新聞有看沒有懂？Vox主打解釋性新聞|數位時代 BusinessNext

被視為21世紀的Time

班克夫敢誇下海口說自家網站充滿高級感不是沒有原因，當傳統媒體拚命縮減人力和砍預算時，Vox卻反其道而行，大力招募一線記者和優秀工程師，希望將Vox塑造成21世紀最優秀的新媒體公司。

去年底才結束一輪募資的Vox，現在估值高達近4億美元，旗下員工有350人，班克夫預計今年將會是Vox的獲利元年。而其高度垂直化整合的經營策略，更讓Vox被《紐約時報》稱為「21世紀的時代公司（Time Inc.）」。

因此當前《華盛頓郵報》明星記者克萊（Ezra Klein）說他受夠了僵化的傳統新聞文化，想要進行一個顛覆新聞窠臼的「X計畫」（Project X），找上Vox Media合作時，也就不太讓人意外了。而這個X計畫也就是去年4月正式上線的Vox.com，一個主打解釋性新聞的新聞網站，又被稱為新聞界的維基百科。

Vox一推出立刻受到新聞界的矚目，原因之一是因為創辦人克萊本身就是個才華洋溢的年輕記者，他在《華盛頓郵報》針砭政治時事的部落格Wonkblog，每月瀏覽人次高達300萬，才30歲就已被媒體稱為「新聞界的神童」。因此當他帶著同事高調離開《華盛頓郵報》宣布推出Vox時，格外具有劃時代的世代革新意義。

Vox網站本身最大的特色在於希望幫助讀者理解新聞，而非只是知道新聞，因此Vox不強打獨家、即時或直擊，他們系統性地整理新聞事件發展，讓讀者對於新聞背後的新聞更有概念，「卡片堆」（Card Stack）就是在這種概念下應運而生的設計。舉例來說，大多數的讀者看到聯準會調高利率的新聞時，恐怕都無法在第一時間認識到這則新聞對他們有何意義，於是Vox將這則新聞中每個關鍵字都獨立出來製作成問答卡片集，從最基礎的背景知識開始介紹，例如GDP怎麼來？聯準會這個單位的職責是什麼？調整利率為什麼重要？

不搞即時，只解釋新聞

「最大的資源浪費就是記者昨天寫的新聞⋯⋯，我一直覺得很奇怪為什麼我們沒有試著用這些資源為讀者做更多事。」克萊說明他的理念。

乍看之下，Vox跟維基百科似乎很像，但克萊認為大不相同，因為Vox是由一群具有蒐集、整理新聞專業的記者組成的，而維基百科是由群眾自主歸納的，上頭的資訊可信度不如Vox高。他舉例：就好像你如果今天突然長疹子了，你在搜尋列輸入「疹子」時，出現的第一個搜尋結果可能是維基百科，但你不會點入維基百科看長疹子怎麼辦，因為你知道維基百科不是這方面的專家。

Vox的另一特色是會持續歸納重大新聞事件的進展，讓讀者一看到時間軸就能夠馬上進入狀況。而且新聞卡片的設計符合手機閱讀體驗，將人事時地物分拆成卡片的爆紅新聞閱讀器Circa已驗證了這點。

除了將昨日的新聞轉換成有價值的內容，Vox同時也創造許多易於被社群病毒傳播的內容，例如「11款成年人不該玩的桌遊」、「7種超萌又超殺的動物」⋯⋯，希望兼具自然搜尋和社群分享流量。

Vox的模式是否經得起市場的考驗，還需要一些時間驗證，但正如克萊所說的：「我們迅速推出這個網站的原因只有一個：想要知道成功的網路新聞實驗長什麼樣子，最好的方法就是馬上在網路上做一個新聞實驗。」而Vox剛交出來的周年成績單，似乎已說明了一切。

（尊重智慧財產權，如需轉載請註明資料來源：《數位時代》第252期）
其他精彩內容》》
訂閱數位時代》》

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。