Meebo 即時通隨時聊八卦|數位時代 BusinessNext

這是典型矽谷創業的例子。Meebo創業的辦公室，就在史丹佛大學校園外圍的街道上，一層樓高的小平房，裝潢簡單卻不失特色。進門處，擺著一架帶有復古風味的棕色鋼琴，琴譜架上未收攏的琴譜，今年不到三十歲，本來在史丹佛大學就讀ＭＢＡ碩士課程的史汀伯格（Seth Sternberg）決定休學，把他與好友伊蓮（Elaine Wherry）及珊蒂（Sandy Jen）共同開發出來的跨平台即時通訊網路平台「Meebo」，當作他創業的出發點。
「我們常透過網路即時軟體跟朋友聯絡，但目前的即時軟體彼此不能互通，而且一定安裝軟體在電腦中，如果不在自己電腦旁邊，使用起來真的很不方便，」史汀伯格說，正因為如此，他與另外兩位創業夥伴任珊蒂及伊蓮威瑞，決定利用每個人的專長，由他負責產品策略方向，史丹佛大學畢業、曾在矽谷知名ＩＣ設計公司智霖（Xlinx）工作的珊蔕負責後端伺服器系統規劃，也是史丹佛電腦科學系畢業的伊蓮，專攻整個網站架構及介面設計。
進入Meebo的網站，只要輸入既有即時通訊的帳號密碼，經過認證後，即可以開始與朋友進行對話，不受電腦限制，甚至可以避掉企業內部防火牆，目前已有四十六種語言版本。截至今年五月，Meebo目前一天的登入人次超過六十萬人，傳送訊息量高達三百三十萬則，在上線尖峰期間，甚至一秒鐘就要傳送一千多則訊息，「能夠穩定且即時地處理訊息的交換，是我們最大的競爭優勢。」
二○○四年八月，他們開發出目前版本的雛形「Meebo3」，二○○五年九月公用正式版本上線。不像許多創業家，常常先募到了款，才開始發展產品，耶魯大學政治系畢業後，曾在ＩＢＭ工作過兩年的史汀伯格，採取先將產品開發出來，再向創投公司募集資金的策略，「假如我們先去找錢的話，我們就必須花較多的時間，處理非線上的（Offline）的行政工作，那會嚴重拖慢我們發展的速度。」三個月後，他們才對外進行第一波的募資（Series A）行動，從矽谷水杉創頭（Sequoia Backing）及瀏覽器發明人、也是網景創辦人馬克安卓森（Marc Andreesen）那邊，一共獲得了三百五十萬美元。
在募資的過程中，還發生一段小插曲。史汀伯格在朋友的介紹下，得到安卓森碰面的機會，「他覺得Meebo不只是一個網路平台工具，而是媒體，過去網站經營講的是抓住使用者眼球（eyeball）的網頁瀏覽，現在要抓住使用者的時間（user time capture），」史汀笑說，雖然他與安卓森的談話氣氛良好，但見面之後，近一個月都沒有消息，「我們還想說可能Meebo還不夠酷吧。」沒想到之後安卓森寫信給他，表明要投資Meebo成為股東的意願。
「有趣的事情現在都發生在網路上，」史汀伯格說，目前Meebo全職工作人員只有七位，但發展至今尚稱順利，使用者的回饋對他們幫助很多，「不論是在我們個人的部落格或是網站的論壇，網友都會熱心地告訴我們系統哪裡有蟲（bug）、或是提出一些關於新功能的想法，」他說，暫時放棄學業是有一點遺憾，創業的未來也可能還有很多艱苦的挑戰，但有機會走過這麼一遭，「真的是人生一段相當美好的經驗。」

Meebo／www.meebo.com
成立時間：2004年8月
執行長：Seth Sternberg
總部：美國加州帕羅奧圖（Palo Alto）
Web 2.0特點：Ajax、網路平台工具

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。