深化產學合作!向沒有能力領導創新的大企業說掰
深化產學合作!向沒有能力領導創新的大企業說掰
2016.01.09 | 科技

圖說明
圖說:洪士灝,1966年出生,現為台大資工系教授。攝影/郭涵羚

過去科技產業一直是台灣的驕傲,但是代工細緻化的專業,卻也讓企業慣於安逸,缺乏創意、對人才培育的不足。要讓科技業轉型,政府補助對象應以技術實力強的新創公司為優先,而非沒能力帶領創新的大企業,同時企業應讓中階生力軍、年輕人才上位,盡早交棒。

產 業趨勢轉向網路化、行動化,台灣未能及時抓住,一籃子業者因此受重傷,連技術領先的半導體產業,近日都圍繞在被入股、被購併的議題打轉,過去引以為傲的產業通通暗淡無光。

為什麼台灣產業轉型與產業創新這麼慢?企業嘆人才難找,人才嘆低薪爆肝,產業與人才存在著矛盾,長期觀察產學發展的台大資工系教授洪士灝認為,這其實是多年前就已種下的果:企業急功心態,學校教授受制於過度重視論文的評鑑制度,各自卡在框架裡窒礙難行。

一直以來,台灣產業以代工、代設計為主,都聽令老闆行事(指IBM、蘋果等擁有核心技術的企業訂出規格,台廠跟從),訓練出台灣善於細緻化的垂直分工,從系統到晶圓,每一層都很專業,但大家都以訂單來溝通,不是用技術合作,「這樣的環境下,任務相對單純,找人也相對方便,訓練幾個月就要上軌道」,因此也慣壞了企業,認為學校訓練出來的學生要在最短時間被它們所用。

當企業以往的經營方程式還奏效,又背負著賺錢壓力時,轉型自然不會是當務之急,久而久之,「就看到他們沒那麼勇往直前」。而且在代工文化訓練下的人才也不夠全面。

另一部分,則是企業與學校產學合作不夠多,洪士灝舉例,外國產學合作的文化相當普及,特別是科技領域,企業盼與學界一起探索、進而解答,但台灣教授的評鑑制度過度重視論文,與企業做務實研究很可能不被承認點數,久了之後,弊端就會出現。

培養大型系統人才

「高科技應該是高風險,冒險犯難!讓沒有創新的大公司慢慢退場,跟大家說掰掰!」洪士灝直言。

例如代工產業所需的資本門檻很高,但如果技術門檻不高的話,其他國家如大陸可以靠著充沛的資金和人力,很快來占領這樣的產業,很多這樣的公司還在吃老本,難以轉型。

那資本門檻不高的新創企業呢?如果技術門檻同樣不高的話,即便靠創意、靠經營模式,也很容易曇花一現,因為這兩項很容易被複製,而且如果做的產品只是跟人家比快、一次做很多、賺一票,這與傳統模式很接近,同樣難以長久。

不過,老路走不通,就會找新路。洪士灝指出,未來台灣要走的路就是發展「資本門檻不高、技術門檻高」的產品或是服務。首先,硬體產業已經到了瓶頸,很難再撐下去,不必再有更多人進來幫忙cost down,而「幫硬體加值的就是靠軟體」。

看看幾個外國案例,他們的創意通常是建立在良好的技術之上,例如:荷蘭的建築設計了融合藝術價值、材料、力學;以色列也是科技輸出國,強項在軍用國防的技術;德國、日本、法國不是幫人家打造電腦,是做工業裡頭的製造技術。他們的共通點都是做大型技術,而非玩具,這些技術都是可以對外輸出。

「這些複雜的系統不需要大量資本投入,需要的是優秀人才」,將技術做到超前,就能把台灣整個產業往上拉升。像是新創公司沛星互動(Appier)、VMFive,就是很不錯的案例。所以,像是系統架構師(System architect)、擁有軟硬整合能力,均是未來很重要的人才。

讓中間世代也能貢獻

除了年輕人之外,身為五年級的洪士灝也看到中間世代的煩惱,「很多同學來問我,怎麼幫助產業?」他們在企業做到中階主管,被管理庶務、業績數字壓得無力,但還沒有被老闆完全授權,他們也不是新銳年輕人,就這樣被卡著。但為什麼不能將這群人的專業和經驗釋放出來?

現在大陸企業普遍是年輕人當家,與五年級生當時的教育不好有關,所以大陸年輕人上位很快,企業活力很旺盛,再看芬蘭,諾基亞倒下後反而釋放許多人力,創造不少新創公司。

「夾在中間的世代是重要的!」洪士灝強調。他們可以承先啟後,特別是新創公司在經驗、人脈、募資、財務的諮詢都很需要幫忙,這群人可以貢獻。但目前的問題是,中間世代的聲音有點被跳過,怎麼建立他們參與貢獻的管道、怎麼銜接,是很重要的議題,如果這部分可以引導出來,將會發揮很強的功用。

  • 行動事蹟
    長期關注科技人才、學生創新等議題,其觀點及文章經常出現在各媒體。
  • 希望2016年台灣能改變的一件事
    實現產學思維轉變的一年,學界能造就真人才,業界能讓人盡其才。

本文出自於:
@@BOOKID:126632@@

延伸閱讀:
關於資訊科學納入通識教育的思考,與蘇文鈺的虛擬對談

往下滑看下一篇文章
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。

Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。

企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運

模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。

2025 年活動論壇現場,資料照
圖/ AWS

從六種產業場景,看 AI 如何走進真實流程

真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景 議程規劃與關鍵課題
智慧支付 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷
製造 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料
媒體科技 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰
零售製造 零售製造轉型;把技術接進實際營運與使用者體驗

這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。

10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。

10/23高雄展覽館盛大舉行
圖/ AWS

「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓