程式衝撞未來，做沒人做但有趣的事：野生的程式學習者 TonyQ|數位時代 BusinessNext

第一次接案，是為了解決生計

十歲時，王景弘替自己立下三個志向，其中一個就是程式設計師。大學填志願的時候，他填了資工、資管相關科系，後來進入元智大學資管系。

原本就對程式設計有興趣的他，上大學後更是如魚得水。進入資管系前，他從學長姐那裡得知系上要學Java，暑假期間花了整整三天建置Java環境。開學後，他很快就超前系上進度。「我印象很深刻的是，因為我是很喜歡問問題的人，第四堂Java課的時候，老師跟我說：『如果你已經看到這裡，可以問這些問題，那接下來的課可以不用來，考試有過就好了。』」

不過，因為父親賭博的關係，從高中開始，家中財務每況愈下。到了大一下學期，經濟狀況跌到谷底，不得不自己想辦法謀生。「那是我人生很重要的轉捩點。」

那時連續三個月沒有從家裡拿到生活費，每個月必須將生活所需壓到一兩千元，甚至得硬著頭皮跟人借錢過日子。眼看這個家已經沒有經濟能力支撐他，再算算自己已滿18歲，最好的選擇就是靠自己走下去了。因為身材瘦弱，去便利商店應徵沒人敢要，於是跑到學校行政單位詢問工讀，「我不好意思把自己的情況講出來，支支吾吾地說『我真的很需要這份工作』。他們沒有多問，就說『好，我們找事情給你做。』」

沒人做但有趣的事情更值得

雖然工讀酬勞穩定，但是他自認這份工作「沒辦法累積專業和credit」，於是思考如何將專長和工作結合。碰巧在大二那年，他在Ptt接案版看到一份原文書進口商的行事曆系統維修案。他當時從沒寫過動態網頁，卻在半天內完成案子，並且順利拿到5千元報酬。「那時候就覺得，哇，一天賺了過去要兩個月才能賺的錢。生活的擔子少了一大半，挺好的。」到了大四，他開始全職上班，正式展開工程師的職涯。

王景弘從資訊圈跨足政治參與，現在又回業界擔任資訊長。儘管已打拼多年，至今從未停下腳步。「我在工作上已經幾乎不寫程式了，都是做管理和任務分派。自己的專案雖然還是會寫，但是都是不收錢的。我一個月大概花6至7千元租伺服器，做自己想做的事。」包括2013年的Facebook廣告社團檢查器、2014年的跳針留言小幫手，再到最近的好友邀請小幫手，都是他近年來的作品。

「重點是題目啦。」王景弘說，地點都不是問題，只要有空檔，不管咖啡店、火車上都可以寫，有沒有網路也不太重要。不過，還是要夠「有趣」才能打動他。

對他來說，什麼樣才能稱得上是有趣的題目？「沒有太多人做過，或是大家覺得會失敗，但是失敗也沒關係的東西。」他補充，「能做的事情很多，但是『能做的事』不等於『重要的事』。我會優先處理『能做的事』裡『有趣的事情』，再從裡面找重要的事情來補。但是我不覺得重不重要是一個關鍵的要素。我覺得，重要的事情只要有人做就好，去做『沒有人做但有趣的事情』對我來說更重要。而且有時候，反而因為你做了，所以它變重要了。」他輕輕說。

王景弘 TonyQ
出生年｜1986年
學經歷｜元智大學資訊管理系。JavaScript.tw社群創辦人、JSDC論壇共同發起人。曾任柯文哲競選團隊網路部工程師、蔡玉玲政委辦公室研究員。現為集善地國際科技資訊長。
會寫哪些程式語言｜專精JAVA、PHP、Javascript，但幾乎所有程式語言都接觸過。

![圖說明][2]

攝影／郭涵羚

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。