電競正名為運動後，要成為「主流」得克服3大難關|數位時代 BusinessNext

電競正名為運動後，要成為「主流」得克服3大難關

電競正式納入運動產業項目，可望帶動電競產業發展熱潮，不過要走向主流運動，仍有三大難題需克服，來聽聽Akamai媒體產業策略全球總監Nelson Rodriguez的觀察。

電競賽事的測量方式有待統一

「電競產業其實沒有你想像的大！」Nelson Rodriguez指出，雖然大家可能常聽到觀看電競比賽的人比看運動比賽的人多，其實並非事實，電競產業雖然正在發展，但還有很大的成長空間。其中的盲點，在於觀看人數的計算基準不同。「電競的計算方式是看尖峰流量（peak），但是一般運動看的是平均人數（average）。」

他表示，電競產業太新了，因此在計算觀看人數時，其實還處於非常混亂的狀態。雖然有不同組織在做觀測，但是大家的測量方式都不同、欠缺標準化，不像電視已經有兩三家公認的測量組織。雖然Akamai也正在開發測量模式，但尚未成熟。

不過，Nelson Rodriguez指出，這件事可望在未來出現轉變。「例如MLBAM（MBL Advanced Media）過去主要是做棒球賽事轉播，但他們最近簽下了轉播《英雄聯盟》（League of Legends）比賽。這代表著傳統體育賽事和電競賽事的匯聚。」此外，近期有許多棒球、足球隊對電競公司進行併購，而投資方必定需要統一的衡量標準，才能知道自己的投資是否值得。他指出，有了傳統體育產業的加入，可以預期電競賽事也會發展出具客觀性的測量方法。

只是，傳統體育賽事和電競賽事依然存在著許多不同之處，最關鍵的一點就是，電競賽事多了「互動」元素。例如線上賽車遊戲《iRacing》就提供投票機制，觀眾可以投票給自己喜歡的選手，獲得較多觀眾喜愛的選手可拿到更多燃料，在比賽中表現更好。他強調，由於電競賽事的互動方式是在傳統體育賽事中看不到的，因此在設計測量標準時，也需要考慮進去。

「只看不玩」的觀眾很多，需思考獲利來源

Nelson Rodriguez表示，根據Newzoo的調查數據，目前在電競賽事的觀眾中，有42%是「只看不玩」的。他指出，在過去，會觀看電競賽事的人，大多自己就是玩家，透過觀看比賽讓自己的技術精進，而遊戲公司也會透過電競賽事來宣傳行銷自家產品。

不過現在，狀況已經不同了。「就像我岳母是棒球迷，但是她自己卻從沒打過棒球。」當玩家和純粹的觀眾出現區別，不僅帶來機會也帶來挑戰。「如果電競產業的獲利來源只限於玩家，只想著如何讓玩家花錢買遊戲、買道具、買鍵盤滑鼠，未來發展絕對是有限的。」

網路攻擊層出不窮，遊戲公司做好準備了嗎？

最後一點則是資安問題。Nelson Rodriguez表示，Akamai曾對遊戲客戶做了調查，了解遊戲公司受到網路攻擊的狀況和因應措施。數據指出，66%的公司在過去一年曾遭受DDoS攻擊，38%公司曾受到帳號駭入。

「如果遊戲公司不能把攻擊解決好，電競無法成為主流。」他比喻，就像是現在大家打開電視看棒球比賽直播一樣，觀眾預期的是一打開電視就會看到內容，而電競賽事也要能做到這樣，才能滿足觀眾的需求。「很可惜的是，很多公司是用『保持希望』來做為資安策略。」

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。