[洪士灝] 「新創」這件事，政府改革前別想太多|數位時代 BusinessNext

黃耀文這篇「不合適的評審，會壞了國發天使基金」講的是一個台灣產官學（產業界、政治界、學術界）長久以來很令人悲哀、糾結難解的大問題。

產業希望政府補助，官員不願落人口實，請學者專家來審查，怕廠商去影響學者，只好隱匿評審名單；學者光靠一張嘴，不需負成敗之責，官員有業績壓力，往往先跟業者談好，滿足上級要的關鍵指標；業者為了拿補助款，只好在學者前面低聲下氣，積極配合官員，提供能讓長官滿足的業績。

這樣的循環，久了之後會如何？兩極化。

A類、需要錢的業者，花很多時間製作文件、運作人脈、練厚臉皮，實踐厚黑學。
B類、有志氣的業者，不願低聲下氣，或是不想拿政府補助款。
A類、求安穩的官員，奉長官指示，找業者要資料，找學者審案，自己沒意見。
B類、想做事的官員，有自己的意見，但很難做事。
A類、人脈佳的學者，擅於察言觀色，什麼案子都可以快速審查、給制式評論。
B類、好老實的學者，不想當審查委員，或是不受長官歡迎。

如果由缺乏專業的政府高層和不思進取的財團在主導產業，那主流當道的就是A類的人了，這是過去這二十年來最大的問題，學者充其量是陪襯性質的。但十多年前開始的高教評鑑，也讓許多學者致力於論文寫作，與產業脫節──因為要按照這樣的評鑑制度玩，等於是自廢武功，所以很多從國外業界返國任教的朋友，後來離開了教職。

如今產業和學術被越搞越虛，在民怨之前，政治人物不得不開始喊新創。可是這些喊說要鼓勵新創的、申請新創補助的、審查新創案件的，有多少是換湯不換藥的呢？

這是文化的問題，但冰凍三尺，也不能寄望立即解決。如今民間和學校新創的風氣已經成氣候，需要的是正確、優質的投資概念，鼓勵有價值的創新，政府如果在沒有準備好之前冒然加入，反而會攪亂行情，甚至造成一窩蜂包裝精美、卻無實質內涵的新創公司來投案，反而棘手。

我3/19在科技部的場子裡放炮，說政府如果找不到對的人和對的方式來審查，那最好還是不要好大喜功，不要一下子拿一大堆錢出來搞大規模的新創。不然錢沒有到該被贊助的團隊身上，或者被平均稀釋掉，可能就把行情搞爛了，不然就是要求新創團隊產出一大堆沒用的專利，或是在技轉上作帳，反而扯後腿，讓劣幣驅逐良幣。

政府該做的是：(1) 贊助那些需要長期耕耘的核心技術研發和創新，這個需要睿智的眼光來做；至於短期的投資，則是 (2) 鼓勵大資本家拿錢出來投資新創事業，他們為了賺錢，自然會找真正的專家來諮商。(可參考本篇貼文)

現在民間領導人物該做的，是去思考如何超越政府，然後教導政府。不要寄望政府能夠一下子做太多事，尤其是「新創」這件事，在政府自己改革自己之前，更不用想太多。學界也不能倚賴政府和校方，要靠自己來創新，要借重民間業界的力量。業界想培養人才、鼓勵新創，可以多找學界裡面對的人合作、直接贊助與產學、新創相關的教授和學生。

本文出自洪士灝個人Facebook，獲作者授權轉載。

因應生成式 AI、代理式 AI 與實體 AI 的崛起，模型成為企業資訊基礎設施的一環，企業不僅需要算力、還必須具備同時管理多個 AI 模型、優化營運成本，以及確保 AI 基礎設施的安全與穩定；有鑑於此，服務超過 2,000 家企業客戶上雲的勤英科技（ELITE CLOUD）將業務範疇從雲端代理延伸到 AI 基礎設施整合商，協助企業整合多元模型資源、因應不同應用場景彈性調度算力資源，在 AI 新世代建立可規模化的 AI Infra 能力。

「隨著 AI 從單一聊天機器人進化到多模型、多代理協作，企業的核心競爭力不再僅是擁有 AI，而是建立一套可管理、多模型共存、穩定、安全且可持續擴充的 AI Infra 環境。」勤英科技區域總經理黃士培表示，為協助更多企業推進 AI 創新實務，勤英科技從原本的 AWS、Google Cloud、Azure 雲端代理角色，進一步轉型為 AI 基礎設施整合服務商，透過多語言模型平台 MixRoute、代理式 AI 導入與企業資料治理服務，協助企業建立真正可落地、可管理、可擴展的 AI 應用架構。

從 IT Infra 到 AI Infra，企業最大挑戰不是模型、算力而是管理

過去幾年，許多企業透過生成式 AI 實現「問問題」、「摘要文件」、「生成簡報」，提升員工工作績效，而代理式 AI 的崛起與普及，則讓「內嵌 AI 的企業應用」快速成為新常態，從企業資源規劃（ERP）、顧客關係管理（CRM）、人力資源（HR），到客服、研發甚至製造系統，AI 開始深度嵌入各類企業應用，AI 扮演的角色也從單純的輔助工具，逐漸進化為企業營運與決策流程的重要核心。

也因此，企業保持未來競爭力的關鍵，不再是「有沒有導入 AI」，而是「是否具備管理 AI 的能力」，包括如何讓多模型共存、如何控管 Token 成本、如何確保資料品質與一致性、如何依不同部門需求配置 Agent，以及如何避免 AI 成為新的資訊孤島，都是企業導入 AI 後的新挑戰。

「Gemini、Claude、OpenAI、Mistral 等模型快速迭代，意味著企業若只押注單一模型，未來很可能在成本、效能與彈性上失去優勢。」勤英科技區域總經理黃士培表示，企業接下來更需要以「Models as Infrastructure（模型即基礎建設）」的思維，將大型語言模型視為與運算、儲存、網路同等重要的基礎資源來規劃、治理以及進行成本管理，將資訊系統架構重塑為 AI 基礎建設。

勤英科技服務的客戶數超過 2,000 家，不少客戶已導入 AI 應用服務，正積極建置 AI Infra 與管理環境，因此，勤英科技自 2025 年積極轉型，將 AI Infra 視為企業長期競爭力的基礎建設來經營，業務範疇從傳統雲端代理擴展至 AI Infra 整合服務商，例如與多模型平台 MixRoute 合作，並開發可支援單一登入（SSO）、彈性調度不同大型語言模型 Token 的管理平台，協助企業簡化模型管理與成本控管，將更多資源與心力聚焦於核心業務與創新應用。

從雲端代理走向 AI Infra 整合，勤英科技從三面向協助企業發揮 AI 綜效

有鑑於 AI 應用與雲端環境息息相關，勤英科技除因應企業客戶的多雲策略協助管理多雲環境、優化成本，以及落實資安治理，更因應不同使用情境推出三種 AI 方案助力企業：

第一：提供開箱即用的 AI 服務。

黃士培以 Google Cloud 的產品為例解釋，透過整合 Gemini 的 Google Workspace，企業可直接在 Gmail、Meet、Docs、Sheets、Slides 中使用 AI 功能，包括會議摘要、文件生成、簡報整理等，快速提升員工生產力，同時，增強企業對 AI 應用的信心，為之後的應用深化做準備。

第二：協助企業規劃、打造與導入代理式 AI 應用服務。

「對於擁有豐沛結構化數據資料、知識庫的企業來說，除以生成式 AI 打造企業大腦，還會透過代理式 AI 提升自動化執行能力，重塑工作效率。」黃士培表示，勤英科技可以基於 Google Gemini Enterprise，提供含括底層雲端架構、AI 模型調度、資料治理與 AI Agent 串接等服務，讓企業員工可以自然語言安全調用企業資料，讓 Agent 進一步執行任務與推動流程。

舉例來說，勤英科技協助在台灣成立超過 50 年的製造業品牌商將 Gemini Enterprise 介接 SAP 與 Salesforce 訓練模型、建立可供 AI 調用的企業知識中樞；另在影音內容生成領域，勤英科技亦協助客戶導入 AI 自動化技術，將內容產製成本縮減達 90%。

第三：提供多模型聚合管理平台，滿足企業以 API 串連各種模型的需求。

勤英科技與新加坡 MixRoute 合作，提供企業客戶多模型管理平台，讓企業可以視需求彈性敏捷的調度 Gemini、Claude、OpenAI 等不同模型，並透過單一帳號、單一帳單與 Budget Alert 機制，管理 token 使用量與 AI 成本。

「透過我們提供的多模型管理平台，企業客戶不會被單一模型綁定，可以在模型快速疊代的環境下，更靈活地管理成本與算力資源。」黃士培如是說道。

總的來說，隨著 AI 應用從單點工具走向大規模企業部署，下一波競爭核心將從模型能力延伸至 AI 基礎設施管理能力，而這也是勤英科技從雲端代理走向 AI Infra 整合服務商背後的核心原因：當 AI 開始成為企業營運的一部分，企業需要的，已不只是模型供應商，而是能協助串接雲端、資料、Agent 與應用場景的長期技術夥伴。

有關更多勤英科技相關資訊，請查詢網站：https://www.elite.cloud/zh/