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
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

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