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
從 Raise Day 出發,方睿科技如何打造商用地產的 AI 企業服務生態系?
從 Raise Day 出發,方睿科技如何打造商用地產的 AI 企業服務生態系?

AI 與數據正快速落地至各行各業,從製造、金融、電信、醫療到零售,應用速度不斷加快。但在每年交易規模至少新台幣 1900 億元的商用地產領域,卻長期受到數據破碎且不透明的限制,只能仰賴人力蒐集資訊,再憑直覺和經驗去解讀資訊、做出決策,使 AI 潛在價值難以真正發揮。為回應產業轉型的核心痛點,方睿科技首度舉辦「商用地產生態系年會 2026 Raise Day」,以開放式平台為核心,串聯專業地產服務商、空間相關企業服務商、產業專業人士等多元角色,勾勒出 B2B 企業服務生態系的全貌,希望能透過科技促進數據流動,為商用地產企業協作模式開啟新的可能性。

方睿科技
方睿科技首度舉辦 2026 Raise Day,以開放式平台為核心串聯多元角色,推動商用地產邁向產業共好的新階段。
圖/ 數位時代

方睿科技雙軌策略,讓 AI 成為商用地產的決策引擎

方睿科技創辦人暨執行長吳健宇指出,在 AI 時代,人應該專注於「最有價值」的工作;然而在商用地產業中,專業人士卻有約 70% 的時間耗費在資料蒐集與整理上,真正用於判斷與決策的時間僅約 10%。方睿科技希望翻轉這樣的時間分配,讓人力從低價值的資料處理中解放,將更多心力投入在判斷、溝通與決策等創造價值的商業活動。

方睿科技
方睿科技創辦人暨執行長 吳健宇
圖/ 數位時代

為此,方睿科技提出兩條實踐路徑。第一條是建構出具備完整性、易用性與進化性的商用地產智慧平台,運用 AI 技術,將過去產業中破碎、非結構化的資料,重塑為可被運算、可驗證的標準化數據,並結合圖表與互動式介面,讓使用者能夠快速得到完整市場資訊,實現「用戶即專家」的目標。

第二條則是推動生態系聯盟,將不動產視為企業服務的核心載體,串聯設計、家具、搬遷、清潔等多元服務夥伴,使空間不再只是靜態標的,而是承載案例、服務與數據回饋的生態系節點。透過生態系夥伴累積的實務資料與服務紀錄,平台得以發展「資料即推薦」模式,推動商用地產從單點交易,邁向可擴張的 B2B 服務網絡。

獨創「資料飛輪」機制,實現用戶即專家目標

在 AI 模型日益普及的當下,真正的競爭關鍵已不在模型本身,而是能否有效率地收集資料、提高資料品質,並將其與實際決策流程緊密結合。為此,方睿科技獨家設計出一個由「資料收集、資料精煉、專家把關、決策反饋」組成的資料飛輪,回應商用地產長期面臨的資料破碎與決策效率低落問題,成為方睿科技實踐願景的第一條路徑。

方睿科技技術長郭彥良進一步說明,資料飛輪機制的運作架構。首先在資料收集階段,必須系統性蒐集公開資料、內部檔案與報告,並透過 AI 協作將圖片等非結構化資訊轉換為可用的結構化數據。接著進入資料精煉,透過資料清洗與實體對齊,將原始資訊從單純的可閱讀升級為可比較、可推論的決策依據。第三步專家把關,則引入不動產專家進行校正與產業判讀,補上模型難以理解的規則與慣例,確保關鍵數據的正確性。最後的決策反饋階段,藉由收集使用者提問與行為,檢視現有資料是否足夠精準,再回到專家校正與補齊流程,使整個系統能隨使用頻率提升而持續進化。

在資料飛輪的運作基礎上,方睿科技正積極研發商用地產智慧平台 PickPeak。郭彥良表示,PickPeak 並非單純的物件搜尋工具,而是結合深度資料與 AI 的決策輔助平台。使用者可透過自然語言互動,提出人數、預算、區位、產業屬性等多重條件,再由系統動態生成可比較、可驗證的選址方案,真正將 AI 從「回答問題的工具」,轉化為「陪伴決策的數位專家」。

方睿科技
方睿科技技術長 郭彥良
圖/ 數位時代

創新 Data to win 模式,讓 AI 深入商用地產各階段決策流程

不過,單靠數據整合與 AI 應用仍不足以支撐產業全面升級,因此,方睿科技提出的第二條路就是,推動產業生態系聯盟,整合商用地產市場上不同角色的數據,讓 AI 能夠真正成為商用地產決策時的智慧引擎。

方睿科技不動產知識創新中心總監曾凡綱指出,目前在企業、房東或物業主與各類服務供應商之間,缺乏有效的整合機制,導致企業在選址與空間規劃過程中,難以快速找到真正合適的服務與解決方案,形成明顯的產業斷點。

為解決這些斷點,方睿科技提出「Data to win」模式,以資料取代傳統「Pay to win(付費買廣告)」思維,讓真正具備經驗與實績的服務夥伴,在適當的決策節點被看見。

曾凡綱說明,在廣告投放效益越來越低的情況下,企業服務商面臨的問題已不只是「如何曝光」,而是「如何在對的地方被看見」,這將是未來的市場勝出指標;而 Data to win 正好可以協助企業服務商建立此能力,方睿科技將生態系夥伴所擁有的案例、服務紀錄與產業知識等資料,經過去識別化與結構化處理後,再嵌入企業決策流程中,讓推薦不再來自廣告投放,而是真實、可被驗證的使用經驗,透過這樣的機制,不僅提升企業決策的準確度,也能同步放大生態系夥伴在合作中的實質價值。

舉例來說,方睿科技整合辦公傢俱夥伴 Backbone 班朋實業長期累積的辦公室規劃案例與平面圖資料,讓企業在選址階段,就能同步評估空間規劃方案,加速決策流程。又如,整合出行服務夥伴 USPACE 悠勢科技的服務資料,並呈現在地圖上,協助企業評估辦公據點的交通便利性,優化員工日常通勤與出行體驗。此外,平台也可整合大樓的 ESG 認證、公共設施與服務層資訊,協助企業快速篩選符合需求的辦公大樓,提升進駐媒合效率。

方睿科技
方睿科技不動產知識創新中心總監 曾凡綱
圖/ 數位時代

「Raise Day 只是這場變革的起點。」吳健宇強調,方睿科技已經透過投資與合夥模式,將布局延伸至專業地產服務與空間經營領域,至今旗下已有商用不動產仲介、顧問與估價等專業服務的宇豐睿星,以及聚焦商用地產代銷市場的希睿創新置業。透過直接參與第一線實務運作,方睿得以更深入理解產業真實痛點,讓科技不只是工具,而能真正回應實際決策與服務需求。

此外,方睿科技未來也將持續擴大「商用地產 x 企業服務生態系」聯盟,目前包括 Backbone、USPACE、IKEA For Business、潔客幫等企業服務夥伴已率先加入;接下來,方睿科技將邀請更多擁有關鍵數據與專業能力的企業服務商加入,讓數據在安全、可控的前提下流動,進一步釋放商用地產在選址、營運與企業服務等全生命週期中的結構性價值,為產業轉型啟動下一個關鍵階段。

方睿科技
右起方睿科技共同創辦人暨營運長陳致瑋、USPACE悠勢科技共同創辦人暨執行長宋捷仁 、Backbone班朋實業創辦人暨執行長廖家葳,透過企業服務生態系合作共同為產業啟動下一個關鍵階段。
圖/ 數位時代

方睿科技官網: https://www.funraise.com.tw

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
2026 大重啟
© 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