本文接續物聯網來得又急又猛（上） ── Google 為何併購 Nest？
近幾年，從智能家電、智慧電網到遠端居家照護等名詞大家耳熟能詳。事實上這些都是物聯網的一部分。物聯網到底是什麼？
物聯網（IoT）一詞最早是 1998 年由 Kevin Ashton 所提出。從此以後，物聯網就成了市場上的顯學。今天物聯網的定義更加明確。根據 CASAGRAS 的定義：
物聯網就是一個全球化的網路基礎建設，透過資料擷取以及通訊能力以連結實體與虛擬物件 . . . 透過網際網路的發展，物連網可透過特定的機制，將所有物件連結在一起，以供控制、偵測、識別，並交換所有的資訊。下面兩張圖充分說明物聯網未來將如何掌握這個世界。
圖片來源：The Intel® Intelligent Systems Framework
圖片來源：Libelium (2013) 50 Sensor Applications for a Smarter World
Gartner 分析師 Steve Prentice 在 2012 年十月提出 Internet of Things 會演化為 Internet of Everything（IoE），為物聯網提供了一個很好的方向。Cisco 很快的跟進，針對 Internet of Everything 提出了以下的概念，顧名思義就是所有東西全部連上網路。
例如，當使用者帶著蘋果產品走進店裡，收集相關資料後，透過 iBeacon 的技術，可收到店家傳送的促銷訊息。家中的冰箱，冰箱內部安裝感測器，判斷食物的多寡以及重量，在食物不足時傳送訊息給使用者，並適時提供附近店家的促銷訊息，甚至直接購買並快遞到府。這樣的使用情境，充分說明了上圖的四個構成 IoE 的重要元素：物件、數據、用戶以及資訊處理。
一般估計在 2019~2022 年，連上網路的物件數量會達到 300 億到 500 億之間，同時產值會到達 2 兆美金以上。（IDC 估計 2020 會有 2120 億個設備連網，太扯了點……)
這是一個可透過網路接收及發送，並收集資料的環境。不同的社群、設備、感測器以及 App，在平台上交換訊息，提供可能的服務給彼此，並據以獲利。最後的生態系統很可能如下圖：
在物聯網時代，會看到硬體製造商、軟體供應商、網路服務公司…等公司結盟。這會刺激業者進行跨領域的整合以及合作，產業生態以及商業模式都會有大幅度的變化。
Source: Cisco 2013
細分之後會發現有很多應用，包含廣告、智慧電錶、智慧大樓、醫療、教育、工廠等，每個都是現在的當紅炸子雞。
雖然物聯網的成長可期，但仍有許多安全問題待解決。最近物聯網被駭客攻擊，送出 75,000 封垃圾信，便顯示出物聯網的安全性漏洞。
當所有設備都是物聯網的一份子時，車子也可能被網路攻擊控制。或是壞人透過電力線，能輕易癱瘓家中所有防盜設備。Gartner 預測，未來的 IT 危機之一是使用者預期 IT 業的能力，會高出 IT 業實際的能力許多。
物聯網的另一個副作用是個人遭到攻擊的誘因提高。以前，駭客破解軟體、防火牆，甚至攻擊國家單位的資料庫，多半是為了樂趣跟成就感；對於個人設備則興趣缺缺，因為不符合經濟效益。
但當你身邊的所有設備，包含手機、信用卡刷卡記錄、車子、冷氣、冰箱、電費水費、看過的電視節目、搜尋記錄，都可被收集；而且透過這些連線記錄、足跡，甚至可擴大追朔到你的朋友、家人、公司等資料；或是透過用電量分析，可以輕易的知道住戶現在是否在家，或是長時間出門在外時，這些私人資訊，不可謂不珍貴。此時安全及隱私問題也隨之而來。
這些問題還會因為以下 5 個理由加劇：
1. 風險認知低落
你有為設智慧型手機或是平板裝設防毒軟體嗎？
大部分的使用者都沒有裝任何防毒軟體，或是僅裝設免費的防毒軟體。根據 VDC 及 M2M 針對網路安全意識的研究，大部分的使用者對於手機以及平板的防護其實很低。主要原因是防護軟體價位太高、不熟悉、或是不知道自己需要的是什麼。更多人認為，倒楣事不會發生在自己身上。
2. 設備太多
2020 年 IoT 的設備數量將會達到幾百億個。在這個密密麻麻的架構裡，每個設備彼此之間可以對話，每個設備都很可能是弱點，因此要保護的設備數量就會大增。當數量增加時，其整合及管理困難度是呈等比級數上升。
3. 設備太弱
並非所有連線的設備都像手機或 PC 擁有 32 位元甚至 64 位元的處理器。在一個網狀架構裡，為了讓所有設備能彼此對話，加密技術就得配合這個網路裡面最笨、最慢的設備。總不能期待門鎖是 64 位元處理器吧？此時就可能產生漏洞。
4. 使用者耐心有限
假設所有設備都很厲害，加密技術就會變得很複雜，每一段時間就需要重設密碼。此外電視、冰箱、門鎖甚至家裡的無線分享器都必須更新軟體。有多少人會有耐心設定很複雜的密碼以達成高防護要求呢？你記得起上次為 PC/NB 以外的東西更新防毒軟體是何時嗎？
5. 零失誤率的要求
近來遠通 eTag 的新聞吵得不可開交。若是類似問題發生在智能家電或是智慧電錶會如何？
若家裡的冰箱誤判食物存量，自動刷卡買了一整個冰箱的食物，那還算好。若車子速度控制器故障，造成人員的傷亡；或電力系統出錯，使得整個社區的電力中斷，因而造成人員傷亡或財物損失。此時無論使用者或政府，都不可能容許這樣的事情。但要達到系統零失誤率，必定大幅增加執行上的困難。(但某國政府的戶政系統及eTag…似乎就不是這麼一回事)
物聯網要大幅普及，必須移除使用者對安全性的疑慮。這些設備的使用期限少則數年，因此持續的更新軟硬體，是唯一保障安全的方法。
購買設備之後，必須進行初始設定、加密，並進行使用者權限設定。每隔一段時間進行韌體更新，以提高防護等級。同時，在硬體不敷使用時，更新硬體設備，以保障用戶的安全性以及隱私。
同時，IoT 相關供應商必須提供更好的系統解決方案。政府亦必須即時建立法規，防止資料濫用，才能保障整體安全性以及隱私。
克服了安全性的問題之外，必須有好的產品以及商業模式，物聯網才能真正打開市場。
考慮消費性產品價格競爭激烈，加上大部分的產品偏向負面情感的產品，或非生活必需。因此物聯網要普及到一般使用者，必定要能夠滿足方便、安全以及費用低廉等三個要求。
討論 IoT 的商業機制，可從其中稍稍成熟的保全系統的演變略知一二。
安裝保全系統，有很多種付費方式：綁約、每月付高額管理費，並向保全公司租用設備是一種，如 ADT；向系統商買斷設備，付較低月租、由保全公司協助偵測是另一種，如 Honeywell。無論哪一種，使用者都必須支付一定的金額購買設備，同時支付月租費維持營運。
月租費通常包含一筆連線費，是保全公司為了確保連線穩定，向電信公司拉專線的費用。通常保全公司會聲稱這個費用由電信公司收取的，其實有時是由保全業與電信業拆帳。
但現在網路速度加快，搭配流量管控，即使不用專線也可保證連線穩定。從 Nest、Belkin 的 Wemo，到 Canary，都僅透過家中的 Wifi 操作。使用者不需要再支付額外的費用。加上技術發展成熟，擁有通路及設備的電信公司也加入了智慧家電戰場。
到目前為止，電信公司、保全業者、網路巨擘、新創公司等全都加入了這個戰場，甚至有更多的公司前仆後繼的要大展拳腳。
由電信費補貼硬體？很難。家電不像智慧型手機，可以炫耀、帶著走，比較少情感層面的消費慾望。使用者不見得願意為了買這「奢侈品」而被電信公司綁約。
因此，硬體付費比較可能。使用既有的網路架構（Wifi），不須使用者額外拉線，接受度才會高。
如果由軟體入手，入門免費的趨勢已逐漸成形。例如 Dropbox 說了每個使用者雲端資料管理可接受的費用在0.5~1美元之間，這個數字會隨著管理難度及複雜度增加而上升。因此，具說服力的獲利模式對於平台管理、軟體服務的公司是很重要的。
進一步服務模式收費（Premium）也有可能。例如智能冰箱除了偵測食物存量、建議採購清單之外，使用者線上付費由快遞業者直接送貨到府，節省了使用者許多麻煩，有可能願意可因此收服務費。
面對物聯網，同時具備硬體、通訊技術、網路安全性、平台、數據處理、廣告發送等技術的公司，除了 Google 之外，還真想不到第二家。
若重看一次 Google 收購的公司列表，包含了機器人、聲音辨識、手勢辨識、購物網站、快遞、智能家電；加上 Google 在搜尋引擎、手機 OS 地位以及其在網路安全的用心，同時看看 Google X開發中的計畫，Google 對 IoT 的野心可窺知一二。
Internet of Everything 時代即將來臨，你，準備好了嗎？
資料來源：
1. Internet of Things Also a Security Threat #amphion
2. Libelium, 50 Sensor Applications for a Smarter World
3. The Open Group http://blog.opengroup.org/2013/06/
4. Gartner Hunting & Harvesting in a Digital World: The 2013 CIO Agenda
出自有物報告
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
「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。
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。
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。
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。
