量產後，工廠面對的「路況」還會持續改變。溫溼度、材料批次與機台耗損，都可能讓原本設定好的製程條件產生偏移。智穎智能因此進一步開發 StabMolding 成型穩定模組，透過射出壓力數據持續監控品質，並依生產狀態自動補償關鍵參數。換言之，AI 不只在試模階段提供一條正確的「導航路徑」，進入量產後還能因應製程變化持續修正，進一步朝「自駕」邁進。

從產線驗證到海外布局，桃園如何助攻智穎智能跨過0到1？

但要讓 AI 真正走進工廠，智穎智能採取 SaaS 訂閱模式，將核心運算留在雲端持續學習與更新，降低中小型製造商一次投入大量資金的門檻。另一項差異則是「跨廠牌」。現實中的射出工廠往往同時擁有台灣、日本、歐洲不同品牌與年份的設備，因此智穎智能的方案既能導入既有設備，也能與射出機、控制器業者合作，在新機出廠時直接整合。「一個工廠不會只有一個廠牌，就像你家的車庫不會永遠只放同一品牌的車。」張詠翔說。

對智穎智能而言，AI 真正走進製造現場的關鍵，在於不同世代、不同品牌的設備都能導入。只是對工業 AI 而言，降低導入門檻還不夠，更關鍵的是能否取得真實產線反覆驗證。對從中原大學研究成果衍生創立的智穎智能而言，桃園不只是公司所在地，也提供了技術走向市場的第一塊試驗場。「對新創來說，第一個就是要經費、要人才、要場域，再來就是客戶與合作夥伴資源。」張詠翔說。

成立初期，團隊透過桃園市政府研發補助、新創競賽與基地進駐等資源，降低早期研發與營運負擔。更重要的是，桃園密集的製造業聚落，本身就是智穎智能最直接的潛在市場。透過市府串聯工業區與在地企業，智穎智能在創業初期接觸到位於桃園的「良器」，成為公司第一個客戶。從概念驗證、產品調整到實際導入，合作一路延續至今。對必須進入產線反覆驗證才能成熟的工業 AI 而言，第一個願意開放場域的客戶，意義遠超過第一筆營收。

如今，從桃園製造現場磨出的解決方案也開始往海外走。「日本這一次，完完全全都是桃園市政府帶著我們去做這件事情。」張詠翔表示，透過市府帶領團隊前往日本神戶，智穎智能接觸當地官方與企業資源。在市府引薦下，團隊成功對接了神戶知名加速器，更取得日方針對外資新創設立公司與拓展市場的兩階段實質補助資訊。目前團隊正籌備日本布局，為下一階段海外市場拓展做準備。

AI 解決「怎麼生產」後，下一步是「替誰生產」

當 AI 開始解決「怎麼生產」，張詠翔看到的下一個問題，是「替誰生產」。部分製造商提高生產效率後反過來問他，如果我的產能多了 20%，但沒有多 20% 的訂單，我何必要做那麼快？

這個問題催生了智穎智能下一階段的製造媒合平台構想。隨著供應鏈分散至不同國家，品牌要在海外重新尋找符合特定規範與製程能力的供應商，也愈來愈困難。團隊因此希望串聯既有使用 AI 方案的製造商，讓品牌端能依條件尋找供應商，也讓製造端的閒置產能有機會被看見。團隊預計 2027 年上半年推進平台服務，初期規劃串聯超過 200 家製造商與破千台機器。

從中原大學的研究，到桃園工廠提供第一個實際驗證場域；從把老師傅經驗變成 AI「導航」，再走向能自行修正製程的「自駕」，智穎智能試圖數位化的，是製造業最難被保存的資產：人的經驗。而當全球供應鏈持續移動、製造基地愈來愈分散，這套從桃園工廠磨出的 AI，下一步不只要替老師傅找到數位接班人，也要重新連結散落全球的製造能力。
而「Meet 桃園+」也期盼持續透過計畫的媒體報導與宣傳資源，將更多像智穎智能這樣扎根在地、走出海外的創業故事傳遞出去，讓外界看見桃園豐沛且具實戰力的創新動能。