不擔心Gogoro聯盟大軍！光陽進攻印度市場，眼中看見什麼機會？|數位時代 BusinessNext

Ionex推出七個月，面臨最大瓶頸是產能

他直言，Gogoro在市場的銷售數字好，是有所本的「事實」，不過光陽推出Ionex的目的，是要做「能賺錢」的解決方案；當中挑戰在於，目前沒人能做到這件事，大家都需要不斷燒錢。他說，光陽正式推出Ionex的時間，其實只有七個多月，目前最大的瓶頸，反而是要克服產能趕不上需求的情況。

「台灣是KYMCO的主場，當然很重要，可是全球機車市場有99%都在海外，有更多機會等著我們。」柯勝峯表示，台灣燃油機車年銷量約70萬輛，大約是全球市場的百分之一，像是印度每年能賣2千萬台燃油機車，可是市場上，並沒有電動機車龍頭出現，這就會是光陽的切入機會。

搶印度市場，目標三年賣50萬輛

他分析印度機車市場，情況和台灣一樣，有幾間大廠瓜分市占率，像是Hero、HONDA、TVS、Bajaj等，每一間都是年銷量百萬等級的車廠；龍頭業者Hero甚至有單月熱銷百萬輛，年賺百億的實力。不過，正因為單賣燃油機車就很賺，這些大廠投入電動機車的意願並不高，頂多是旗下一間子公司專攻高端市場，銷量非常低。

另一方面，印度政府宣布2030年禁售燃油機車，反而讓當地新創公司看到機會，陸續以新型態設計，推出能符合當地需求的概念產品出現。像是光陽相中的22 Motors，更決定掏出新台幣20億投資這家新創，成為台灣機車品牌的重要夥伴。

「光陽自己落地，至少需要三年時間。」柯勝峯強調，印度一年能賣2千萬輛的燃油機車，是個人人想搶的大市場，可是，若要跟本土大牌子競爭，光陽的資本也不算雄厚，加上當地法規複雜，所有機車零件都需要在地認證，組裝好的整車也需要認證，因此找尋優秀的合作夥伴，才是最有效率的落地方式。

柯勝峯說，光陽和22Motors會成立在地品牌「22 KYMCO」，預計2019上半年發表第一款導入Ionex車能網的產品Flow scooter，售價7萬4千盧比（約新台幣31,144元），將來所有電動機車，都會以新品牌的名義導入，並在各大城市設旗艦店，打品牌戰。而三年內投入的20億資金，部分會用在建立當地工廠，同時生產電動機車與燃油機車，未來也會以KYMCO名義在印度引進燃油機車。

他表示，印度將是繼中國、越南之外，光陽重要的外銷生產基地，光陽除了重視台灣主場，也期待在全球客場作戰，搶下好成績，目標是在三年內銷售50萬輛。

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。