靠答題就能賺錢！知乎獲81億融資要將知識變現|數位時代 BusinessNext

靠答題就能賺錢！知乎獲81億融資要將知識變現

知乎宣布獲得 2.7 億美元（約新台幣 81 億元）E 輪融資，目前估值約為 24 億美元。面對使用者與創作者，他們從兩個角度切入，希望能夠持續提升用戶質量。

知乎兩計畫，提升使用者與創作者質量

知乎創立於 2011 年，以模仿美國 Quora 的問答平台形式上線。「發現更大的世界」為知乎的宣傳口號，開復的創新工場為知乎的早期投資人之一。

目前知乎的註冊用戶高達 1.8 億人，2.7 億美元也是知乎歷年最大輪的融資。就算資本市場已經反應了對於知乎營運模式的信心，在知識問答領域上，知乎仍有三個最大的問題。

如何保障良性討論氛圍

如何兼顧內容的質與量

優秀創作者能否獲得收益

從知乎創立，走向商業化的第一天，這三個問題如同夢魘般縈繞在所有知乎舉辦的媒體場合中，所有人不斷拿著這三個問題質問知乎高層。知乎從一開始小眾的菁英社群不斷擴大，隨著註冊用戶的成長慢慢走向大眾平台。在商業化與平台的風氣、內容質量上的平衡考驗沒有停止過。

為了找出上述三個問題的解方，知乎從兩個部分下手：「海鹽計劃中的鹽值」與「創作者中心」。

鹽值是一個評分系統，根據使用者在知乎平台上的表現給予對應的分數，在 0～1,000 中浮動。根據知乎官方的介紹，鹽值從「基礎信用」、「內容創作」、「友善互動」、「遵守規範」、「社區建造」五個維度綜合計算。鹽值分數將直接影響到使用知乎的功能，對於高鹽值的使用者，將會有更多知乎平台治理的權力、更便捷的服務。鹽值過低則甚至無法撰寫評論等。

創作者中心則是解決優質內容創作者的收益問題，給予優質「答題者」，也就是創作者最直接的鼓勵是給錢。創作者中心提供這些創作者獲利的可能性，包含知乎平台上的內容數據分析、贊助按鈕、成為品牌的「特約撰稿人」等。

知乎從使用者與答題者兩個角度找尋解答，目前海鹽計劃仍在前期階段，創作者中心的變現能力也有待考驗。不過，仍可以看出知乎正在重整平台風氣，希望能夠解決上述三個問題。

LINE Q、泛答、知識＋，台灣問答平台有搞頭？

在知乎與美國 Quora 發展的同時，台灣在問答平台這一塊到底有沒有搞頭？

目前看來似乎沒有。

台灣人似乎在問答這一塊的使用習慣較為垂直，會因應不同的問題到不同的平台上找尋協助。Mobile01、PTT、年輕人使用的 Dcard，甚至是「萬事問臉書」等，仍較符合目前台灣人的使用習慣。

而過去的案例中，Yahoo 知識+ 已經沉沒，雖然在搜尋上仍可以找到不少問答結果，但是大量的廣告、劣質內容充斥，劣幣逐良幣的後果讓知識+ 不再是主流問題平台。

而 LINEQ，簡單來說就是知識+ 手機版，能夠自由地提問與回答。而也有獎勵機制，從中獲得的點數能夠換取貼圖購物金，甚至禮卷等。不過，台灣 LINEQ 也在 2017 年宣布停止營運。

最後要提到的則是泛答，由泛科知識推出的「打賞」問答平台。其 Facebook 2018 年完全沒有新的貼文，泛答網站上問題的觀看數目大多也不超過 20。不過，泛科知識總編輯與共同創辦人鄭國威 3 天前仍有回答網友的問題，從各種外部結果看來，泛答有些危險，要麼收場，要麼轉型。也許泛科知識在今年 6 月與 flyingV 的合作，在未來會推出新的解答也說不定。

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。