潘健成×宋牧奇對談:摔了跤踩了雷,就知道怎麼做(下)
潘健成×宋牧奇對談:摔了跤踩了雷,就知道怎麼做(下)
2014.10.14 | 創業

[2014年10月號雜誌精選]

潘=潘健成
宋=宋牧奇

課題2:商業模式才是最重要的

**宋:**我們2008年就開始做GPU運算,對很多產業都具有破壞性,但那時沒有發生,一直到4年後才慢慢有應用出來,包括人工智慧和深度學習。目前Facebook的人臉偵測、Google的語音識別、百度的搜索,都是基於GPU運算。技術確實比較難預測何時可以市場化,但商業模式是很明確的。

Google做搜尋引擎起家,靠線上廣告撐起背後所有一切服務,然後才變成人工智慧的公司,這就是我所謂應用資本的方法。在中國的說法是,用互聯網思維顛覆產業,像微信就顛覆了電信產業。不要只講台灣,因為市場太小,你可以瞄準世界其他地方,就當做沒有台灣這個市場,會比較健康一點。

我們的影像識別平台就是人工智慧的一部分,希望藉由這個攝影機,成為物聯網裝置的「眼睛」。我們看中的是寵物市場,美國有550億美元市場,全世界約1千億美元。你要真的解決這個市場的一些問題,例如Google解決了廣告主想要被看到的問題,我們解決了飼主照護寵物健康的問題,你就有辦法敲通資本,這就是物聯網的商業模式。

**潘:**台灣市場太小了,但台灣有硬體優勢,要多投資。以前台灣硬體被罵毛利差,但金額很高,總獲利還不錯。你說軟體很棒,毛利很高,但要養家活口養不下去。這問題類似吃白米飯重要,還是吃肉重要?所以談事情很多時候會失焦。

現在軟硬整合都在發生,所以沒那麼偉大,本來就要做。鴻海、廣達不會只做硬體,他們軟體的人才非常多。聯發科只做硬體嗎?如果他一個人做IC,後面寫軟體的人可能比例是1:5。

你覺得深圳的製造業價格很有優勢?錯。找深圳的小型工廠感覺很便宜,就好像你買車,選擇Toyota的,也可以選擇中國廠牌,後者比較便宜。但把時間拉長5年,Toyota的車子不太需要修,中國的車子卻常常出問題,結果5年後總成本其實是差不多的,這是人的盲點,只看眼前。

中國很多做設計和製造的公司,其實不怎麼賺錢,老闆自己卻賺很多。他們很多獲利來自政府補助以及退稅,公司賺錢其實是政府變相的補貼。現在中國公司都說,台灣的工程師好用,不然跑來台灣做什麼?我們在中國請FAE(專業領域應用工程師),還是菜鳥,一個月要8千元人民幣,還要加上保險跟退休金等,竟然要1萬2千元人民幣(約4萬8千元台幣)。而且我在台灣請一個人的效率,在那邊請兩個人才夠。

課題3:不要封閉自己的視野

**宋:**台灣有很多資源,硬體創業比矽谷相對容易。如果在美國你要做一個硬體的項目,別人會說,你要去哪裡找人?台灣真的超簡單。據我所知,很多矽谷的團隊跑去深圳幾乎全陣亡,沒有人知道怎麼跟他們溝通,不是產品失敗,就是點子被偷。我自己在北京待兩個月,越來越樂觀。台灣在TMT(Technology、Media、Telecommunications)還是有優勢的,無論是效率、整合性跟作法,都比中國強太多。

新創一開始去中國都會水土不服,有個「接地氣」的過程,接個1、2年是很正常的。看我朋友創業時在中國面試人,我都搖頭,很多來應徵的都很驕傲,覺得他是北京大學出來的,所以要拿1萬元人民幣以上月薪,但事實上根本沒有那個價值。台灣人就比較謙虛,甚至講難聽一點是自卑了。人才泡沫的問題在北京非常嚴重,面試10個人有11個人都這樣。

**潘:**人是多,但人才不多,而且一直跳槽。對岸的快速崛起,就像考試這件事,從50分到70分,努力一下就可以,從不懂到懂一點皮毛是簡單的。不過,要從98分進步到99分,要熬很久,如果一個人一直跳槽,實力不會深入,基礎根本打不好。

**宋:**台灣的人應該去中國看看。台灣就是很封閉、很文青的地方,如果你要考量到職涯或經濟實力,你真的要參與這個浪潮,不要把自己關在小島裡,覺得中國都是壞的。

台灣的教育、媒體跟政客都把複雜的議題簡單化、把人格單一化,好像中國都是壞人,但其實台灣也不是都好人。台灣的創業土壤很差,像沙漠一樣。我是運氣好,如果不是被投了100萬美元資金,不會活到現在,台灣需要更多拉別人一把的人。大家需要犯錯與更多經驗值,不可能一次就100分,而我們要做的就是世界標準,不要只做台灣小確幸。

**潘:**你不能說對手弱了就是你的好消息。國家的發展都走同樣一條路,急速發展就會停頓,日本已經走過這條路了,美國更早以前就蕭條了,台灣2000年也走過了,韓國也是。中國是因為跑太快,問題產生也太快,措手不及,而且太大很難下刀,台灣沒有想像中這麼差。

就跟現在一直講的教育改革一樣,不要讓所有的學生去等落後的那一個,而要視自然界的競爭為法則,讓強者出頭,用強者產生的利益去支持弱者。不要講公平,所有人都要等弱者的話,整體水準就下來了。但既得利益者只會鞏固自己,這時就需要政策去改變。

關於貓臉辨識器

搭配雲端與App的智慧型餵食器,飼主可透過Wi-Fi設定,控制餵食份量、監控愛貓的體重、在智慧型手機上觀賞愛貓的進食畫面。
產品設計:

1.高精度重量感測器(Feeding Tray with Load Sensor):可知道貓咪每次進食的份量,並且視情況自動補充。

2.飼料盆踏板體重計(Weighing Scale):當貓咪踩上踏板進食時會自動測量體重,並且將食量和體重等數據同步到雲端。

3.攝影鏡頭(Camera):記錄貓咪進食的畫面,還運用貓臉辨識技術,分辨正在進食的是哪一隻貓咪。

4.飼料儲存盒(Food Hooper)

5.飲水機及水量感測器(Water with Load Sensor)

Bistro App:

.可每日記錄貓咪健康狀況,方便飼主追蹤

.內建貓咪營養資料庫,搭配測量出的體重,可以計算出每一隻貓合適的飼料份量。

.發現異常的飲食或體重變化,Bistro App便會立即通知飼主。

.飼主可即時監控觀看貓咪動態。

.可將畫面與朋友分享。

enter image description here

(更多精彩內容請見2014年10月號《數位時代》「爭霸!全球硬體創新軍火庫!」,全國7-11、誠品等各大書店熱賣中,或可選擇線上訂閱。尊重智慧財產權,如需轉載請註明資料來源:《數位時代》第245期)

關鍵字: #企業經營管理
往下滑看下一篇文章
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。

Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。

企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運

模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。

2025 年活動論壇現場,資料照
圖/ AWS

從六種產業場景,看 AI 如何走進真實流程

真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景 議程規劃與關鍵課題
智慧支付 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷
製造 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料
媒體科技 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰
零售製造 零售製造轉型;把技術接進實際營運與使用者體驗

這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。

10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。

10/23高雄展覽館盛大舉行
圖/ AWS

「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名

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
一次搞懂工業AI
© 2026 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