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。

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。