台灣人對Moto手機還有感情嗎？「模組化」或許是他們的求勝關鍵|數位時代 BusinessNext

台灣人對Moto手機還有感情嗎？「模組化」或許是他們的求勝關鍵

Moto手機回歸台灣四個多月，推出兩款主打「模組化」特色的中高階智慧型手機，消費者真的買單嗎？Moto母公司、Lenovo 亞太區營運總監蔡漢威說，雖然不能透露數字，「但接受度比預期還要好。」

台灣賣最好模組：喇叭、投影機

目前在台灣販售的Moto手機有Moto Z、Moto Z play兩款，都支援磁鐵吸附的模組化配件。蔡漢威表示，其實台灣消費者的喜好跟他們的想像不太一樣，以目前四款模組：喇叭、投影機、相機模組以及背蓋來說，跟音樂相關的喇叭賣最好並不意外，但第二名居然是「投影機」。

蔡漢威認為，這應該跟台灣的居住空間相對比較小有關係，因為隔壁的日本消費者也很喜歡投影功能。

Moto保證台灣每季都會有新模組

儘管Moto模組使用上相當方便，但價格並不便宜，因此也有消費者擔心，要是模組銷售不佳，未來會不會就沒有新產品能使用？對此，蔡漢威則表示，Moto規劃全球每季都會推出3-5個不同模組，台灣每季也至少會引進有1-2款，他們會稟持 different is better 的主軸，讓消費者玩出差異化。

他強調，接下來會引進「快速充電」給台灣消費者，甚至也歡迎台灣的開發者一起加入創新行列，Moto已經在紐約、舊金山、深圳、印度等地舉辦開發者大會，透過他們提供的Kit，可以降低開發者的成本，另外若有好點子出現，「Moto也會想辦法幫助量產。」

Moto壓寶模組化將成為他們重返高階智慧型手機市場的利器，原先設定的目標，是全球至少40%的新顧客都會購買模組。以台灣市場的數字來看，平均每位用戶會購買1-1.5個模組，已經算相當不錯。

蔡漢威強調，為了讓消費者有物超所值感受，他們保證至少在三代以內的產品，都可以相互支援，不必擔心有新手機推出就要買新模組。

隨著 AI 工具逐漸普及，真正拉開差距的，已不只是技術或算力的強弱，是企業能否整理資料、重新設計流程，並把 AI 融合既有工作方式，持續轉化為營運價值。

Amazon Web Services（AWS）將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表，從技術趨勢、資料治理、流程設計與組織轉型等面向，拆解 AI 落地前必須處理的現實問題，協助企業重新檢視自身的導入條件與下一步布局。

企業下一步，不只是再導入一套 AI 工具，而是讓 AI 進入日常營運

模型可以採購，系統可以建置，但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責，才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型，同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業，場域複雜、既有系統眾多，正因如此，更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎，進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄，今年以「雲騰智慧大南方齊創 AI 好未來」為主軸，將討論重心從雲端與算力基礎，推進到應用全面升級，協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升，才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑，10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」，而是導入之後企業的真實改變。

OpenAI 重磅講者親臨高雄，從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey，以「前瞻 AI 如何助力產業領袖開創新局」為題，分享在 AI 技術快速演進之下，企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張，哪些應用已具備規模化條件？哪些仍需要更完整的資料、治理與組織準備？這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向，拆解 AI 落地前必須處理的現實問題。「數據為本，AI 啟航」先回到資料基礎：外部模型跑得再快，若企業自身的欄位定義、存取權限與資料品質尚未整理到位，技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門，真正困難的不只是把系統建起來，而是由誰推動流程改造、由誰認列成果，以及當 AI 產出的判斷出現問題時，責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題，對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求，也提醒企業：效率不能取代治理，AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界，將直接影響 AI 應用能不能被長期採用。

從六種產業場景，看 AI 如何走進真實流程

真正具備參考價值的 AI 案例，不只要說明「做了什麼」，還要回答幾個更實際的問題：解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷，又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景	議程規劃與關鍵課題
智慧支付	藍新金流運用 AWS AI 自建智能 KYC 與交易監控；處理身份辨識、交易監控與風險判斷
製造	以語意層串接資料孤島，讓 AI Agent 正確理解分散在不同系統的資料
媒體科技	會說台語的 AI Agent：從醫院櫃台到第一線的落地實戰
零售製造	零售製造轉型；把技術接進實際營運與使用者體驗

這些差異進一步說明，AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的，不只是更多案例，而是看見不同產業如何依資料條件、即時要求與風險門檻，把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」，邀集超過 15 組雲端生態系夥伴設置展示攤位，聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理，還是組織協作，不同問題點，都能找到對應的解方。

10 月 23 日，從智慧製造的產線優化、金融科技的風控升級，到運動產業的會員體驗創新，看 AI 如何從概念走進產業現場，成為百工百業轉型升級的實際動能。

「2026 亞馬遜港都 AI 創新日」，掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名