台灣供應鏈出擊，可成吃下矽谷新創Magic Leap One MR眼鏡訂單|數位時代 BusinessNext

台灣供應鏈出擊，可成吃下矽谷新創Magic Leap One MR眼鏡訂單

獲阿里巴巴及Google投資的新創Magic Leap正式量產MR眼鏡Magic Leap One，台灣金屬機殼大廠可成是主力供應商，而可成佈局智慧穿戴裝置市場隨著展現成績，老董看好2019年爆發力。

2019年穿戴成長最高

可成董事長洪水樹在7日法人說明會中表示，「穿戴裝置市場現在規模小，但以成長幅度來說會是明年最大的項目。」他解釋，理想的穿戴裝置現在還不多，預期2019年會有功能更多跟價格更吸引客戶的產品出現，而可成若產能足夠，也期望增加新穿戴品牌客戶。

可成副總經理巫俊毅對穿戴裝置業務看法也十分樂觀，他表示，今年新客戶推出新品，由於摒除有線、龐大主機串連，可以隨身攜帶，樂觀看好會成為新市場領域熱門產品。看好前景，可成新增新產品線，今年營收貢獻仍低，但希望未來有所發展。

否認砍單：iPhone XR訂單目前沒變化

可成是iPhone XR機殼關鍵供應商，對於市場不斷傳言蘋果砍單下修採購量，洪水樹則在法說會上並未證實，他指出，今年主力產品延後一個月上市，客戶新品10月26日開賣，新品才剛販售，可成10月營收已經創下128.44億元單月新高，他直言「這是好的開始」。

而對砍單傳言，洪水樹說，市場雜音是很多，可成也在密切觀察後續供需變化，但「目前為止沒有看到訂單變化」，但也不排除市場未來出現變動，可能對公司帶來影響。

事實上，可成今年前3季獲利已經追平去年一整年成績，洪水樹說，今年三大主力產品線手機、平板、筆電業績都成長，手機成長顯著，顯示對客戶的出貨佔比增加，而一體成型金屬機殼筆電滲透率也提高，使機殼單價向上成長，平板類營收也是優於去年，可成更看好未來兩年筆電需求會越來越多。

而市場期待可成從鋁一體成型邊框跨入iPhone不鏽鋼邊框供應鏈，對此洪水樹語帶保留，似乎顯示目前尚未有具體能見度。洪水樹說，不鏽鋼機殼對產業是良性，因為客戶用的規格向上，價值也會提升，對這類需求樂觀其成，可成對客戶供貨策略一向是求「穩紮穩打」，比方先切入一個機種，擴大交貨數量及供貨佔比後，才會再切入第二個產品。

5G手機帶動機殼需求

洪水樹說，可成能否切入不鏽鋼金屬機殼供應鏈，是由客戶決定，目前無法透露，但可成早已做好準備等待時機，尤其可成10年來就接過不鏽鋼大量機種訂單，現在量產也不會有太大問題。

對明年營運展望，洪水樹說，可成新增穿戴裝置、手機、平板、筆電四大產品線後，以機構業者而言，可成佈局最完整，也會是未來主要成長動能。

對於中美貿易戰，可成是否會在中國以外地區建廠？可成則表示，目前在台灣也有相當大產能，未來也會增加兩地生產量，但這牽涉到供應鏈及客戶動向。

市場也關注2020年iPhone將推5G版本，可成的投資準備度，對此洪水樹說，5G需求對機殼業而言會帶來挑戰跟新機會，因為5G通訊熱的問題大，天線穿透的面積也需要更大，這都是挑戰也是機會，由於牽涉新材料的開發與結合，可成必須把散熱材料機構件建立當機殼上，未來5G產品除機殼的強度、硬度及外觀要求，還要增加天線穿透能力，這將帶來很多機會，可成內部也有很多新東西在試做中。

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。