借鏡英國ODI，台灣開放資料該怎麼做？|數位時代 BusinessNext

相較於英國，台灣開放資料的起步較晚。而當開放資料成為政府政策「拚經濟」的一環，如何讓一個個創新應用變成具有經濟規模的產業，英國開放資料研究所一路走來的經驗足以借鏡。

英國政府5年投資1千萬英鎊（約5億元台幣），成立開放資料研究所（Open Data Institute，ODI），專門培育開放資料新創團隊，發掘開放資料的商業潛力，2012年至今已孵化20個開放資料新創團隊，協助超過12個團隊獲得140萬英鎊營收。ODI做育成輔導、媒合創投資源，也培育資料科學人才，但ODI育成團隊並未占股份，也不以營利為目的。反觀台灣工業局過去兩年舉辦各種開放資料交流、應用競賽，欲以輔導產業的方式推動開放資料的應用。但是推動應用跟新產業的培育還是有一段距離，台灣能否參照英國開放資料研究所的育成模式，培育開放資料新創公司，必須抽絲剝繭地釐清幾個重要問題。

ODI 網站

問題一：以拚經濟推動開放資料

ODI研究部主管希斯（Tom Heath）說：「創造應用和產業是不同的！」開放資料的價值在於新型態應用，或是讓政府服務更方便，不必然跟商業模式相關。

ODI育成的新創團隊、公部門採購案資訊分析平台Spend Network創辦人馬吉爾（Ian Makgill）指出，政府常常覺得釋出資料，馬上就會有新創公司或應用，但要把資料變成一個應用是需要時間的，「我們等了18個月，甚至花錢跟政府買資料，才變成產品，但我們清理後的資料可以幫政府省下幾億元英鎊。」

「目前ODI的三大模式包括：育成、顧問諮詢、媒合創投資金，是台灣開放資料最缺乏的一環。」台灣開放資料計畫發起人張維志說。舉辦開放資料競賽並無益處，因為參賽團隊大多是技術很強的學生或已有現成產品的公司，競賽的目的是鼓勵創新，並非把補助給不斷重複參賽的公司，台灣真正需要的是在競賽之後，協助學生團隊找到商業價值。

根據2013年麥肯錫報告，開放資料全球每年至少可產生3.2兆美元的經濟價值。長遠來看，開放資料的確有經濟價值，但經濟發展不應該是政府開放資料的第一目的，政府是開放資料的最大受益者。先有開放文化，改善政府效率、公眾參與、強化透明治理，最後才是經濟價值。

問題二：開放資料質量不足

「台灣開放資料不夠多，資料也不夠明確。」開放資料聯盟會長彭啟明進一步舉例說明，FlightAware整合全世界飛機航班的開放資料，可讓使用者查看班機是否延誤，因為其他國家的民航資料完全開放，新創業者很容易串連全球，就會有新事業產生。反觀台灣開放資料的應用還侷限在台灣的YouBike，而國外的應用早就可選紐約或倫敦的腳踏車。

如果可以找出以開放資料商轉的公司，的確有機會變成產業，例如美國就有近500家開放資料公司。不過，台灣政府開放資料不只在質和量不夠多，開放資料也有諸多限制，以至於市場上多為YouBike、交通時刻表、實價登錄等應用。

問題三：無法形成商業循環

相較於英國的應用環境，彭啟明認為，台灣不見得適合引進ODI模式。例如ODI培育的新創公司，主要的客戶大多是政府，政府也願意嘗試新工具和服務，台灣政府通常是最後被迫改變的買主。

「所有的商業模式必須建構在足夠的經濟行為上，台灣政府財政困難，所以無法建立商業循環。」開放知識基金會台灣負責人徐子涵說。在英國，光是清理資料就有專門的公司在做，因為他們覺得清理資料是有商業價值的。另外，ODI的新創團隊是真的在做生意，而非做標案，但台灣系統整合服務商大多接政府的標案、辦活動、做開放資料入口或示範案。

再者，台灣受限「政府採購法」，往往以低標者得標。g0v零時政府共同發起人高嘉良說，英國政府早在5年前就推出數位服務採購市集CloudStore，政府機關有需求可直接採購新創公司的數位服務。

以台灣的情況來看，彭啟明認為，開放資料商業化的難度很高，因為會用資料的人大多是工程師背景，但是會寫程式跟應用、創意是兩碼子事。為了解決這個問題，英國ODI積極營造人才培訓和交流環境，讓有創意但不會寫程式的人，可以到ODI去學習，或者透過合作把創意實作出來。

精誠資訊Etu負責人蔣居裕則認為，開放資料新創公司跟所有資料導向的創業一樣，最終都要回到商業本質來定義目標群眾。運用開放資料來開發應用，有高達90％∼99％比例的人目的並非賺錢，大多是為了照顧特定族群「溫暖人心」的服務，不見得最後一定要走向創業。

比起英美的發展，台灣雖然還有許多問題待解，但在亞洲國家中已相對開放。希斯認為，「台灣可做為亞洲開放資料的示範場域！」然而要先有開放的文化才會帶來產值，彭啟明一再強調：「政府應盡可能開放資料，別讓年輕人辛苦挖煤礦，反而要鼓勵年輕人以亞洲開放資料為基礎，用世界的煤炒出有特色的菜。」

ODI新創團隊商業模式

1.Spend Network
**創業內容：**公開採購案資訊分析
**商業模式：**進階資料收費

2.Mastodon C
**創業內容：**分析英國所有藥品資料
**商業模式：**資料分析顧問服務

3.Resurgence
**創業內容：**為氣候變遷和災害做都市風險管理
**商業模式：**策略報告、顧問服務

4.OpenCorporates
**創業內容：**跨國公司關係圖
**商業模式：**商用授權費

5.Shoothill
**創業內容：**將洪水統計資訊或地理資料轉成動態呈現的軟體
**商業模式：**線上繪製地圖及視覺化解決方案

整理：郭芝榕

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。