從最難的金融業下手攻雲端，微軟看好可有外溢效果|數位時代 BusinessNext

金融服務業是關鍵基礎設施風向球

金融服務的業務敏感，不容許出錯，因此除了對系統穩定度、安全性、可用性有相當高的要求和標準之外，受到的法規監管也是出了名的嚴格，不容許輕易做任何更動。這是為什麼達東會形容這是「最難的產業」。

但也像他說的：「我們覺得金融服務產業像關鍵的基礎設施風向球。」他相信如果能在金融業獲得成功，也將可以得到很好的外溢效果，帶動其他產業一起成長。這就是為什麼微軟不只要挑戰金融服務業，還要挑這當中最難被滿足的大客戶下手。

而在這個金融產業雲端化的征戰過程中，微軟當然少不了要有行銷、業務、工程等各方人力和資源的大量投入。但比較有趣的是，達東發現，這些金融客戶提出的需求，往往其實都是來自主管機關的要求，也因此微軟雖沒有責任去直接面對各國的金融監理部門，過去這段時間以來，他們卻有很多時候是把心力和時間用於和各國監理機關交流、溝通。

攻克金融服務業，關鍵在監理機關

或者以達東的話來說：「我們的工作是確保他們（金融監理機構）對雲端有基本的認識。」如果能做到這件事，後面抗拒的力道自然會跟著縮減。而且可以說，一旦解決了法規監理面的問題，其實也就解決了在金融市場發展雲端服務的大半挑戰。

因為就像微軟全球金融服務產業暨微軟Azure產品團隊資深副總經理亞倫．羅斯（Alan Ross）所說，微軟提供的是一個平台，在平台上他們提供各種元件，像積木一樣讓客戶可以自己組合、選用，所以就底層技術面來看，很多其實都不是特別針對金融業設計，而是跨產業的通用型工具。實際上他觀察到，目前金融業導入雲端服務成長速度最快的其實主要也都是跨產業通用的生產力套件，如電子郵件、檔案分享等等，還有雲端運算能力。

而雖說從財報上其實無法確認微軟來自金融業的雲端營收是否因為他們所做的這些努力而快速成長，但達東指稱，過去兩年來，全球「大到不能倒」等級的金融機構中，有高達9成已經成為微軟的雲端客戶。

微軟種樹，亞馬遜和Google一起乘涼？

此外，雖說無法確認微軟雲端在金融領域的確切成績，也無法得知這些金融客戶實際上是不是真的可以對其他產業的雲端化發展產生帶動效果，但以微軟去年第三季已提早達成微軟執行長薩提亞．納德拉（Satya Nadella）提出微軟商業雲端年化營收要在2018年達到200億美元（約合新台幣5900億元）的目標來看，微軟的雲端業務確實正高速增長。

不過也值得注意的是，相對於微軟，亞馬遜AWS和Google Cloud在金融領域雖然沒有太多既有利基，但在微軟與各國主管機關的積極溝通和市場教育之下，AWS和Google其實也可能會是受益者。

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。