禮物經濟才是創新的泉源
禮物經濟才是創新的泉源
2004.08.01 | 人物

2002年,成功創辦光纖網路公司Syncomore的美國印裔科技大亨德許潘(Gururaj "Desh" Deshpande),有感於美國學術界與產業界需要更進一步的交流對話,用自己與妻子兩人的名義捐給MIT 兩千萬美元,設立德許潘科技創新中心(Deshpande Center for Technological Innovation)。這個中心並不自己從事研發工作,而是協助產業界與學術界串聯起更緊密的關係,讓有潛力的科技研究成果能夠進一步商業化,創造出更多的價值。
這個被MIT人暱稱為「D中心」(D-Center)的單位,成立才2年,卻已經在數個科技領域建立可觀的成果,中心的主任庫尼日前應時代基金會之邀來台訪問,發表德許潘中心的經營成果,並接受《數位時代雙週》的專訪,暢談「跨越創新鴻溝」的祕訣。以下為訪談內容:

**扮演銜接者角色,
把價值鏈串起來

**
Q:MIT已經有許多的研究單位,創業精神也非常濃厚,在這種情況下,還要再成立D-Center的目的是什麼?
A:我們大約在兩年前成立,還是一個很年輕的單位,成立中心的最主要目的,是想要銜接所謂創新的鴻溝(Bridging Innovation Gap),把MIT許多擁有高度潛力的個別研究加以商業化,創造學術界與產業界之間更好的聯繫。我們不自己做研究,但贊助MIT裡頭那些有可能創造破壞性技術(disruptive technologies)的計畫,讓它們能近一步與市場接軌。在MIT,每年有高達7億美元經費贊助的研究計畫在進行,我們是在這個基礎之上利用MIT的優勢進行延伸性(extensive)的研究案補助,讓科技進一步成為能夠運用在商業界;我們的經費不會用來贊助新公司成立、也不贊助長期的基礎研究,而是擔任銜接者的角色。
在初期,我們把重點放在所謂的4O上面,包括資訊科技(Info)、生物科技(BIO)、環境科技(Enviro)與鉅觀科學(Macro)。我們並沒有許多雇員,初期的捐贈經費也只有兩千萬美元,所以我們廣泛利用MIT其他單位的資源,除了各個教學單位和技術研究中心,還包括史隆管理學院的師生;在MIT的校友網路之外,我們也把波士頓地區和東岸的創投界、產業界資源引進來。我們的最大優勢就是網路──和別人交談、傾聽別人的聲音、並且讓原本不可能交談的人產生深度互動,把價值鏈串聯起來,讓原本就有基礎的學術成果,產生更大的效益。

Q:你們是否把自己定位為學術界與產業界的溝通中介(communication media)?
A:我們溝通,但是做的工作不只是溝通,而是把價值串聯起來,讓許多仍在市場化早期的技術開發計畫,能有更準確的方向。學術界的人有自己的規範,自己的語言,自己的價值體系和世界觀,因為不必去理會產業界的聲音,所以也不太清楚自己的技術在現實商業世界裡具備怎麼樣的地位。我們把產業界的人帶進來,讓他們告訴學術界的研究者,真實世界到底在乎哪些事情,哪些才是「真正的問題」。這種互動非常有價值,它會改變許多事情。
舉例來說,我們在機械工程系的一位同事哈特(Douglas Hart),他擁有一項影像處理技術,原本只是研究案的成果,可以把照相機、顯微鏡或者內視鏡補抓到的2D影像轉化為3D影像。
我們把產業界跟創業界的人找來,結果是他們告訴我們這個技術具備多大的商業價值,可以運用在多麼廣泛的領域上──醫療設備、工業檢驗、臉部辨識儀器甚至數位娛樂上面,原來我們坐在非常寶貴的黃金上這麼久還不知道!這種互動已經不只是單純的溝通,而是具備深度的互相理解、對話,找出技術發展的方向,就能創造更大的價值。

**活用志願者精神,
架構出人脈網路

**
Q:透過這樣的模式,你們是否希望學術界的人改變原來的運作模式?
A:有些人並不想改變,而或許他們也不該改變;學術界還是必須在乎自己的準則與紀律,科學研究還是該遵照該有的規範,我們並不想改變這些事情。我並不認為所有的學術界人士都應該往產業界發展,如果真是那樣,那我們的基礎科學將會失血,這並非是好事;我們只是讓願意對話的人能更好的發生互動關係,在既有的研究之外,產生新的價值。
這是為什麼我們把產業界跟創投界的朋友稱為催化劑(Catalyst)的緣故,加入一些新的要素,就能產生不同的化學反應。我們的目的是降低創新的風險,繼而促成更多的創新。沒錯,創新需要冒險、需要作其他人沒有作過的事情;但另一方面,科技創新想要有很好的結果,往往需要來自資深業界人士的建議,他們可以導引技術人員方向、縮短他們摸索的時間。沒有這樣的導引,學術界的人想要把自己的研究成果商業化,風險一定很大;但經過這樣的導引,在商業化的初期通常就會看到可觀的成果,這也讓在早期就參與互動的創投業者更有信心,願意在一段時間後就贊助新公司成立,因為其實他們早就做完實地勘查(due diligence)的工作了。

Q:很多人都理解要讓學術界與產業界互動,才會帶來更豐碩的成果,但是D中心在這點上似乎非常成功。你們的祕訣是?
A:志願精神(Volunteer Spirit)絕對是關鍵,不要去強迫任何人。有許許多多的產業界人士願意貢獻他們的資源給我們,我們必須了解,一個資深的創投業者,他的時間其實比他的錢更有價值,因為那是更稀少的資源。而我們讓許多重量級角色的人,願意一個月花一天的時間跟我們在一起,他們其實根本不需要這樣做,因為我們並沒有給他們錢,也沒有承諾什麼特別的好處,但是他們非常樂意來當義工,跟學校裡面的研究人員分享他們的經驗和見解,這真是最有價值的東西了!他們幫我們評估各種提案,花時間跟計畫主持人聊天,幫我們引薦各種產業界的資源,甚至提供資金給具備潛力計畫案成立公司,一切都是出於志願精神,這也是人脈網路的一個特色。
我們的重要工作就是創造毫無拘束、非常自在的對話環境,讓這些因素能夠自然互動,產生結果。所以好的食物跟飲料對我們非常重要(笑)!我們花了一些錢在這上面,你可以說我們常常在辦Party,那是讓人與人關係變得更緊密的好方法,會有更多很棒的創意,在這樣的情況下誕生。如果每個產業界的人跟我們談話,都要跟我們收顧問費,我想不會有那麼多自然的互動產生,D中心也不會有那麼快的進展。

**給的多得到的也多,
創新就綿延不絕

**
Q:這樣的互動需要很多人嗎?另一方面,怎麼去避免搭便車(free rider)的問題──因為沒有特別的約束,會不會有人一開始沒有投入資源,到頭來卻想要占到好處?
A:我們花了一些時間建立一些規則(Guideline),讓前來參加活動的產業界人士,知道且願意遵守這樣的規矩。這些貢獻時間與精力的創投業者,他們並沒有所謂的優先特權可以獲得某些科技,但他們知道,只要他們給出更多的時間、和研究人員建立更深入的關係,他們就可以獲得更好的信任,當未來他們想要投資時,他們自然就會處在更好的位階之上。我認為無形的文化才是關鍵,而非強制性的規範,在這種環境下,你給的越多、得到的回饋也越多,這有點像所謂的禮物經濟(gift economy),這種知識與見解分享的正向循環,才是創新能夠綿延不絕的泉源。
在我們的網路中,核心的產業界人士大約有30到40人,屬於相當活躍的一群,有創投業者,當然也有許多創業家,他們了解企業的運作是怎麼一回事,但同時也具備高度的創新跟創業精神,就是因為具備這樣的特質,他們能夠與研究人員互動,而不是像許多大企業的經理人,這其中的文化是完全不同的。而大約總共有300~400個產業界的人,是我們會去接觸的,但我們並不想那麼多人同時都來跟我們互動,把人數控制在一定的數量還是必要的,而核心網路活躍份子所貢獻的價值,其實是最高的,我想這可能是許多群體都會具備的特徵。

Q:你是否會期待D中心大幅改變MIT的創新風氣,創造更多的新公司?台灣有非常多的大學成立育成中心,但是成績好像並不理想,你有什麼建議嗎?
A:其實在D中心成立之前,MIT的創業風氣就很盛行了,在東岸我們是以生產創業家而著名的,每年大約會有20~25家的新公司成立;D中心的經費就來自印度裔的創業家,本來就與MIT有密切的關係。我們是在這樣的基礎上繼續發展的,當然我們希望帶動更多的創新,但是沒有MIT既有的基礎和廣泛的網絡,以我們的有限經費來看,很難想像能在兩年內出現這麼多的成果。
我們其實還是一個正在進行中的創新實驗,其實D中心就是創業精神的某種實踐。如果我們再進行一段時間,應當會有更豐碩的成績,也會更有心得,到時候非常樂於和外界分享我們的成功秘訣。正如我之前提到的,有時候錢並不是成功或失敗的關鍵,也不是設立一個單位,就能自動把學術界的資源商業化;勇於創新的文化氛圍跟有創意的人際互動活動,加上能不斷正向回饋的創新網路,才是我們在意的事情。

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
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」(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。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

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。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

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。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂Vibe Coding
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓