SpaceX成功發射回收再使用的太空船「天龍號」進行太空站補給任務|數位時代 BusinessNext

成功發射「可回收太空船」，將大幅降低任務成本

這項任務原本預計在美東時間6月1日執行，但卻在發射前25分鐘遇上閃電攪局，因此延遲至6月3日，目前已順利從NASA佛羅里達的甘迺迪航太中心（Kennedy Space Center）發射，由獵鷹9號運載火箭推送天龍號。

這次任務將運送約2.7噸的物資及科學研究儀器至國際太空站，供駐站太空人使用，預計會在5日抵達，停留一個月後返回地球；過去運輸太空船在任務結束返回地球後，火箭及太空船都會落入海中因而無法再次使用，這也是導致太空任務成本居高不下的主因，因此馬斯克希望透過可回收使用的太空艙及火箭來降低太空運輸的成本。

SpaceX研發的天龍號有一層耐高溫的整流罩防止太空船受損，SpaceX這次選了一台去年9月曾經執行過太空任務的天龍號翻新其整流罩，讓「再生天龍」（Reused Dragon）出任務；事實上，過去SpaceX在執行任務時，太空船艙上的降落傘在海面上降落時容易使得船艙滲水，這是SpaceX特別裝上了新的散熱罩和降落傘，要解決滲水問題，SpaceX副總裁Hans Koenigsmann表示：「這對降低太空計畫成本有很重要的意義，總而言之，這是偉大的一天。」

人類殖民火星又更邁向前了一步

發射約三分鐘後，獵鷹9號的第一節順利脫離，約7分鐘後利用其內建引擎自我導引返航成功回收，這是SpaceX第5次成功在陸地上回收火箭，若加上海面平台回收紀錄，SpaceX共計已實現11次火箭回收。

過去馬斯克提出「可回收火箭」曾被認為是瘋狂的想法，但目前看來「可重複使用」已經成為未來降低太空旅行成本的解答，而馬斯克希望透過這項技術，達成人類殖民火星的目標又更邁向前了一步。

「可以開始感覺到重複使用火箭是ㄧ件正常的事了。」馬斯克在Twitter上寫到「很棒！車跟飛機都是這樣運作的，火箭也應該如此。」

It's starting to feel kinda normal to reuse rockets. Good. That's how it is for cars & airplanes and how it should be for rockets.

— Elon Musk (@elonmusk) 2017年6月4日

SpaceX表示太空艙會在三天內抵達太空站，這次任務發射的仍是無人太空艙，預計最快在明年初可以進一步升級天龍號運送太空人上國際太空站，在此之前國際太空站的太空人都必須依靠俄羅斯的太空船往返地球。

SpaceX於聲明中表示，這是NASA甘迺迪航太中心39A發射台的第100次發射，事實上39A具有特殊的歷史意義，1960與1970年代的阿波羅太空船月球之旅，及NASA所有82趟的太空任務都是在這裡發射。

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