Seeed Studio創辦人潘昊：硬體創新不只是從0到1，更是從1到100！|數位時代 BusinessNext

從0到1不輕鬆，1到100更困難

「智慧硬體的創新不只是從0到1，更是從1到100、1,000，甚至是10,000的過程，」潘昊解釋，當Maker利用開放硬體設計出一個粗糙的原型產品（Prototype），充其量也只能算是從0到0.1。而要從0.1到1，還必需將原型加以改良成可被複製、可以小量生產的產品。

此時，才能思考從1到100，也就是小量生產、商用的過程。潘昊強調，許多的Maker產品是服務於非常長尾的需求，小型的新創公司因而擁有生存空間，「即使你的產品排名在1,000名，你仍然有市場」。不過，即使再小型的市場需求，如果無法及期交貨，順利過渡從1到100的生產、商用過程，再創新的產品亦是枉然。

但是，潘昊不諱言，「通常有75%的產品無法及時交貨，而且延遲的時間大約長達8個月，」原因不外乎是從1到100的過程，對於許多Maker而言是極其困難的，「最大的問題在於Maker無法勝任複雜的供應鏈、物流管理工作」。

「從1到100的過程中，會有數十個甚至百個供應商參與其中，就像在管理一個交響樂隊一樣，」潘昊細說產品從工程（Engineering）、設定（Setup）到製造（Manufacturing）過程中，Maker常常會被複雜的零件清單（BOM）、繁複的供應鏈管理、難以估量的製造成本、測試計劃、良率不如預期、產品組裝等繁瑣問題搞得焦頭爛額，「因此，我們要讓Maker更快速地從1到100」。

Seeed Studio挑戰「一天一到一百」目標

潘昊進一步解釋，過去「Design for Manufacture」的思維，是從便於製造的角度去思考產品設計，不過他認為，這種思維乃適用於大公司，因為大公司考量到大規模生產，因此通常願意配合供應鏈的零組件設計及可製造性。

小型公司則不然，畢竟每個長尾的商品設計不見得都能與供應鏈所提供的資源完美搭配，因此Seeed Studio要做的便是讓零組件去適應Maker的設計，這也是像Seeed Studio這種開源硬體零件製造商所扮演的角色。

如今，Seeed Studio被外界稱為「創客們的軍火商」，主要協助小型新創公司生產小量的硬體產品，通常約在10,000件以下。潘昊說，「如果管理供應鏈對製造商而言就像在管理交響樂隊，那Seeed Studio願意扮演鼓手，協助管理供應鏈」。

快，還要更快，潘昊還想讓硬體製造的速度縮短成一天。「軟體的創新只要花上幾分鐘，硬體則可能長達數個月，如果有一天硬體也可以快速、輕鬆地產出呢？」這樣的想法，讓潘昊興起了這個計畫——挑戰在24小時內，幫Maker快速生產出100片測試、組裝完成的硬體產品。

24小時內生產100片硬體，確實是個前無古人、後無來者的雄心壯志。問他這計畫真能成嗎？潘昊笑了一下，語氣極輕，卻也無比堅定地說，「我們一定會成功的」。

在 AI 快速進入企業營運核心的時代，數據不再只是被動的分析素材，而是 AI 模型運作與決策優化的重要基礎。

零售品牌積極累積大量第一方數據，例如會員資料、交易紀錄以及線上與線下行為數據，但因這些數據分散於不同系統，缺乏統一的身分識別機制以及明確的元數據（Metadata）定義，導致難以整合與分析，同時，也影響 AI 對這些數據資產的理解與應用。

為解決上述挑戰，Vpon 威朋將累積十餘年的實務經驗轉化為產品與服務，如 Audience Center 與 AI Agent 等解決方案，並透過專業顧問團隊協助企業完成數據收集、清理、整合與分析等關鍵流程，從資料清理到 AI-Ready 再到落地應用，讓行銷與業務團隊能以自然語言將數據查詢與分群受眾逐步自動化，大幅縮短過去仰賴技術與分析團隊溝通需求與開發分析邏輯的時間。

Vpon 助零售業打造 AI-Ready 數據基礎，以 Audience Center 驅動業務商機

如何建立 AI Ready 數據基礎建設？

Vpon 威朋數據科學經理廖宜楷指出，在 AI 驅動的時代，數據的品質決定模型價值。其中四個關鍵分別是：建構標準化的數據採集與處理管線，透過統一的工程規範，確保所有進入系統的數據在格式、維度與質量上具備高度一致性；其次是定義語義清晰的元數據（Metadata）體系，確保數據能夠被 AI 理解與使用，從而產出具備可靠性的產出結果；再來是打破企業內部的「數據孤島」，透過完整整合線上（Web/App）行為與線下（POS/CRM）會員資訊，建構全方位的會員數據輪廓，精準捕捉消費者的跨通路行為軌跡。最後，數據的價值隨時間遞減，AI 的決策品質取決於數據的「新鮮度」，因此，數據的持續更新與自動化維護，不僅能讓企業在動態市場中保持敏銳，還可進一步深化會員輪廓分析的即時性。

舉例來說，在 Vpon 團隊的協助下，台灣百貨零售龍頭透過整合 Web 與 App 行為資料，並將線上與線下數據集中於數據中台進行分析，將傳統耗時數小時的複雜資料庫分析工作縮短至秒級回應，並基於此高效率基礎，進一步開發不同業務主題的預測與分群模型，提升行銷精準度與營運決策的敏捷性。

扎實數據基礎的價值落實：Audience Center 如何賦能企業實現「數據即戰力」？

有了堅實的數據底座後，下一步是透過 Audience Center 將數據資產轉化為商業動能。

廖宜楷指出，在變化快速的零售與數位行銷市場中，速度就是競爭力。然而，仍有許多企業在數據應用上面臨嚴重的溝通與技術斷層。過去，當行銷或業務人員需要數據支持時，通常得花費繁複的內部流程申請需求、討論需求，才會進到後續的資料清理、建模與分析，最後才能得到想要的分析結果或行銷名單。這種以「週」為單位的進程，不僅拖慢了決策效率，更讓企業在競爭激烈的市場中錯失先機。

Audience Center 的核心價值在於徹底翻轉上述流程，將數據處理轉化為數據服務，透過直覺的介面與背後扎實的數據基礎支撐，讓非技術人員不用編寫程式碼，即可自行組合維度，大幅縮短從需求到執行的距離，將原先需要耗時數週的作業流程優化成秒級產出。

「Audience Center 的導入，不僅有助於提升效率，更賦予企業快速試錯與精準捕獲趨勢的能力，讓數據真正成為驅動業務增長的引擎。」廖宜楷如此總結。

以 AI Agent 重塑數據使用方式，讓數據更貼近決策流程

「Vpon 除提供 Audience Center 協助品牌發揮第一方數據資產價值、提供豐沛的第三方數據助品牌深化對客戶輪廓的掌握度，更推出 AI Agent 服務讓品牌與行銷人員能更直覺地使用數據。」Vpon 威朋數據科學資深總監陳文謙表示，在數位轉型的過程中，許多企業面臨的挑戰不僅是數據整合，更包括如何讓不同部門的人員都能更即時協作與應用數據，有鑑於此，Vpon 推出四種 AI Agent 協助企業分析與應用數據，極大化第三方數據成效：

第一，以 Reporting Agent 讓高階主管或行銷人員可以自然語言查詢數據與生成報表，即時掌握市場動態，加速決策下達與決策品質。

第二，透過 Insight Agent 確保數據分析不受分析人員的主觀意識或產業知識侷限，可以輕鬆完成跨領域數據分析、快速挖掘潛在市場機會與消費者洞察。

第三，藉由 Audience Agent 將客戶分群方式從規則導向（Rule-based）轉變為關聯導向，以關聯分析擴大受眾範圍，協助品牌找出更多潛在客群。

第四，推出 Creative Agent 協助行銷人員分析廣告素材表現的根本原因，釐清受眾喜歡的素材跟不喜歡的素材，藉此優化廣告投放內容，持續提升轉換率。

陳文謙表示：「透過 AI Agent 的輔助，品牌不僅能更快完成數據分析，也能將分析結果直接轉化為行銷策略與創意建議，降低跨部門溝通成本，讓數據真正參與決策流程。」

鏈結數據生態夥伴，以跨境數據放大行銷效益

除了協助品牌主建立 AI Ready 的數據基礎環境並提升數據使用效率，Vpon 也持續拓展數據生態圈，協助零售品牌更精準布局海外市場。

Vpon 威朋產品行銷資深經理邱心儒表示，跨境行銷過去多仰賴經驗與市場直覺，但透過數據整合與 AI 分析，品牌能更精準理解海外消費者的旅遊與消費行為。

以 Vpon 與日本 Loyalty Marketing Inc. 合作為例說明，透過雙方的獨家合作，企業可以結合 Ponta 超過一億的會員數據、問卷調查結果以及 Vpon 的七大數據來源，深入分析日本消費者的消費偏好與購買力——包括哪些日本族群對台灣品牌最感興趣、最受歡迎的台灣商品類型，以及不同客群的價格敏感度與回購行為等，將行銷決策從過往的經驗判斷轉變為精準的數據洞察，成為品牌出海的重要工具。

簡言之，對零售品牌而言，跨境數據是理解海外旅客真實樣貌的一大利器，也能進一步優化廣告投放、內容策略與商品布局，讓品牌在拓展國際市場時，可以更有效率地接觸潛在客群，放大行銷效益。

展望未來，Vpon 將持續擴展數據生態圈並優化產品服務，幫助零售品牌從數據整合、AI 分析到市場決策建立完整的數據應用循環，希望以數據夥伴的角色與品牌共同成長，打造互利共贏的數據生態。