[陳昇瑋] 倡議以分享為前提的「真」技術演講|數位時代 BusinessNext

近幾年大數據或資料科學 (以下簡稱資料科學) 的會議不勝枚舉，無論是社群、政府、法人、學校、業界，各界都不乏熱心人士積極舉辦相關的研討會或座談會。主要的目的，基本上都在於促進聽眾對於資料科學的興趣及期待。但是，除此之外，好像甚少實際告訴大家下一步怎麼做，才能讓資料科學接地氣，實際在台灣發展起來。因此，在 2014 年，我們發起了一場不一樣的資料科學研討會，不只是要把大家的興趣激發起來而已，而是要滿足大家的求知慾，那些聽說的在國外發生的以資料科學創造價值的工作，究竟技術上是怎麼達成的？

（圖說：Chris Cox 在 Facebook F8 2016 進行技術演說，Facebook 提供）

技術演講其實不簡單

如何將應用資料分析從一團亂糟糟的資料建立出有價值的應用，這類商業應用背後在技術層面的來龍去脈，當然不會在報章雜誌中看到，而是要親身經歷，才能夠完整夠有深度地描述。因此，在規劃台灣資料科學年會時，希望能依照兩條講師邀請原則，提供一場滿滿的「真」技術演講的盛會給對期待進入此領域的資料科學愛好者。這兩條講師邀請準則原則是：

講師為有資料處理及分析實戰經驗者。

講師需要解釋資料怎麼來、資料的實際長相、如何進行資料處理，如何建立模型，計算的效能如何評估，這些細節至少都必須有相當程度的說明。

關於第一條原則，如果在講師的電腦中，找不到 R, Python, SublimeText, Visual Studio, vim, ssh clients 這些工具（編按：這些多半都是資料科學實作時常用的一些工具），大概就沒有辦法邀請成為年會的分享講者。

（圖說：戴志洋於 2016 學生計算機年會（SITCON）進行主題演說，James Huang 攝影）

但這樣還是不夠的，麻煩的是，很多人在做經驗分享時，習慣是這樣演講的：
1. 我是誰；
2. 我大概做了什麼（怎麼做的是秘密，怎麼可以告訴你）；
3. 我們 (的公司/平台/產品) 很厲害吧！

以筆者的自身經歷來說，聽過一場五十分鐘的大數據技術演講，聽完後，資料量多大，多少筆數，多少屬性，完全沒有概念；是幾萬筆，幾十萬筆，幾百萬筆，還是更多呢？如果實際舉手發問，問了三次，對方還是只能不斷強調「資料量很大很大，處理起來要很久很久」，沒辦法繼續討論下去，當然令人懷疑他本身是否知道答案。

這樣的演說，除了宣傳資料科學及幫聽眾做觀念上的啟蒙以外，沒有太多實質的好處。聽一場也是啟蒙，聽十場還是只啟了蒙，沒有更深入的瞭解。對於已經啟蒙，想要進一步瞭解原理或進行知識交流的聽眾來說，只是時間的徒然浪費。這也是為什麼經過了無數場演講的淬煉，會有了上述的第二條原則：也就是講師需要把資料怎麼來的，資料長什麼樣子，怎麼處理的，模型怎麼建的，效能如何評估，至少都必須有相當程度的說明。

技術細節分享不等於外流公司機密

每次提到技術細節的分享，就會有人說，這是公司機密啊，怎麼可以外流。真的這樣想的話，這些公司機密也太好偷了吧；看看這篇 Uber 資料分析師所寫的「以貝氏模型推估 Uber 乘客的目的地（Making a Bayesian Model to Infer Uber Rider Destinations）」對比某些台灣公司的標準這位資料分析師大概得因為洩露公司機密切腹了。

（圖說：真實 Uber 目的地先驗機率（左圖）與抽樣的搭乘者先驗機率資料（右圖）。越大的圓圈半徑表示有越多的目的地出現在模型資料上，數位時代翻攝自 Uber 新聞室。）

然而以上文這樣的方法為例，說真的也只是用了現成統計模型／機器學習的方法的直接應用，這是最直接的套用，也通常是有些經驗的資料科學者都會做的工作。聽眾期待的，是在分享實際套用過程中得到的經驗，例如可能會踩到哪些雷、哪邊可能會出現意想不到的情況等等，分享資料處理／分析技術上的 know-how，可以互相幫助同行節省試誤的時間。這分享的本質，與商業機密說差太遠了。更何況，沒有 Uber 那特殊而龐大的資料集，就算知道方法也做不到相同的分析，對多數情況而言都是多慮。換句話說：技術及 know-how 並沒有那麼容易被偷走，也沒有那麼容易套用在其它情境。

分享的價值在於讓聽眾舉一反三；同時，聽眾的一個問題或回饋，有時也可以讓講者本身發現自己的盲點，學習到更多。

技術分享演講中，除了技術的交流，實戰經驗的分享也很有價值。在經驗的分享層面，聽眾期待的不是聽「講古」或「話當年」。講師若曾遇到什麼有趣的資料，就把它秀出來；若曾遇到什麼特別的狀況，就透過投影片把事實呈現出來，描述那段過程，而不只是歸納的心得或心法。很多時候，多些投影片是必須的，最怕講者忘我，講個十分鐘不換頁，也忘了用投影片多呈現一些具體的事實／資料／圖表，讓聽眾更容易把知識內化，而不是聆聽講者自身已經內化再外化的觀察，這不一定適用於所有人的知識或原則。因為人人各自有一套吸收經驗及組織知識的方法，所以若能把事實（資料），以及講者個人歸納的心得同時呈現出來，通常是更好的作法。

多多分享，通常會發現自己得到更多

講者邀請原則看似簡單只有兩條，但要找到合適的講者卻相對困難。也許是因為台灣還缺乏熱情分享知識的文化，擔心知識分享出來自己就會喪失競爭力，也可能只是缺乏自信的問題。在筆者自身的經驗裡，多多分享，通常會發現自己得到更多；筆者的信念是唯有嘗試這樣做過，才能夠瞭解這層真諦。

（圖說：聯合國開發計畫署亞洲總部創新顧問馬金馨於 2015 臺灣資料愛好者年會進行資料新聞分享，James Huang 攝影。）

這幾年，筆者的主要工作是在推廣資料科學，不過發現卻最大的阻礙是台灣仍缺乏知識分享的文化。大數據研討會及演講每幾天就有一場，卻甚少聽到以技術分享為前提的討論，這樣的活動再多，大家還是瞎子摸象，有聽沒有懂，會以為大數據是個玄學。另一方面，大伙兒喊著想學，學成後沒有動機分享，造成台灣的技術人只能持續由國外輸入最新的技術養分，這也是我們要努力改變的。

2016 年已經快過完一半；我們也花上了好幾個月，努力邀請熱心分享資料分析經驗的五十位講師，一齊在2016 台灣資料科學年會分享他們的第一手資料分析經驗。在這兒邀請所有的資料科學同好者於 7/14 (四)－ 7/17 (日) 來中研院一同參與以分享為前提的技術演講，也歡迎對資料科學有興趣的朋友們，持續關注台灣資料科學年會官網及粉絲頁，接收相關的活動資訊！

十分期待以台灣資料科學年會技術議程為起始，倡議以分享為前提的技術演講。讓技術人能站在彼此的肩膀上眺望，省去大夥兒三更半夜獨自琢磨技術的時間，同時促成台上與台下進行更多實際的技術交流，讓技術發展能在台灣生根，做為數位產業發展的養份與基石。

@@ACTIVITYID:602@@

《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長800至1000字，兩天內會回覆是否採用，文章會經編輯潤飾，如需改標會與您討論。

AI 趨勢下的三大支柱：從領先電信商到 AI 轉型夥伴

「AI 是當下最具前景、最能推動創新的力量。」陳元凱一開場便指出，從 2025 年全球募資趨勢可以明顯看到，AI 的投資焦點正開始從模型與基礎建設，轉向更貼近產業場景的應用層面，如：AI Agent、工業自動化、無人機等各種創新應用。

面對這股趨勢浪潮，中華電信作為市值逾兆元、台灣最大行動與寬頻服務供應商，不僅要思考「如何讓自身轉型速度跟上 AI 時代」，更須以宏觀視野，將自身的 AI 實戰經驗轉化成可複製的方法論，協助個人家庭用戶、企業客戶、海外台商以及跨國全球企業一起邁向以 AI 賦能的未來。

為此，中華電信提出三大支柱，第一根支柱：數位韌性，打造最可靠且無所不在的網路環境。第二根支柱：智慧驅動，透過 AI Factory 與內外部創新，加速企業 AI 轉型的腳步。第三根支柱：永續未來，將能源轉型、ESG 與循環經濟納入核心策略，持續向淨零碳排邁進。

數位韌性：以「海地星空」四層網路打底，打造具備 AI 韌性的寬頻網路基礎設施

數位韌性，是指提供可信賴的連網能力，這是所有 AI 應用的基礎，有了穩定的網路，資料才能更大量、更快速且安全的流動。陳元凱在演講中特別強調，中華電信近年的核心策略之一，就是打造足以支撐 AI 時代大量資料流動需求的「數位韌性」，並具體落實在海、地、星、空四層網路架構上。

在海底，中華電信已投資興建 14 條國際海纜和 10 條國內海纜，讓台灣能穩定連結到美國、日本、歐洲、東南亞等地，這是台灣面向全球的資訊主幹線。在台灣地面，中華電信一方面持續擴大光纖、4G、5G 的部署，另一方面也以微波系統補強山區、偏鄉或其他特殊地區的通訊服務，讓網路真正做到連得上、連得穩。同時，展望未來 AI 時代的網路需求，積極投入 IOWN 次世代全光化網路的前瞻布局。

再往上走向天空，中華電信導入 OneWeb 的低軌衛星（LEO），作為地面通訊中斷時的即時備援。而在低軌衛星之外，還有 ST-2 高軌衛星（GEO）、Astranis 的微型高軌衛星及 SES O3b 中軌衛星（MEO），打造出整合高中低多軌道衛星的新世代衛星通訊網路，確保台灣在任何環境下都能維持穩定連線。

智慧驅動：用 AI Factory 平台加速企業導入智慧應用

透過由「海、地、星、空」打造的高密度通訊網絡，中華電信建構出真正的數位韌性，確保企業在任何情境下都能保持連線不中斷。並以此為基礎，向上發展出第二根支柱智慧驅動，並以自主研發的 AI Factory 平台，加速賦能產業智慧轉型。

AI Factory 平台共分為三層，最底層為資源平台，以 hicloud AI 算力雲提供運算、儲存等資源，讓企業能以更低成本、更高效率取得 AI 所需的算力。中層是模型訓練與推論平台，中華電信整合 AI 算法、DeepFlow 平台，提供開發者一站式模型訓練、微調、推論等服務，有效縮短模型開發時間。最上層則是 AI 服務平台，中華電信將經過內部驗證與外部協作的 AI 應用，轉化為可快速導入的解決方案，讓企業不必從零開始，大幅降低導入門檻。

陳元凱進一步說明，中華電信如何運用「內服」與「外用」兩大策略，打造可快速複製並導入的 AI 解決方案。「內服」指的是，中華電信將 AI 導入（如人力資源、行銷、網路維運等）內部營運流程，透過實際運作驗證可行性，再將這些「經過實戰驗證」的模式，轉化為外部可用的解決方案。

舉例來說，智慧客服中心導入 AI Agent 協助客服人員快速查找資料，使知識檢索有效提升效率逾 44% ，並同步提升線上客服整體滿意度。智慧門市則透過 AI 重新優化櫃台作業與案件檢核流程，不僅讓門市客戶整體等候時間縮短 23%，也提高案件檢核效率 33%。這些成果證明 AI 對提升作業效率的實質效益，更成為可直接輸出給企業客戶的最佳範例。

從內部創業到外部生態：串起台灣 AI 的創新動能

除了打造企業所需的 AI 解決方案之外，中華電信也不遺餘力推動 AI 創新創業生態系，策略做法則是從內部創新以及外部合作兩個方向著手，持續挖掘企業真正需要的 AI 創新解決方案。

在內部創新面向，中華電信積極培育內部創業文化，鼓勵員工成為「內部創業者」，並提供相應資源支持員工將創新想法落地，今（2025）年 10 月成立、專注於 GenAI 服務的中華創智國際（CHT InventAI），便是第一個正式從內部孵化育成的 AI 新創公司。第二家聚焦邊緣（Edge AI）與智慧影像的新創團隊，也將在 2026 年正式落地。這代表中華電信不僅是擁抱 AI，更將其視為可以獨立成長的戰略事業體。

在外部創新合作面向，中華電信持續打造更開放的創新生態系來加速 AI 應用的擴散。從 2018 年啟動台灣首個由電信業主導的 5G 加速器以來，至今已陪跑超過 80 支新創團隊，其中有兩家成功上市。未來，中華電信仍將持續透過加速器與新創一起共創新解方，成為企業邁向 AI 的重要推力。

陳元凱在演講最後強調：「AI 發展才正要起步。」在這波浪潮中，中華電信將以電信服務、企業解決方案及成長型投資（M&A）組成的 AI 飛輪，持續站在最前線引領創新，希望透過 AI 飛輪的轉動，不僅推動中華電信自身成長，更能帶動台灣企業積極擁抱 AI，共同進入 AI 加速的大未來。