[洪士灝] 談政府補助與計畫執行|數位時代 BusinessNext

昨天去經濟部協助計畫審查，行政院長官說政府希望審查委員幫忙把關，多砍掉那些沒有意義的研發計畫，我很同意這樣的思維。與其給錢去扶植那些扶不起的阿斗，不如完全不要給。（附帶一提，只拿了2000元出席費，要扮演3小時的黑臉，得罪一堆原本是朋友的提案人，評審真是難為。）

錢給了扶不起的人，一則大概做不出好東西，二則做不出好東西又為了生存的人往往致力於包裝成果、請託關說，增加評鑑的困擾；三則這種作法久了之後成為常態，劣幣驅逐良幣，扶不起的人更扶不起，有希望站起的人拿不到補助。

圖說明

台大資工系教授洪士灝。攝影／郭涵羚

話說，很久以前為什麼有頗成功的政府補助案例？因為拿了錢的人有真正努力在做事，而且市場定位所需求的技術層次不高，容易做出能賣錢的技術和產品。現在很多？變了，反過來了，研發出普普通通的技術和沒有特色的產品不易找到出路，尤其是軟體業。

軟體如果沒有競爭力，可能連免費送人都沒人要，所以我不覺得會寫程式有甚麼了不起，重點在於做出有競爭力的產品。產品可能是高超的演算法、高效率的軟硬整合運算技術、創新的系統架構、超好用的雲端服務、聰明絕頂的人工智慧。時至今日，有競爭力的軟體往往不是隨便找一群人、花幾個月就能搞出來的。

所以我今天看到「交通部擬推台灣版Uber」的報導，預計兩個月內完成台灣版網路「類Uber產品」，遭到一群朋友韃伐，我有種不意外的感覺。但意外的是，前一陣子「亞洲矽谷」不是才被打槍，怎麼又來一次？很多對這些案子有異議的朋友，不是為反對而反對，更不是為自己利益而反。

要做台灣版Uber，需要多少人力和時間呢？為了探討這個問題，我們先參考一下Uber這家公司的相關資訊。關於Uber的歷史和公司概況，請直接看維基百科就行了，有人預估他的資本額是625億美金。這個大公司，目前還在積極招募工作人員，有興趣的朋友可以去看看相關職缺。

我們看到，Uber這麼大的公司，搞了好幾年，目前還積極招募工程師（engineering），有278個職缺。打開工程師職缺網頁所見，大半都是軟體工程師、資料科學家。

圖說明

前一陣子「亞洲矽谷」才被打槍，今天又傳出交通部擬推台灣版Uber

當然，交通部只是說要開發「類Uber產品」，沒有說要「類」到甚麼程度。好比之前政府說要蓋「亞洲矽谷」，也是一個「類矽谷」的概念，但也沒說要「類」到甚麼程度。這樣的提案，你不能說提案者沒有企圖心，但我們如果站在評審的角度客觀來看，必須很清楚知道他想要做到甚麼程度，以及要憑藉甚麼方式來做到。

「亞洲矽谷」的構想，之所以被打槍，是因為構想中似乎天真的以為只要蓋一個夠大的園區，加上一些招商策略，就能打造出矽谷那樣的高科技新創的環境。但去過矽谷的人都知道，矽谷不是園區，是一個很寬廣的區域，而我們現在比較常用的稱呼是灣區（Bay Area），包括的範圍比從台北到新竹還大。

在新店有個叫做「台北矽谷」的地方，做為民營的大樓、會議中心的名稱可以，不礙著誰。但政府帶頭做事，如果「畫虎不成反類犬」，就貽笑大方了。我們常看到一些號稱「先求有、再求好」的案子，花了錢做了勉強可用的東西，之後也沒有求好。最糟糕的是那些，東西不能用，原本就是一場騙局的案子。

新政府要知道，這些年民眾對於施政頗有怨言，不信任政策規劃，其來有自。在問題很嚴重的情況下，光是「比舊政府好一些」，並不能讓民眾滿意和信任。政府新的規劃，如果只是新瓶裝舊酒，無法大破大立，恐怕沒有辦法解決問題、讓民眾有感。況且，如果有圖利特定人士的可能性，會造成民眾反感；老是去扶那些扶不起的阿斗，也無濟於事。

我不知道交通部「類Uber產品」的具體想法，但如果只是為了強化某些計程業者的服務，或是幫偏遠地區提供共乘服務，那的確可以很快做出來，但究竟有多好用，會不會有人用，都是問題。既然以交通部的高度來做事，或許格局可以放大些，看遠一點。

把格局放大些，我們想想，Uber純粹靠抽取佣金賺錢嗎？為什麼要雇用這麼多軟體工程師和資料科學家？因為系統所累積的大數據，以及做為交通工具的重要通路能結合其他行業所產生的商機，才是Uber所著眼的金礦。

例如高嘉良兄建議政府做資訊交換平台，就是一個不錯的發想。政府應該著眼於公眾利益，讓資訊透明公開，規定各種公眾交通仲介服務（包括客運、計程車、Uber）必須提供去隱私之後的載客資訊上傳到平台上供大眾利用，不偏袒特定廠商。

當然，要做出像樣的資訊交換平台也有其難度，政府也可以選擇不做，節省納稅人的錢。請不要以為政府形式上有在做事情，沒有功勞也有苦勞，就能向民眾交代。如同本文一開始所提到的，半吊子的執行、不正確的補助，不只浪費錢，更嚴重的是造成不良的副作用，例如政府繁瑣的公文和統合視導，對中小學教師造成極大業務壓力，五年五百億造成大學之間、教授之間的嫌隙與學術研究的偏頗。因此，政府做事情要有所為、有所不為才好。

本文授權轉載自：洪士灝Facebook

代表圖截取自：《Silicon Valley》

#####《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。

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。