李開復認為台灣發展AI沒機會，林之晨：最缺的是人才|數位時代 BusinessNext

李開復認為台灣發展AI沒機會，林之晨：最缺的是人才

創新工場董事長李開復說，「台灣沒有機會發展AI產業」，這樣的說法，你認同嗎？之初創投合夥人林之晨提出另一種觀察，他認為比起美國和中國，台灣確實是處於落後的，尤其是人才這一塊，但這也正是迎頭趕上的機會。

林之晨：AI團隊不見得要出走

對此，之初創投創辦人暨合夥人林之晨認為，他大致都贊成李開復的想法，不過，台灣的AI新創團隊，不見得都得要離鄉背井，選擇去美國和中國發展才有未來。

林之晨認為，目前的討論前提是，台灣還繼續要和美、中、以及未來的印度這些重量級國家在同一個舞台上較量，但我們已經不像過去PC時期，擁有天時、地利、人和這樣的機會了。

因此，他認為未來的30年，台灣的命運應該退到中量級舞台，當好第二領先群國家中的領頭羊。如果是這樣的話，那麼戰略上就應該是跟美、中學習，但不需要跟他們比較，或是害怕落後他們。

「可以比較的對象是新加坡。」林之晨說，以東南亞市場來看，新加坡確實是其中的領先者之一，雖然以AI發展而言，比較算是羽量級國家，不過動作積極、包袱也比較少。對台灣來說，落後美、中雖然是天經地義，卻還是要積極跟上，不要讓新加坡專美於前。

台灣發展AI，最缺人才

至於該怎麼做，才能讓台灣更適合AI創業，林之晨表示，關鍵點將會是人才培養。他強調，雖然我們有優秀的AI新創公司出現，像Appier已經可以在國際上競爭，但這樣的特例，我們能有多少？

就算新創公司已經開始成長，如果想讓成績再升級，需要大量懂得技術和國際市場人才時，「台灣能夠找出一千個、一萬個人才嗎？」林之晨有些悲觀地認為，這也正是下一個Google、Facebook很難在台灣出現的原因。

他舉之初創投曾投資的盾心科技為例，創辦人也是去了美國和英國之後，看見不少影像辨識技術後才決定創業。如果台灣總是要讓團隊耗費這麼高的門檻往外找人，那麼能利用AI創造新產業價值的機會就會降低。因此，比起台灣的市場現實、老舊法規，他認為人才問題也是政府該注意的。

林之晨認為，面對未來產業變化時，國家該怎麼面對，其實並沒有標準答案。像是美國就選擇透過教育方式，提供小學、中學各種「STEM課程」（科學Science 、科技Technology、工程Engineering和數學Mathematics），另外光是coding學校，全美可能有幾百間。台灣如果現在開始面對，討論AI人才這件事並不算晚。

他期許科技部，「可以讓全台灣每個年輕人有AI的實務經驗，有點像30年前開始把電腦課帶到學習，確保每個人都有AI的應用能力。」

不過，相較於兩位科技、創投業人士看法，科技部目前對台灣AI產業則深具信心，先要用50億打造運算主機供產、學界使用，還要以20億建立機器人Maker中心，提供試驗場域。部長陳良基更多次表示，科技部未來還要在全台設立三至四個AI研究中心，結合大學頂尖師資，聘用交換學者。透過三種面項打造環境，就能吸引和創造更多人才出現。

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。