台灣Open Data政治經濟的未來在哪裡?
台灣Open Data政治經濟的未來在哪裡?

講到開放資料,這議題在台灣從Open Data Taiwan與零時政府開始,一直到最近唐鳳任數位政委對於Open Data與Open API的發言,可以說是火力全開。而說到開放資料,過去也曾有關於美國各級政府與民間的開放資料應用,以及民眾參與開放資料的未來。

此議題在未來十年,想必是台灣政治輿論的重要話題。

Open Data從何而來?

當唐鳳提出Open Data和Open API時,許多對科技業有點陌生的朋友可能聽得一頭霧水。

簡單而言,Open Data字面上的意思就是「將資料開放大眾存取」,一般而言開放的資料多為民生相關、攸關公眾利益的資料,比如說一地方的地鐵載運量、水電用量、學校平均考試成績等,都有可能被用來做對大眾有利的應用。(應用產生的負面影響就是另一話題了)

而Open API,裡面API是Application Programming Interface(應用程式開發介面)的縮寫。粗略的類比,如果一家公司(或政府單位)開發了一軟體服務或軟體平台,那我們可將其比喻為一商家。若有一天這家公司(或政府單位)決定將此軟體服務或軟體平台的部分功能與資料用統一的介面提供給外界的開發者使用,這就是API,這就好像一大商家將自己的部分用地改建成百貨,邀請外部商家進駐,共享百貨商店的人潮與商業資源。當然,一方面外部商家受益於百貨商店的人潮與商業資源,另一方面,百貨也受益於外部商家帶入的產品與服務多樣性,因而吸引更多客源。同理,很多科技公司對外開放API,也同樣可以吸引外部開發者產生新產品,壯大自己的陣營。

其實API這概念已有一定的歷史,即使在網路經濟起飛前,許多軟體作業系統平台如Linux、BSD與Windows都有開放API讓其他開發者設計應用程式。而當平台廠商開放API,吸引到了更多的開發者加入該平台的應用程式開發行列,漸漸地就會形成一生態圈(Ecosystem)。

而今天的網路經濟亦然,API成為各類網路應用程式發展的基石。拿Uber為例,其使用的衛星導航、地圖資訊、簡訊系統、支付系統等,至少在公司草創初期都是使用其他廠商(如Google)API的現成功能,因次可以快速地開發出應用程式。而這種網路API生態發展至今,除了大家熟悉的搜尋、地圖、翻譯等,更有資料探勘、臉部辨識、語義知識等功能可供獨立開發者使用,大大降低了網路應用程式的開發成本。

限編輯使用_地圖google map_tsyhun : Shutterstock_215587159
API大大降低了應用開發的成本,如Google Map等等。
圖/ tsyhun via Shutterstock

而「Open」API,討論的則是政府與各類民間組織可開放大眾存取的民生與大眾利益資料。

而講到這邊,我們或許該好奇:

為什麼這一切在達康泡沫前後的「Web 1.0」時代沒有發生呢?

其中有幾個環環相扣的因素:

**首先,2000年之前的軟體幾乎都是以「零售」(Retail)的概念為基礎。**在這種情況下,軟體開發是間斷性的。因此,當時的軟體開發方式也被戲稱為瀑布式開發(Waterfall Methodology),只有單向的專案管理、開發與品管,而不注重連續性的更新與成長。在這年代,軟體開發的生態成長是很零散且階段性的,以電玩遊戲為例,OpenGL與DirectX相隔一年(甚至多年)才會推出新版本,而新的版本推出後才會有遊戲開發者去用新的API開發新遊戲。可見過程相當緩慢。

**次者,當時的網路太慢。**當時大家還在用撥接網路,無線路由器還很新、無線電話(還不是智慧型手機)貴得要死,速度也超慢。因此,當時即使有一點行動應用程式的基礎,也依然是以零售的單機軟體為主,而不會仰賴網際網路。到了Palm Pilot和後來Windows Mobile稱霸的年代,智慧型行動裝置還是必須仰賴與桌上型電腦同步來更新資料和安裝應用程式。

**最後,就是電腦運算能力和能源效率不夠。**即使寬頻網路普及,單機電腦的運算能力也不可能去處理大量的資料。試想,今天一隻手機上的繪圖晶片,比2000年家用的3D加速卡效率強上百倍都不誇張,因此你可以想像過去資料應用有多少硬體上的限制。

總而言之,API與Data尚未盛行的年代,最重要的原因就是「沒有任何業務誘因」。

而這此我們對業務作廣義解釋,泛指所有可以為人類社會創造價值的活動。而我們該銘記的概念就是這一個:沒有業務誘因、沒有利益,很多事情都不會發生。

搞懂了這一點,我們才能深入了解台灣的開放資料困境。

開放資料、開放API與政府

說到「開放」,敝人將「政府」放在最後位是有原因的。

政府的預算和公司不同,而政府的「業務」標準也很難拿捏。以教育為例,政府到底應該加撥預算給成績有明顯進步的學校?還是應該把預算撥給成績明顯退步,或資源欠缺的學校?前者有人批評是菁英主義,而後者也有人批評是破壞學校的進步誘因,很難說誰對誰錯。

故此,政府的預算和支出很難像公司一樣從商品的數量、售價、成本去推算,而常常是用漸進式預算法(Incremental budgeting),每年增加,並視政策進行調整。

言歸正傳,可見要討論開放資料、開放API其實不應該從政府的角度出發。就連在台灣大家喜歡借鏡的美國,真正的開放資料都是從企業界和學術界開始著手,而非政府。確切而言,Prototype出自學術界,而企業界將樣品商業化後,有一定產值後才會評估是否透過建立API、發展生態來帶動附加價值。

而政府呢?在業界的數位政策發展出一定產值後,通常政府才會在輿論壓力和業界遊說下跟進,加入資料化與API化的行列。

也正因為如此,通常與公共行政牽絆甚多的產業,如教育、醫療、能源、建設等,在資料化和API化都會特別慢。

台灣開放資料的問題

看到這邊,或許有些讀者已了其大義:一個國家的開放資料政策與其普及度,是果,而不是因。

其實在現在這個節點提出開放資料政策,未免太低估了台灣人的能耐。

台灣人每年出國念書超過兩萬人,而在外工作以及台裔移民更多了。以美國為例,美國國家科學院、工程院有台灣學者,美國在資料化和API化的龍頭企業們多的是台籍員工(而微軟、IBM、Google、雅虎等外商在台灣都有分公司,公司內員工也有國際經驗)。而台灣人與台裔在美國創業成功的人也大有人在。

我們真的以為台灣的資料化不力,是因為沒有人想到要出來喊一聲「Open Data」、「Open API」?

開放資料_open data_shutterstock_196658798.jpg
圖/ shutterstock

上述,Open Data與API其實概念很早就存在了,說Open Data是果不是因,意思就是開放資料的發展,是一個國家商業與政治環境的後果;而不是魯莽去砸資源發展開放資料,就會解決一個國家的問題。

事實而言,當你在台灣想要開發應用程式,要買車票、電影票、訂購飯店?常常沒有API可用;要線上付款?沒有API可用(直到最近);要查詢路況,資料不完整而且格式絮亂;要比較多家廠商的價格?想要進行價格最佳化?想都不用想了。

而商業的基礎是只要有利可圖,就會有人做,而今天台灣這些網路服務與API發展落後,問題就是在於台灣的商業環境使得廠商無利可圖!

而道理其實不難懂,當任何廠商在提供資料和API的原因,就是希望能夠仰賴外部開發者的產品開發能力獲利,從中抽一筆。

說Open Data是果不是因,意思就是開放資料的發展,是一個國家商業與政治環境的後果;而不是魯莽去砸資源發展開放資料,就會解決一個國家的問題

當台灣產業的毛利極低、成本意識高漲,請問有誰會想再讓資料商或API商再撥一層皮?

台灣亦無Google、微軟、Facebook這類大型軟體公司,把投資資料和API當作佛心事業。如此惡性循環下,沒有人願意投資API,自然也難有有更有效率、更高價值的產業出現。

台灣開放政府的問題

說到開放政府,許多熱衷於開放資料的朋友都喜歡拿美國來說嘴。而很可惜的是,許多人都是看圖說故事,去揣測開放資料對於美國的意義。

先不論美國各級地方政府(州、市、區等)的開放資料政策,純粹以聯邦政府為例,歐巴馬於2009年指派了美國第一任技術長(CTO,Chief Technology Officer)並且推動了一系列的行政資料透明化。當時,美國正逢金融海嘯,對於美國國會通過的量性寬鬆政策,聯邦政府成立了Recovery.gov(已下線),讓美國民眾可以上網查詢預算使用狀況,以及每州、每個城市獲撥的預算。同時,歐巴馬政府也成立Data.gov來提供外界存取聯邦政府的行政資料。然而在美國政治輿論中,無論左派和右派都未將歐巴馬的數位政策列為焦點。

為什麼呢?

因為其實歐巴馬指派的CTO,只是名目改變,實際上就是美國白宮科技政策辦公室的頭(而這辦公室已成立40多年了)。而Data.gov上的資料,其實在聯邦政府各部會(如聯邦人口普查局、聯邦教育部下)都已經數位化。

而論及美國國會,國會議員接受的政治獻金(參議院眾議院)線上都查得到,而這是1995年就已經通過實施的法案。

其實美國很多看似過去十年內才開始實施的開放資料、開放政府政策,實際上在美國聯邦政府已經實施許久。而在網路時代之前,很多美國聯邦政府的相關行政資料在美國國會圖書館都已經公開。

對於美國而言,開放資料與開放政府政策只是近一步提升效率,並不是大家所想的是在「搞革命」。因此歐巴馬一系列的政策,確實受到部分表揚,但卻不是甚麼驚天動地之舉。

反觀台灣政府呢?

暫且不論政府各部會下的資料透明化問題,台灣政治與黑金向來無法脫鉤。而說到台灣的建商利益,回扣、偷工減料、最後追加預算,一堆很單純的政府建案可以脫個十年、二十年,然後弊案連連,請問是「沒有資料」所以不能處理嗎?

美國聯邦政府的發包系統向來都是讓中小企業可以上線發包,而參與競標的廠商名單都是公開的,而事實上許多標案都是中小企業得標。

而反觀台灣各級政府的發包體系呢?

有在台灣競標的朋友都曉得,台灣有不少莫名其妙的「買辦」,美其名是政府扶植成立的產業研究、產業發展團體,事實上卻是大搞與民爭利。台灣包案,中小企業要接案很困難,必須透過這些「買辦」去競標後再轉包,才有可能拿到包案。這中間的「買辦」不但甚麼都不用做,可以從轉包過程中大揩油,最後又是台灣中小企業被活活剝了幾層皮。

這些半官半民的「買辦」,旗下都有上千名員工,每年營收破億,比很多投標廠商還要大。請問這種徒增行政累贅和產業效率的問題已是家喻戶曉,難道是「開放資料」就能解決了嗎?

在台灣,開放資料似乎演變成一種潮流,大家都想搞革命。從基本的民生水電資料、到弊案、到自助救災都想要做。然而這種思維怕是土法煉鋼,實為夸父追日。

試想,當一政府有偵測器、有專業研究員、有救難隊、有直升機,卻不去救災,讓上千村民被活埋,我們甚麼都沒有,靠一張嘴巴、靠幾台電腦整理一些資料,能救災?

再想,如果貪污、舞弊、官商勾結已是家常便飯,人人都知道,但是還是沒有人去監督、懲處。我們同樣靠張嘴巴、靠幾台電腦整理一些資料,能實施廉政?

再想想,如果大部分閒置資金都已卡在房地產裡,新產業發展、產業轉型沒有研發資金、沒有國外通路、沒有技術升級,我們同樣靠張嘴巴、靠幾台電腦整理一些資料,能救經濟、能創造就業機會?

今天你就算依樣畫葫蘆學國外實施開放資料、開放API,這些問題就會解決?可能嗎?事實而言,這種政策在現在的政經體系下,恐怕只會創造更多無效率的包案,消耗更多預算而已。

人家美歐是先有透明化、先有產業、先有廉政、先有效率,才有開放資料、開放政府政策來加持。我們不能再幻想資料可以改變一病入膏肓的國家,更不要天真地想像抄襲數位經濟大國的做法,馬上就能改變我們社會與文化的體質。

社會與政治問題最終是靠人解決,不是靠科技。

要改變台灣的未來,我們要推動的不是開放資料政策,而是靠更強大的民意去深入影響政壇,對各級政府監督施壓,割除台灣商業與政治環境的毒瘤。不然體系中一堆人占著茅坑不拉屎,你不管怎樣用力「開放資料」,沒人捲起袖子做事,問題依舊。

#####《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。

關鍵字: #開放資料
往下滑看下一篇文章
把老師傅經驗變成 AI!智穎智能讓射出機從「導航」走向「自駕」,桃園如何助攻技術落地?
把老師傅經驗變成 AI!智穎智能讓射出機從「導航」走向「自駕」,桃園如何助攻技術落地?

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。

用手機即可查看系統狀況
圖/ 智穎智能提供

「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。

智穎智能在 TaipeiPLAS 2026 台北國際塑橡膠工業展,展示 AI 智慧製造成果,現場商洽氣氛熱烈,成功吸引產業關注。
圖/ 智穎智能提供

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。

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
台達電全解讀
© 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