迎向消費者主導的世代，電信業加速布局「大數據」|數位時代 BusinessNext

一、中華電掌握行動數據，描繪客戶群像

中華電信資訊處副總經理林榮賜表示，全球電信業都迎向Big Data潮流，傳統的數據分析思維也跟著改變，從以往的「由問題找資料」，轉為「從資料找問題」，廠商都各自發掘其中可利用的價值。

林榮賜說明，目前中華電信主要的幾項大數據應用，包括分析潛在客群、推薦產品；展店選址、客群分析；網路建設規劃、品質提升；智慧影像檢索；及與政府公部門合作的平台與顧問服務。

對電信營運商來說，「大數據不只是了解過去，而是看未來趨勢」，林榮賜認為，現在電信業者已走入網路端，和網路服務有極大連結，大家都在思考業務創新的方向。「相較於其他行業，對電信業者而言，掌握用戶行動位置的資訊是優勢。」他舉例，數據資訊可以應用在拓展門市、行動基地台選址時，藉由分析各個地點的人潮流量，來找到客戶群像。

二、台哥大以個別用戶為主體，達成客訴智能化

台灣大哥大資深副總經理暨技術長揭朝華認為，智慧型手機的普及加速新一代行動寬頻網路建設，行動數據用戶、用量也正急劇增加。而電信業者之所以需要大數據，是因為當行動通信服務，已從以往的語音服務轉成數據服務，用戶的應用行為多變，電信商的服務指標也會開始轉變，轉成以個別用戶為主體的服務指標。

揭朝華舉例，近來企業接收過幾起客訴案件，反應的不是自家網路架構，而是APP Server端、路由器的問題，代表過去的網路平均指標已不再適用，而面對這樣的情況，就需要大數據分析的協助。他說明，電信業者需建置CEM（Customer Experience Management）系統，作為網路品質改善的依據，應用CEM系統掌握客戶需求。

揭朝華表示，目前台哥大在Big Data的客訴處理應用，是分析用戶的使用行為，包括設備效能、收訊品質、連線狀態及離線原因、客訴情況描述等，再往上送到CEM系統，進行客戶分群建立群像，透過數據搜集，達成客訴智能化的分析能力。揭朝華說明，以往要花很多時間處理的客訴問題，透過大數據分析都能有系統的解決。「大數據不管是在IT、業務行銷，都是很重要的一環。」

三、大數據，協助遠傳切進新領域

網路、行銷產業出身的遠傳執行副總經理洪小玲則表示，電信業者在大數據潮流下的佈局，應該結合網路產業有新的應用，「行動業者共同服務客戶，才能把數據應用的更好」。她認為，現在是行動數據的世界，人人都在滑手機、且時機越來越多，過去PC曾講求個人化，如今行動端也應加強個人化。

洪小玲說明，電信公司其實過去就擁有很多數據，知道很多消費者的興趣，藉此推播很多商家的訊息給消費者，但在行動數據時代，則要結合「行動」、「時間」兩項因素，才能抓住過往沒有的機會。

例如，遠傳便開創新的商業模式，子公司時間軸（Hiiir）推出行動娛樂服務平台friDay App助手，與國內外開發者合作提供App下載服務，並計劃未來提供影音、行動支付服務。洪小玲說，遠傳加入開發商、內容商的行列，就是意圖要結合多人力量，把內容服務做到最好，掌握網路佈建、電商平台、用戶體驗，形成三方皆贏的模式。「因為這是一個消費者主導的世代，對他們來說，好的資訊是寶藏，差的資訊是垃圾，我們要運用data給消費者好的資訊。」

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。