沒有幕後團隊,哪有幕前明星──科技業的品牌、代工迷思
沒有幕後團隊,哪有幕前明星──科技業的品牌、代工迷思
2013.09.17 | 科技

*2013.8.29 **施振榮答覆記者詢問宏碁被併購的傳聞時,表示:『順其自然』。*

2013.9.3  Nokia 宣布出售手機部門予 Microsoft

2013.9.4  宏達電股價跌破140元,再創八年來新低。

四年多前筆者寫過一文,認為大家過於貶低代工、美化品牌。時至今日,這樣的迷思有增無減,但現在應該是再談談國人長久以來對品牌勝過代工的迷思的很好的時機了。
 

微笑曲線

自從施振榮在1992年提出微笑曲線,用附加價值的高低將 IT 產業區分為研發、製造、行銷之後,這個模型就成為國人評判代工與品牌兩種不同營運模式時最常使用的理解方式。而代工廠毛利率逐年下滑的事實,加上國外品牌的成功故事,似乎更印證了施振榮的真知灼見。於是社會開始形成鄙視代工、尊崇品牌的輿論。每每討論台灣產業轉型之路時,其中不言而喻的意涵幾乎都是指對品牌夢的追逐;即便不全然如此,至少也都是一面倒地認為應該揚棄代工之路,轉往它處。

[![](http://yowureport.com/wp-content/uploads/2013/09/Smile_curve.png "Smile_curve")](http://yowureport.com/wp-content/uploads/2013/09/Smile_curve.png)**施振榮提出的微笑曲線。**圖片來源:[維基百科](http://zh.wikipedia.org/wiki/%E5%BE%AE%E7%AC%91%E6%9B%B2%E7%B7%9A)

然而代工真的毫無價值­而不應戀棧嗎?品牌又真的如此美好而應全力追逐嗎?本文即試圖分析國人普遍對於代工與品牌的各種迷思。

迷思一:品牌的利潤遠高於代工 

我們就拿國內兩大代工廠鴻海、廣達與兩大品牌廠宏碁、華碩來比較看看吧。

稅前純益率上一季 2012 2011
鴻海2.85% 3.03% 2.97%
廣達2.94% 2.85% 2.93%
宏碁-0.69% -0.61% -1.56%
華碩3.90% 4.87% 5.24%

資料來源:證交所公開資訊觀測站

宏碁不但利潤比代工廠低,甚至還虧錢。其大力鼓吹品牌的創辦人施振榮如今倒是對放棄宏碁抱著「開放的態度」,還真是諷刺啊!華碩雖然的確有較高的利潤,但也沒有想像的高,而且稅前純益率仍有持續下滑的危險。相對地,代工廠已守穩在3%左右。

或許有人會說那是筆電產業比較特殊,好吧,那就來看最夯的手機產業吧。宏達電的跌勢更恐怖!

稅前純益率上一季 2012 2011
宏達電2.16% 6.73% 15.33%

資料來源:證交所公開資訊觀測站

等等!你說,怎麼不拿蘋果與三星這兩家成功品牌來比較?沒錯,這兩家公司的確賺了很多錢,但目前全世界的手機品牌也就只有這兩家賺錢。而這一點正可以帶出其他兩個迷思。
 

迷思二:代工只能賺辛苦錢,品牌才能創造價值

第一句可能沒錯,第二句卻不一定對。其實不只手機品牌只有兩家公司賺錢,其它產業也幾乎都只有前兩大能賺到錢,才有所謂的品牌價值。例如 Nikon 與 Canon、麥當勞與肯德基、可口可樂與百事可樂 . . . 。以剛被收購的 Nokia 手機部門為例,其收購金額(也就是認定的價值)相當於2012年營業額的0.3倍。而鴻海與廣達目前的市值則分別相當於2012年營收的0.25倍與0.26倍。

也就是說,如果你的品牌不是前二名,恐怕也無法創造出多少品牌價值。

迷思三:代工被取代性高,品牌才可長可久

一般大眾往往誤以為代工不過就是組裝,沒啥技術性可言,所以誰都可以做,以至於競爭激烈,容易被取代。其實代工廠也涉及許多技術與研發,更涉及全球物流、服務等複雜的後勤支援,可不是阿貓阿狗都做得來。

而品牌真的就比較長久嗎?這一點在 IT 產業恐怕無法成立。Nokia、Ericsson、Motorola、IBM、Compaq、Toshiba、Sony 都曾經是手機、PC、電視等品牌的霸主,但才幾年就被後來者取代?其競爭之激烈反遠超過代工產業!至於那些曾在十大品牌之內,而今卻已沒人記得的品牌更是不計其數。誰說品牌就比較長久了?反而幫他們生產製造的代工廠至今還活得好好的,還繼續賺錢哪!

那麼,我們可以對上述三個常見的迷思作個簡單的總結了。

迷思一:品牌的利潤遠高於代工

事實:是的,但只有極少數的成功品牌享有高利潤。

迷思二:代工只能賺辛苦錢,品牌才能創造價值

事實:是的,但品牌價值的保存期限往往很短。

迷思三:代工被取代性高,品牌才可長可久

事實:是的,但只見於食衣住行這些民生產業。回顧 IT 產業的歷史,幾乎都是曇花一現。

所以施振榮的微笑曲線只有勾勒品牌的美好幻象,而沒有指出相對的代價。微笑曲線的縱軸除了是利潤或價值,也應該填上風險與陣亡率。結果造成社會大眾對品牌的過度憧憬與對代工的不當偏見。

李宗盛在第一屆「超級星光大道」頒獎時,語重心長地對參賽者說道:『巨星並不是構成這整個音樂產業最主要的人 . . . (幕後工作者)是這個行業撐起巨星的手。』鼓勵參賽者不一定要一心只想當明星,也可以投入幕後。

IT 產業跟音樂產業很像,成功品牌固然像搖滾巨星一樣光芒萬丈,卻也往往迅速殞落;而代工就像幕後工作是永遠都存在的。我們樂見台灣也能出現世界級的品牌,但追逐品牌夢的同時無須放棄代工,更不應該鄙視代工業。做代工或拚品牌只是選擇了在整個產業的不同定位,兩者都有其價值與生存之道,都值得我們尊敬。

轉自有物報告/張瑞棋

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂Vibe Coding
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓