[東京直擊]Google 下一個發展重心：機器學習|數位時代 BusinessNext

1.我不認為要讓電腦模仿人腦

我不認為要讓電腦模仿人腦，大腦神經元太多，模仿大腦做人工智慧太複雜。但我們可學習大腦如何記憶，利用在機器學習上。機器學習對我而言，重點在讓人類不用再做機械性事物，如製造業產線工人或打字員等。

因為電腦有大量運算能力，運算的效果如果比人更好，像開車這件事，那就教給機器開就好了。或是讓機器來做醫生，是不是比人更好？提供更準確的診斷？因為機器不會疲勞但是人會。

機器學習需要投入大量技術與資源，要把問題轉換成機器學習能解決的題目並不容易，然而一但轉換成功，將會顯著成長，多餘的工作將會消失。

2.邪惡機器人總出現在電影中

外界總認為當機器人越來越像人，機器人可能對地球造成危害，就像電影《關鍵報告》一樣。但我認為只有電影才把機器人描述地這麼邪惡。在實際應用中，人類可以透過演算法控制機器人執行正常任務。

人類創造的機器人應該都是好的機器人，可以幫忙打掃，澆花、做家事，這種機器人是大家最想要的。

3.下一代的程式設計人才必須具備有很好的數學能力

工程師不再需要自己Coding，而讓電腦去寫，這是下一代的程式設計人員的挑戰。下一代的程式設計人才必須具備有很好的數學能力，因此注重數學教育的亞洲人才比歐美人才更具競爭力。

我最近去了一趟韓國與中國。韓國經濟在放緩，因此強調創業精神振興經濟，推行機器學習創業。在中國我花很多時間拜訪政府部門，雖然很多人說中國經濟增長減緩，但中國的經濟潛能還是非常之大的。

機器學習最大的挑戰就是全球上網的人還不夠多，要有更多網路覆蓋，讓貧窮的亞非國家與弱勢群體能上網，網路是一種巨大的現代化力量。

4.電腦視覺(Computer Vision)的診斷辨識即將超越人類視覺

去年九月，Google 研究團隊「GoogLeNet」發表了一篇關於神經網路（neural network）的論文，名為「全面啟動」（Inception），因為這個神經網路的運作原理就類似電影「全面啟動」中夢境的分層概念。系統可以透過 22 層的電腦視覺運算，找出最相關的圖像，捨棄不重要的部分，進而分析出不同的物件。

舉例來說，當 Google 相簿辨識一隻貓的照片時，首先會辨識出這是一隻「貓」的線條與顏色，接著發現眼睛與耳朵，經過這樣一層層複雜的偵測，最後完成辨識。

機器學習也將比人類更能預測使用者喜好。例如，雖然我的朋友們可以透過音樂類的 App 推薦我最新的當紅歌曲，但是人會跟不上流行，而機器卻永遠能提供時下最熱門的音樂。

跨領域的機器學習將有更顯著的效果：機器學習將能有效改善其他技術現有的問題，或是加快解決問題的速度。

在健身產業競爭日益激烈的今天，品牌之間的差距，早已不再取決於場館規模、器材數量或課程內容，而是誰能更貼近會員需求、誰能運用數據看懂會員的一舉一動，打造更精準、更個人化的服務體驗。

對於這一點，台灣第一家掛牌上市、旗下擁有健身工廠等知名品牌的連鎖運動健身龍頭 —— 柏文健康事業，有著比同業更深刻的體悟。過去 20 年，柏文以「持續創新、重視會員需求」為核心，在台灣健身市場站穩腳步。而面對產業全面走向數位化的新競局，柏文選擇攜手 Teradata 與擎昊科技建置企業數據中台，打破內部數據孤島，將分散在各系統的資訊整合為可以被運用的營運智慧。這不只是一次技術升級，更是從「經驗驅動」邁向「數據驅動」的戰略轉型，為柏文在下一個 20 年持續領跑市場注入關鍵動能。

柏文描繪 20 年健身版圖的 2 大關鍵

自 2006 年在高雄成立第一間健身中心「Fitness Factory 健身工廠」以來，柏文的營運規模就穩步成長，如今健身工廠全台已有 83 間分店、會員數逼近 40 萬大關，躍居台灣前二大健身品牌。柏文健康事業董事長陳尚義認為，深耕在地、持續創新，是柏文能在競爭激烈的市場中持續成長的兩大關鍵動能。

第一是深耕在地、理解使用者的真正需求。柏文非常重視會員體驗，在規劃任何服務與課程時，都從在地使用者的實際需求出發。以團課為例，多數健身場館選擇向國外購買課程授權，健身工廠卻決定推出自有團課品牌 FORCE，由專業團隊設計課程且每季推出不同主題，「雖然成本較高、也比較花時間，卻可以確保課程內容更符合台灣人的體能特性與運動需求，」陳尚義認為，這種重視在地需求的思維，正是柏文與會員建立深度連結的關鍵。

第二是持續創新產品與服務。近年來，柏文以「運動休閒」為核心，不斷推出新的品牌與服務。在場館端，成立各具特色的主題運動場館，例如以彈跳床為主的 Crazy Jump 肖跳、射擊對戰遊戲場 KILL ZONE、保齡球館「滾吧 LET'S ROLL」及 Sklub 運動俱樂部。其中，Sklub 青海店為高雄鼓山區首座全齡運動場館，設有室內頂級羽球場、桌球場、國際級楓木籃球場與多樣化運動課程，而 2025 年 11 月開幕的桃園桃鶯店，更是桃園愛好羽毛球人士的首選。

在服務端，則延伸出協助運動後修復的 SPA 個人工房、運動按摩 Buddy Body 等服務。此外，柏文亦與營養師合作推出營養管理與線上課程，近期更籌備成立電商平台，方便會員與非會員選購運動健康相關商品，逐步擴大「運動 x 生活」的服務版圖。

數位化升級：從服務體驗到營運管理全面轉型

伴隨營運規模的不斷成長，柏文也開始導入各種數位工具，以提升會員服務品質與營運管理效率。舉例來說，會員入場的身份辨識機制，已經從早期的刷條碼會員卡，升級到現在的人臉辨識直接進場。又如，在內部營運流程上，從會員管理、財務到行銷活動等，亦全面透過系統來優化作業效率。

這些數位系統累積的大量數據，成為陳尚義日常決策的重要依據。陳尚義分享，自己經常拿起手機查看當日總營收、來店會員數等營運指標，也會比較各場館的營收與來客數變化。一旦發現某館的數據與預期或平常趨勢不符，便會立即請相關人員說明情況，確認異常原因。

「透過數據定位問題，再及時進行分析與改善，才能確保營運狀況維持在最佳狀態。」陳尚義說，更重要的是，這些數據也成為柏文持續創新的基礎，透過數據掌握會員的行為模式和滿意度，如：會員的運動頻率、續約率等，可以作為發展新產品或新服務的決策依據，使其更貼近會員需求。

導入 Teradata 數據中台，柏文邁向即時決策的關鍵一步

然而，隨著數據應用越來越深，現有系統的限制也逐漸浮上檯面。首先，數據散落在 POS、CRM、ERP 等不同系統，無法有效整合，導致使用者必須在眾多介面間來回切換，相當不方便，也容易影響決策的準確性。其次，系統效能不足，在查詢與分析大量數據時，往往要等候一段時間，導致營運報表無法即時產出，管理層難以掌握最新狀況。第三，報表製作流程高度依賴人工作業，需從多個系統匯出資料再自行整合，不僅耗時費力，也容易出現錯誤。

為克服上述挑戰，柏文決定導入 Teradata AIDW 數據平台，將會員資料、IoT 健身設備、POS 交易資料等數據，全面整合至單一資料庫，徹底解決數據孤島的問題。由於 Teradata AIDW 採用 MPP 架構，可以大幅提升資料整理、分析與查詢效能，再搭配帆軟的報表與視覺化工具，使用者可透過儀表板、動態報表或 API 快速掌握分析結果，讓決策過程更即時、更精準。

柏文資訊長黃靜雯表示，選擇 Teradata 的關鍵原因在於其成熟度與穩定性。「Teradata 的效能非常強大，平行運算能力是經過市場驗證的，而且系統本身具備備援機制，不必擔心單一設備故障的風險。」這讓柏文後續能夠更安心地推動大規模的數據與 AI 應用。

Teradata 的數據顧問不僅具備扎實的技術能力，更累積了豐富的產業經驗，為柏文的數據應用帶來更多啟發與想像空間。（由左至右）柏文健康事業資訊長黃靜雯、柏文健康事業董事長陳尚義和Teradata台灣總經理陳盈竹。

圖／數位時代

除了 AIDW 數據平台，Teradata 亦透過數據整理師服務，協助柏文將不同系統、不同格式的資料進行標準化與模型化，為其推動跨系統的數據整合與應用帶來很大的幫助。黃靜雯補充指出，Teradata 的顧問團隊不僅具備扎實的技術能力，更累積了豐富的產業經驗，能從業務視角提出建議，為柏文的數據應用帶來更多啟發與想像空間。

Teradata 台灣總經理陳盈竹則認為，柏文作為健身產業的龍頭，願意率先導入數據中台並積極擁抱 AI 應用，是極具前瞻性的決策。「面對AI浪潮的快速迭代，我認為柏文做了關鍵決策，透過前期約 6 至 10 個月的時間完善數據建設，作為支撐AI發展的核心競爭力！」陳盈竹強調。

數據建設就像是城市的下水道工程，是 AI 應用的發展基礎，而作為 Teradata 原廠授權總代理的擎昊科技，則在這座下水道工程中扮演關鍵角色，負責伺服器運算、儲存架構與網路環境建置等任務，「我們結合 Teradata 的技術與自身的整合能力，為柏文打造更穩定的 IT 基礎建設，確保後續的數據分析能在最可靠的環境中運行。」擎昊科技資深協理杜錦祥說。

陳尚義表示，過去許多決策仰賴現場觀察或管理直覺，但未必能量化決策背後的成本與效益；未來希望透過完善的數據中台，不僅能掌握營運脈動，也能將那些過去難以量化的隱形成本具體呈現，進一步評估每項投入是否帶來實質價值。「以數據與人工智慧取代經驗判斷，將會是柏文邁向下一個 20 年的關鍵競爭力。」陳尚義強調。