台灣的軟體工程師都跑哪裡去了?
台灣的軟體工程師都跑哪裡去了?

台灣的軟體工程師都跑哪裡去了?這是一個困擾我很多年的問題。台灣有那麼多的資訊相關科系,每年有那麼多的畢業生,但是我們公司要找軟體工程師的時候,卻總覺得很難找。我原本以為是我們公司小,所以有些軟體工程師不願意來上班,但是我問了一些在大型軟體公司工作的老闆或是高階研發主管,他們也是一直在抱怨,說很難找到好的軟體工程師。我們只是依稀的知道,有很多的軟體工程師跑到硬體公司上班去了,但究竟為什麼會這樣?我一直搞不懂,而我那些軟體業的朋友們也搞不懂。

直到最近,我為了找軟體工程師到我們公司開發機器學習相關產品,才突然對這件事情有了更深一層的領悟。

該找資深專家還是畢業生?

最近機器學習(Machine Learning)這個議題實在太紅了,所以我就像大部分的公司老闆一樣,心裡有很強的焦慮感。我原本打算用高薪僱用一個熟悉這個領域的工程師,先來研究如何將機器學習技術應用在我們的產品上面。結果我問了一些專家,他們都說這個領域最近的發展很快,資深工程師往往反而不了解,所以要找就乾脆找一些剛畢業的、在學校學過機器學習相關課程的資訊系畢業生。

但是我們在網路上刊登的求才訊息放了一個多月,一直都沒有什麼好手來應徵。我又去問了一些朋友,才知道機器學習這個議題真的實在太紅了,所以大部分剛畢業的好手都被硬體公司用高薪網羅了。

於是我就開始在網路上找資料,自己研究機器學習技術。結果我研讀了一、兩個禮拜,發覺這個領域雖然在最近有著長足的進步,但基本原理跟二、三十年前沒有什麼大改變,像是Neural Net、Convolution、Recursion、Machine Learning等等,都是我以前就很熟悉的技術與概念,感覺上就像是跟二、三十年前認識的老朋友重逢一樣,非常的親切。

於是我轉念一想,既然這些基本觀念我都懂,只是不熟悉一些新的機器學習開發工具而已,那我為什麼不花個五十萬台幣外包,請幾個資訊系在學的大學生或是研究所學生,花兩、三個月幫我們把開發環境架設起來,然後再由我們公司現有的資深軟體工程師接手就好了?而對接這個外包案的學生們來說,五十萬台幣也許是一筆大錢,但對我們公司來說,這比起我們自己花一百萬年薪請個菜鳥工程師來做開發,至少可以省五十萬台幣以上。

但想來機器學習真的是太紅了,所以過了一兩個禮拜,我們開價五十萬台幣要找人外包的事情也還是沒有進展,一直沒有辦法找到合適的人選。萬般無奈之下,我只好自己買了一本書,嘗試自己架設做機器學習產品開發所需要的軟體開發環境,像是Python、TensorFlow、 Keras等等。

沒想到,我自己花不到兩個小時的時間,就很順利的把這些開發環境架設起來了。而我自己用一些零散的時間寫一些程式,居然也在兩個禮拜內取得了不少進展,至少,我們已經證明了我們原先的產品設想是可行的。

我心中得意非凡,不但在實驗上得到了很多的樂趣與成就感,同時也覺得又省下了五十萬台幣。

當資訊相關科系畢業生去硬體公司當軟體工程師

所以仔細想想,一個剛畢業的資訊相關科系學生,到硬體公司上班一定比來我們公司上班幸福多了。台灣大多數的硬體公司都很有錢,花得起高薪請工程師。而硬體公司的老闆通常每隔幾年就要像發燒一樣,決定大舉投資軟體業,同時接受媒體訪問,說台灣的未來在軟體,不在硬體。然後他們在網際網路剛興起的時候投資網際網路軟體公司,在APP當紅的時候轉投資APP軟體公司,在雲端運算紅的的時候轉投資雲端運算軟體,在大數據當紅的時候轉投資大數據軟體公司,而現在AI機器學習正紅,他們當然也要轉投資AI機器學習的軟體公司。

軟體工程師在大型硬體公司的軟體部門或是轉投資軟體公司工作,即使位階不高,也經常會有機會跟郭台銘、施振榮、林百里、施崇棠這種國際巨星等級的大老闆開會。在會議中隨便亂講也不會有事,因為那些硬體大老闆們通常不會懂這些軟體工程到底是在講什麼,他們只能不斷的點頭微笑,然後轉頭跟媒體記者們說,就是因為他們不懂軟體,所以更要給這些軟體工程師很大的創新與犯錯的空間。

而軟體工程師到我們這樣的中小型軟體公司上班,就只能跟我這種名不見經傳的老闆一起開會,而且對於技術的事情不能亂講。如果亂講,就算我能忍住不罵人,也很難忍住不發笑。

硬體公司的大老闆通常對軟體工程師很大方,他們給高薪,通常還會覺得很划算,因為這些軟體工程師帶來了一些他們公司原本沒有的技術,感覺上就是很厲害,邊際效益很高;而軟體公司的老闆通常對軟體工程師比較小氣,他們給薪水,通常都還要考慮軟體工程師本身的能力,他們只願意給有能力的軟體工程師高薪,而不願意給平庸的工程師高薪。

是好萊塢的龍套還是本土劇的天王?

軟體工程師到硬體公司上班,就像是台灣的演員參與美國好萊塢年度大片的拍攝一樣,不但薪水高,而且有算只是擔任個小配角或臨時演員、戲份不重,也會有機會跟國際巨星說上幾句話。就算他們的演技不好,國外的觀眾也會以為華人講話的表情天生就是這樣。

而軟體工程師到軟體公司工作,就像是台灣的演員在本土連續劇中演戲一樣,就算演的是主角還是第一男配角,也沒有什麼好向親朋好友炫耀的。而如果在戲中台語發音不標準,馬上就會被導演跟觀眾罵。

當然,雖然台灣的大型硬體公司在過去三十年來不斷的投資各種軟體事業,但他們好向也從來沒有做出過什麼偉大的軟體產品,也沒有拆分出什麼偉大的軟體公司。硬體大老闆們的軟體熱,通常過了幾年就自然退燒了。現在他們早已經忘了那些關於網際網路、APP軟體的投資,而對於雲端運算與大數據好向也沒有那麼熱衷了。

於是那些到大型硬體公司上班的軟體工程師,通常在五年、十年之後就會失寵,然後就會出來找軟體公司的工作,但是他們往往期望很高的薪水,卻只能做一些很基本的軟體開發工作,他們在硬體公司工作的那些年,軟體技術往往沒有什麼長進,甚至可能退步了。而原來他們所熟悉擅長的先進技術,通常也退流行了。

找那些在大型硬體公司工作多年的軟體工程師到軟體公司工作,就像是找那些在好萊塢大片中當過臨時演員的華人回來演本土劇一樣,總會覺得哪裡怪怪的。

所以說,一切都是非常合理的。台灣許多的軟體公司找不到合適的年輕工程師,而台灣許多的軟體工程師在中年之後遇到職涯瓶頸,這都是非常合理,而且可以解釋的。

只是在這所有合理的現象之下,我還是找不到有能力的年輕軟體工程師來幫我們公司開發機器學習相關產品,我還是必須跟幾個現有的資深工程師自己搞。

這實在很不合理啊。

關鍵字: #工程師文化
往下滑看下一篇文章
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

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。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

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。

2025 年活動論壇現場,資料照
圖/ AWS

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。

10/23高雄展覽館盛大舉行
圖/ AWS

「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

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