你是國際人才嗎？矽谷科技業高階主管為何印度裔遠多於華裔？|數位時代 BusinessNext

Google執行長皮猜（Sundar Pichai）（美聯社）

隨著日前谷歌（Google）進行組織改造，人們再次關注印度裔在美國矽谷屢屢突破職場「玻璃天花板」的趨勢。然而，同樣對矽谷發展作出重要貢獻的華裔，為何在這方面卻表現平平？矽谷人士認為，這一現象與種族無關，與兩個族群的文化教育背景和職場素質相關。

華裔與印度裔人才在矽谷人數眾多，都非常引人矚目，以致有人戲稱，矽谷聞名於世的「集成電路」的英文縮寫「IC」代表著印度和中國兩個英文單詞首字母，India and China。

微軟執行長納德拉（Satya Nadella）（維基百科）

但進入公司中高級管理層的華裔遠遠少於印度裔，大公司高階主管更是寥若晨星。不少全球知名科技大公司現在都由印度裔出任執行長，Google的皮猜（Sundar Pichai）、微軟（Microsoft）的納德拉（Satya Nadella），就是兩個顯著的例子。

##印度式教育更符合科技業要求

為什麼美國科技公司管理階層特別青睞印度裔人士？在思科（Cisco Systems）擔任全球副總裁和物聯網技術長的江朝暉認為，科技公司物色領導人才，有一些特定要求，而印度裔人士在印度國內所受的歐美式教育和訓練，讓他們相比華人更容易符合這些要求。

她說：「第一，他們需要有很清楚的理念，知道自己想要什麼，看到的大方向是什麼。第二，他們要知道如何組織團隊，向這個大方向努力。第三，他們要清楚地知道並說明，轉向這個方向需要什麼樣的投資，有什麼樣的回報和風險。」

##印度裔善於溝通、表達和人際交往

電動車公司特斯拉（Tesla）亞太區高級人才顧問張琦從矽谷人力資源專家的角度分析說，印度裔人士往往善於溝通、表達和人際交往，更有能力得到上級和他人的信任。

江朝暉和張琦都認為，印度注重多方面培訓IT人才，普及英文教育，課程設置的國際化程度高，重視培養人際溝通能力，這些使印度裔人士來到美國後更容易適應美國的企業文化和對人才的要求。

##印度裔強大的人脈關係網絡和支持體系

史丹福大學（Stanford University）教授瓦德瓦（Vivek Wadhwa）多年來研究印度裔企業家在美成功的秘訣，他認為印度裔這些年在美國IT業等領域不斷突破「玻璃天花板」，一個關鍵在於他們透過行業協會等組織構，建立起強大的人脈關係網絡和支持體系。

瓦德瓦指出，1970、1980年代最早在美國IT業小有成就的第一代印度移民建立了很多組織，數十位成功企業家長期推動建立有助於印度裔發展、創業和融資的「生態環境」。

「他們在打破玻璃天花板之後，決定幫助其他同胞延續自己的道路。他們認為，越多印度裔戰勝那些障礙，就會減少後來者進取的阻礙，並幫助後人打開更多原本緊閉的大門。」

##尋找導師、拓展人脈、創業育成、資金支持

以1992年成立的矽谷印度企業家協會為例，其宗旨就是「尋找導師、拓展人脈、創業育成和資金支持」，全力培養新一代矽谷的印度裔創業者。該組織還同12個印度城市及多個國家的印度裔行業組織建立密切關係，促進印度裔在世界各國的創業發展。

與此同時，相對於來自其他國家的移民創業者，張琦、江朝暉和瓦德瓦都認為印度裔員工更敢於表達不同觀點、打破既定規則。

##表達不同觀點、打破既定規則

張琦曾在矽谷一所大學教書，對印度留學生喜歡提問、而中國留學生比較沉默頗有感觸。江朝暉發現她的印度裔同事喜歡與人交流和分享自己的想法，願意在社交上花很多時間和精力，這既突出了他們的存在感，又使他們便於吸收他人的想法。瓦德瓦則表示，與其他亞洲國家的移民相比，印度裔更敢於表達自己。

江朝暉以自己從一名初級工程師到跨國公司副總裁的成功經歷為例，鼓勵華人要有自己的創新想法，並敢於跟高層分享。她表示，自己在矽谷工作20多年，基本就是在這些方面做努力。

原文出處:風傳媒

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。

你是國際人才嗎？矽谷科技業高階主管 為何印度裔遠多於華裔？

把老師傅經驗交給 AI，射出成型從「導航」走向「自駕」

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？

AI 解決「怎麼生產」後，下一步是「替誰生產」

你是國際人才嗎？矽谷科技業高階主管為何印度裔遠多於華裔？