[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。

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。