我在阿里學到的第二課：平台思維就是留點事給別人做|數位時代 BusinessNext

我在集團內聽到某C-level 提出，「做平台的第一件事就是，想清楚自己不做什麼。」他認為平台不該做所有事情，而要「留點事給別人做」。但為啥呢？

老樣子，結論先走。

做平台就像城市規劃，你提供水、電與土地等基礎設施，公告管理辦法，然後拚命招來一群人在城市內盡情展現創意！

平台方不該搶走所有工作，而要想盡辦法拉攏各種角色。

平台價值就是連結

原先我對平台核心價值的認知是「連結」。平台負責連結供給與需求，例如：Uber 連結閒置車主與乘客，Airbnb 連結閒置空間與旅客。

或者，更高大上的平台模式。蘋果將高科技與人連結，Facebook 連結人跟人，Google 連結資訊與人，以及亞馬遜連結商品與人。

而我聽完某 C-level 演講後，認為平台除了連結責任，更重要的是「搭檯子讓人來唱戲」。換句話說，平台不該什麼都自己來，而是要想辦法適合各種角色進駐的生態系統，並讓每個角色從中獲利。

在這假設下，做平台得搞清楚的第一件事確實是，「什麼事該留給別人做？」

拿個例子。淘寶早期就是個 BBS 網站，提供買賣家發發文章等。而當銷售商品越來越複雜時，賣家開始需要裝修店舖吸引買家目光。

淘寶曾想過自己跳下來提供裝修店舖軟體服務，並藉此賺錢。特別是那時候淘寶依然堅持不收上架費與手續費，根本沒有營收來源。但後來發現裝修店舖是種客製化需求，平台不可能為每個賣家客製化店舖門面。這成本太高了。

但如果平台無法一次服務上萬位賣家，又失去平台存在的意義。因此最後淘寶決定僅提供基本功能，並提供一致設計規格。若賣家想要客製化視覺設計，則找別人幫忙。

賣家花錢找設計師獲得美美的店舖門面，吸引更多流量。而設計師從中賺錢。設計師成為早期淘寶上發展出來的第三方角色。

換句話說，身為生態系營運者的平台方，必須知道自己該讓利給哪些第三方服務者，藉此營造出多元化的生態系統。

順著這思維，Uber 這平台的角色數很少，只有乘客跟司機。在沒有演化出多樣化角色前，Uber 平台的底蘊深度其實遠遠不夠。

而去年我在台灣訂閱平台 PressPlay 工作時，也曾堅持不提供客製化視覺服務，僅提供三個視覺設計樣板。我們甚至拒絕願意拿錢請 PressPlay 設計頁面的創作者，請他找第三方設計師合作。

當時我只是模模糊糊認為平台不該賺這筆錢，而要導入外部夥伴。現在看完這位 C-level 演講，才更理解平台模式的運作邏輯。

但理解平台運作模式，不代表就能做出平台。

因為⋯⋯

平台是演化來的，不是設計出來的

前幾年台灣創業圈出現「滿滿的大平台」題目，人人心中都有平台夢。只是所有平台都從解決單點需求開始，而後才逐漸演化成多角色的平台生態系。

Facebook 一開始先滿足學生認識人與課表的需求，然後逐漸演化成人類社交工具，再引入廣告系統。至此，平台生態才逐漸成形。

平台提供支撐整個生態系運作的基礎設施，讓其他角色自由在平台上交易。

這像政府提供水、電與土地等基礎設施，並提出相關管理法則。人民只要不違反管理規則，要如何使用這些基礎設施則是個人自由。因此我們在台北能看到東區夜店、內湖科學園區、西門町次世代文化等多元生態。

而每個區域特色又能為整個城市提升價值，形成生生不息的正向循環。至於生態系會演化成怎樣，平台方僅能規劃方向，但卻無法百分百掌控。

當平台完成時，它便擁有了獨立的性格和生命。

本文由陳廷鴻授權轉載自其Medium。

《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。

（觀點文章呈現多元意見，不代表《數位時代》的立場。）

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。