折疊機Galaxy Fold倉促問世大出包，三星執行長坦承「真的很丟臉」|數位時代 BusinessNext

折疊機Galaxy Fold倉促問世大出包，三星執行長坦承「真的很丟臉」

自宣佈推延上市至今，Galaxy Fold已經3個月沒有任何消息。三星執行長在近期舉辦的記者會上，坦承Galaxy Fold的發布操之過急，請大家再給他們一點時間。

沒準備好就倉促推出，三星坦承非常丟臉

Galaxy Fold預定售價高達2千美元（逾新台幣6萬元），傳出故障後，與其昂貴身價不符的脆弱程度，也立即成為各大媒體揶揄的對象，和過去Google Glass慘敗後的遭遇十分雷同。

去年11月，三星率先揭露Galaxy Fold的消息，成為折疊手機的領頭羊。隨後華為、小米也競相發表了自家的折疊手機，絲毫不落三星腳步。近期華為更超越蘋果成為全球第二大手機廠商，其Mate X被視為Galaxy Fold的頭號競爭者。

或許是被迎頭趕上的焦慮，促使三星匆忙在4月搶先推出Galaxy Fold。高東真坦承，他們對這起失誤責無旁貸，現在正努力進行搶修。他提到，三星針對2千台Galaxy Fold進行了各項測試，目前已確定所有問題。

有了三星的前車之鑑，華為也宣佈推延Mate X的上市日期。不過相比於遙遙無期的Galaxy Fold，華為高層彭博（Vincent Pang）前陣子受訪時保證，Mate X會在9月或這之前問市。

智慧型手機發展已到極限，三星看好折疊手機再度突破

三星全球行銷策略負責人史蒂芬妮·崔（Stephanie Choi）認為，Galaxy Fold滑鐵盧不能只歸咎於高東真的躁進，這是近25年來公司文化所釀成的問題。三星的一個企業精神口號是「改變一切（change everything）」，正是這點帶領年過半百的老企業進軍手機業務，造就如今的版圖。

而另一句口號則是「做你所不能（do what you can’t）」。這個精神理念持續推動研發團隊，創造出許多顛覆性的產品。近20多年來，三星每年投入15%預算做研發，不斷追求創新與技術突破。但過程中必然會遇上一些失敗，而Galaxy Fold就是其中一個例子。

三星上一次召回手機是2016年的Note 7電池爆炸事故。慶幸的是，與Note 7相比，Galaxy Fold的挫折顯然只是小巫見大巫，不僅尚未正式發售回收容易、也沒有任何人因此受傷。

雖然情節相對輕微，但三星並未輕忽這次事件的影響。三星相信，智慧型手機的發展已經到達極限，很快地，折疊手機將接過傳統手機的棒子，成為下一代智慧型手機的雛型。而Galaxy Fold的失誤，可能令三星面臨錯失搶佔未來手機市場的風險。

且放眼更遠的未來，當科技轉向手機外的載體，一款新興的智慧設備時，在折疊手機上累積的技術，也將成為過渡時的橋樑，是開發可彎曲螢幕產品的基礎。

自全面召回測試機以來，三星始終未透露Galaxy Fold正式上市日期。6月底時，更傳出三星已在開發Galaxy Fold 2的消息，而新一代手機也將採取與現有版本不一樣的上下折疊設計，類似傳統的掀蓋手機，也引發各界對於三星是否已經放棄Galaxy Fold的猜測。

雖然依舊不願明說具體時間，但高東真透露，Galaxy Fold上市只是時間問題，意思是事件並不像外界猜測的那麼嚴重，更沒有永遠不會上市的疑慮。「合適的時候（就會推出）。」高東真表示，「請給我們一些時間。」

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。