著眼Google智慧音箱商機，蘋果聲學元件廠康控買啟弘，取得關鍵技術|數位時代 BusinessNext

著眼Google智慧音箱商機，蘋果聲學元件廠康控買啟弘，取得關鍵技術

蘋果聲學元件商康控-KY宣布買下啟弘取得MEMS技術，並間接打入Google及Panasonic、LG供應鏈，第4季將前往Google總部就近設立辦公室提供技術支援，看好未來非蘋陣營業績將明顯成長。

花3.5億元買MEMS半導體技術

康控此次以增資發行120.3334萬股新股方式，取得聲學元件廠商啟弘公司722.0019萬股股權，相當於花費約3.5億元價格，以每股50元價位取得啟弘57.76%股權，暫訂10月1日為合併基準日，康控股本將增1.11%，但第4季起將可認列合併業績。

啟弘本身還有OBOPro.2聲學產品品牌，目前股本1.25億元，員工人數300人，2017年營收5億元，每股稅後純益2元，今年預估營收6億元，每股淨值15元，除東筦廠，在桃園也有廠辦，主要客戶包括廣達、光寶、富士康、緯創、Google、CASIO、CLASSI-TEC、JAUCH、新晶、 INDEG、SAGITRON、名碩、中國端子、PIONEER、美律、LG。。

客戶完全不重疊，併購綜效大

康控-KY財務長黃翹生表示，康控跟啟弘客戶完全互補，沒有重疊，透過入股啟弘可以拓展新客戶及新市場，目前啟弘有聲學檢測技術（營收占比5%）主要客戶就是Google，未來跟康控合作後，期望進一步提供客戶智慧音箱及無線耳機模組。

為加速打入Google智慧音箱及耳機等業務，加入康控集團的啟弘第4季將赴美西設立辦事處就近服務客戶，市場解讀為康控藉此拓展非蘋陣營市場，對此黃翹生說主要是應客戶要求。

啟弘目前耳機客戶包括日本Panasonic及韓系LG，其中LG還是第四大客戶，手機方面則有NOKIA，黃翹生說，未來啟弘將專注非手機及非蘋客戶拓展，看好未來啟弘的微機電設計能力加上康控的製造實力，將能跟國際一線聲學大廠比肩。

聲學市場打團體戰，瞄準非蘋客戶智慧音箱商機

黃翹生說，聲學市場要打團體戰，未來微聲學將朝半導體材料發展，用機構解決聲學技術的比例將下降，由微聲學技術解決比例提高，康控透過此次併購將掌握微機電複合材料設計技術，並掌握揚聲器整合模組，耳機耳護材料開發及聲學檢攝技術服務銷售能力。

黃翹生表示，啟弘是30年老牌，過去康控就與啟弘合作過，啟弘總經理馮仁男曾在北京樓氏服務過，後來樓氏退出聲學市場後，馮仁男又回啟弘服務，是第一代將美國微機電技術從美國帶到中國的業者，由於康控過去也跟樓氏合作密切，雙方也相識多年，透過此次入股啟弘將能讓技術延伸，發揮聲學綜效。

康控原估聲學元件今年業績年增2~3成，黃翹生表示，該部分沒有估入啟弘業績挹注，不過該部分也不是康控併購目的，主要是期望發揮技術整合綜效，展望第2季，6月營收與5月相當，以此換算第2季營收季增率上看46%，年增率更倍增，他預估下半年營收逐季成長可期，狀況不錯。

AI 智慧代理人時代來臨！三大導入階段， AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」。

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」（Agentic AI），在最少人為干預的情況下，自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾，而是需要對AI有正確認識，並制訂循序漸進的導入流程，才能真正發揮AI功效。在2025台灣人工智慧年會中，cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段，深入剖析企業如何從概念驗證（PoC）階段，逐步推進到實際上線（Production），並分享實務經驗與觀察。

延伸閱讀：生成式AI可以怎麼用？cacaFly現身說法，助企業應用GCP服務智慧轉型

解鎖 Agentic AI，企業邁向多任務智慧代理

「很多公司會問，One AI 要做什麼事？但實際上，若要讓 AI 回答公司內部政策或新法條的相關問題，僅靠基礎模型並不足夠。」吳振和指出，要讓 AI 真正成為能「做事」的智慧代理人，前提是它必須理解企業內部的脈絡與知識，並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符，這意味著系統必須具備持續爬取與解析最新資料的能力。為此，企業必須先截取與整理內容，再建構成專屬的知識庫（Knowledge Base），確保資料品質達到可用標準後，再透過檢索增強生成（Retrieval-Augmented Generation, RAG）技術，使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀：從資料清洗到 RAG，大型語言模型的必需品，做出專屬企業的 AI 知識庫！

吳振和強調，這是一個動態循環的過程：從資料蒐集、品質控管、知識庫建構到生成應用，每一環節都息息相關，任何一處鬆動都會影響最終產出的準確性與可信度。

破除「一次到位」迷思，從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望，因此常將 PoC 視為年度計畫的重點，希望能「一次到位」做出具體成果。但吳振和提醒，若缺乏清楚的系統工程思維，PoC 容易淪為「概念展示」，難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程，分為三個關鍵階段：

1.第一階段：可行性評估（Feasibility Study）
企業必須在投入資源前，先明確界定「最需要被 AI 解決的關鍵問題」是什麼，並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性，更要從商業目標出發，釐清導入 AI 的具體使用情境、預期成效與風險邊界，如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段：系統設計與驗證（Design & PoC）
在確定導入方向後，必須規劃清楚資料蒐集與整理流程，確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調，這個階段不能只追求展示效果，而應以「產品化思維」來構築 PoC，使其具備可擴充性、可維護性及安全性，才能為後續上線打下基礎。

3.第三階段：產品化與營運（Production & Operation）
當 PoC 驗證完成後，進入正式上線階段，挑戰也隨之而來。除了需要整合企業內部系統與流程，還必須建立持續監控與維運機制，確保模型表現隨時間演進不會劣化，並能快速回應法規變動或資料更新的需求。吳振和指出，這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

建立模型優化根基，打造高品質的黃金資料集

吳振和特別強調，要讓 Agentic 系統工程真正發揮效益，企業必須先建立一套高品質的「黃金資料集」（Golden Dataset），作為模型評估與優化根基。他指出，黃金資料集的價值在於能為模型選擇與前測提供客觀依據，讓團隊能針對不同任務挑選最適合的模型，避免導入初期就誤踩方向。

同時，黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點，進而快速回應「模型飄移」（Model Drift）的風險。吳振和說明，所謂模型飄移，指的是即使模型本身未經改版，效能也可能隨著環境與資料變動而突然下降，導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果，團隊才能即時察覺效能衰退，並進行迭代更新，確保系統長期穩定運作。

從小規模應用起步，漸進擴展至核心業務

吳振和分享，在實際輔導企業導入 AI 的經驗中，最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證（PoC）階段即可呈現完整的產品原型，然而實際情況顯示，若企業未能建立完善的資料架構與流程基礎設施，即使短期內展現亮眼成效，也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時，應採取漸進式策略，從小規模應用場景著手，逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節，而非獨立的一次性專案。

AI 的導入不僅是一場技術升級，更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局，才能確保 AI 能在企業內部真正「落地生根」，創造長期商業價值，成為真正的智慧代理人。