聯發科蔡力行獲頒交大榮譽博士,張忠謀同台出席讚:當年曾立下大功
聯發科蔡力行獲頒交大榮譽博士,張忠謀同台出席讚:當年曾立下大功

聯發科執行長蔡力行今(2日)獲交通大學頒名譽博士學位。包括蔡明介、宣明智、蔡明介、林百里與林文伯、梁次震等企業大老都到場祝賀。台積電創辦人張忠謀也親自參加典禮。自蔡力行離開台積電後,兩人甚少一起出現在公開場合,是非常難得的畫面。

感恩張忠謀提攜

蔡力行自台積電草創時期,就參與完成多項重大建廠與管理任務,建立複製晶圓廠的模式,對於台灣半導體有很大的貢獻。

典禮上,張忠謀細數蔡力行在台積電的每個職涯轉折與重要貢獻,點點滴滴歷歷在目,猶如昨日。張忠謀感性指出,「蔡力行從台積電僅有兩歲時就從美國回台,歷任多個廠長職務,主持建廠計畫,高居要職,在當時就立下很大的功勞,對台灣的半導體產業有很大的貢獻,名譽博士實至名歸。」

張忠謀
張忠謀說,蔡力行從台積電僅有兩歲時就從美國回台幫忙,對於台灣的半導體產業有很大的貢獻。
圖/ 攝影/侯俊偉

交通大學校長張懋中則指出,「蔡力行畢生致力於推動台灣半導體、IC設計與電信產業升級,投身半導體超過30年,對於促成台灣半導體工業技術開發與創新,並且國際頂尖企業經營管理理念,貢獻巨大。」

1989年蔡力行進入台積電擔任工程師,並歷任重要管理職,包括晶圓廠廠長,營運執行副總經理,全球業務與行銷副總經理,總經理暨營運長。也曾在1998年至2000年間,擔任台積電子公司世界先進總經理,累積多年管理與業務行銷經驗,並於2005年接下台積電總經理暨執行長一職,直到2009年轉任公司新事業體總經理,直至2011年。2011年至2014年擔任台積電全資子公司台積太陽能與台積固態照明的董事長暨執行長。2014年出任中華電信董事長,現任聯發科技執行長。

聯發科雙喜臨門

聯發科近來好消息不斷,可說雙喜臨門。蔡力行30日才剛主持完聯發科第一季法說會,聯發科第一季毛利率40.7%,是三年半以來的新高。第一季的稅後純益 34.16 億元,年成長34.8%成果豐碩。蔡力行也透露,聯發科在5G晶片主要鎖定中高階與應用教為廣泛的Sub-6 GHz頻段。

蔡力行還指出,聯發科今年年底就會推出5G系統單晶(SoC),2020年上半年就會看到內含聯發科5G晶片的手機。

四月底Intel宣布退出5G數據機晶片市場,棄守手機平台。競爭者少了一個,也對聯發科有正面效益。

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