跟格羅方德和解、赴美設廠、自建綠電？台積電3大決策劉德音一次說明白|數位時代 BusinessNext

光速和解為哪樁？說穿了都是客戶導向

針對與格羅方德的和解，外界一直認為作為擁有先進製程如7奈米、5奈米等技術的領先者台積電，為何需要跟已經宣布暫停發展7奈米先進製程的格羅方德達成和解？魏哲家表示，主要還是 站在客戶的角度 去考量。

當初提告的時候，台積電也發出聲明表示，除了捍衛自身的權益外，也是要顧及客戶在5G、AI的發展下依舊能受惠於台積電的先進技術。如今和解，也是搬出客戶考量，魏哲家解釋，由於目前市場上正積極發展5G、人工智慧，台積電擁有全球最先進的技術提供給客戶，跟格羅方德若是在官司上纏訟，可能會帶給客戶在終端產品的發展上造成不便，因此選擇簽下10年專利交互授權的合約。

而這樣是否會對台積電造成「引狼入室」的可能？若未來有一天格羅方德轉賣出去，買主將能使用這些台積電的專利、對台積電造成威脅。

魏哲家表示，專利授權不等於技術授權，格羅方德要先擁有技術生產的本事以後，若有用到台積電的專利，台積電在合約期間將不予以提告；若是轉售賣出了格羅方德，則買主將無權使用台積電的專利，魏哲家強調：「授權但不轉移」！

美國設廠是否成真？「評估中且成本是考量」

至於為何會有台積電到美國設廠一說，主要是因為美國國防部基於對貿易戰的考量，認為目前半導體先進製程的使用，多半非美國本土的業者，或有安全疑慮等因素可能難以掌握，因此外傳與多家業者溝通，其中之一便是台積電。

日前半導體年會上劉德音就親口證實，台積電雖然沒有受到美國國防部的施壓，但是有接受到美國客戶端的反映，美國國防部確實正在關注此事，包括是否能到美國當地生產等。

劉德音表示，到美國設廠還在評估，但「成本」將會是最大的考量。包括設廠在美國會是由誰來買單？而這樣的做法是否真能幫客戶解決美國政府所顧慮的問題？

他認為，就安全疑慮來說，目前台積電已經在與普渡大學（Purdue University）進行合作，正在研發一款可以可以被追蹤的晶片，不管晶片被送到哪邊只要一被開啟，都可遠端掌握；另外，也希望能導入不可被修改的程式，若是有任何人想要修改這個晶片，就會被警告並且通知。劉德音認為，這樣的做法如果真的可行，受惠的將不僅有美國國防部，而是廣大的客戶都可以得到好處。

美國生產？客戶也會在意產品是否具市場競爭力！

他以商業行為的角度來解讀到美國設廠的動作。他表示，對於客戶來說，國防部的業績可能只是他們眾多業績裡面的九牛一毛、千分之一，若為了要滿足美國國防部的需求到當地生產，不僅服務、成本都是挑戰，美國當地技術若無法與市場產品競爭，這些客戶的產品也會喪失市場競爭力，在商言商都是為了更有吸引力的終端產品出發。

所以台積電要做的事情除了持續協助幫其客戶保持市場領先，當然也不排斥幫助客戶達到完成美國國防部的「心願」、至當地設廠的目的，但還需要再多做評估。

不蓋電廠，但將朝百分百綠電使用邁進

美國道瓊永續指數（DJSI）每年都針對關心環境維護的企業有所公布，台積電也是今年的榜上名單。

在第三季法說會上，台積電也有針對綠電的部分進行說明，除表態台積電不缺電、但是缺的是綠電外，如果有任何綠電釋出，台積電都很樂意收購。

日前也傳出台積電將斥資600億元在屏東自建發電廠，今天運動會上兩位雙首長也出面解釋，台積電確實有跟政府合作找土地，並找合作廠商蓋電廠，言下之意 台積電沒有自己蓋電廠的考量 ，但是他們有承諾將會全數收購該電廠所生產的綠電作為使用，並且以「百分百綠電」的目標前進。

但是否能這樣順利，他也補充，要看國內條件的狀況如何進行、以及國內的經濟情形而定。

責任編輯：王郁倫

在 AI 快速進入企業營運核心的時代，數據不再只是被動的分析素材，而是 AI 模型運作與決策優化的重要基礎。

零售品牌積極累積大量第一方數據，例如會員資料、交易紀錄以及線上與線下行為數據，但因這些數據分散於不同系統，缺乏統一的身分識別機制以及明確的元數據（Metadata）定義，導致難以整合與分析，同時，也影響 AI 對這些數據資產的理解與應用。

為解決上述挑戰，Vpon 威朋將累積十餘年的實務經驗轉化為產品與服務，如 Audience Center 與 AI Agent 等解決方案，並透過專業顧問團隊協助企業完成數據收集、清理、整合與分析等關鍵流程，從資料清理到 AI-Ready 再到落地應用，讓行銷與業務團隊能以自然語言將數據查詢與分群受眾逐步自動化，大幅縮短過去仰賴技術與分析團隊溝通需求與開發分析邏輯的時間。

Vpon 助零售業打造 AI-Ready 數據基礎，以 Audience Center 驅動業務商機

如何建立 AI Ready 數據基礎建設？

Vpon 威朋數據科學經理廖宜楷指出，在 AI 驅動的時代，數據的品質決定模型價值。其中四個關鍵分別是：建構標準化的數據採集與處理管線，透過統一的工程規範，確保所有進入系統的數據在格式、維度與質量上具備高度一致性；其次是定義語義清晰的元數據（Metadata）體系，確保數據能夠被 AI 理解與使用，從而產出具備可靠性的產出結果；再來是打破企業內部的「數據孤島」，透過完整整合線上（Web/App）行為與線下（POS/CRM）會員資訊，建構全方位的會員數據輪廓，精準捕捉消費者的跨通路行為軌跡。最後，數據的價值隨時間遞減，AI 的決策品質取決於數據的「新鮮度」，因此，數據的持續更新與自動化維護，不僅能讓企業在動態市場中保持敏銳，還可進一步深化會員輪廓分析的即時性。

舉例來說，在 Vpon 團隊的協助下，台灣百貨零售龍頭透過整合 Web 與 App 行為資料，並將線上與線下數據集中於數據中台進行分析，將傳統耗時數小時的複雜資料庫分析工作縮短至秒級回應，並基於此高效率基礎，進一步開發不同業務主題的預測與分群模型，提升行銷精準度與營運決策的敏捷性。

扎實數據基礎的價值落實：Audience Center 如何賦能企業實現「數據即戰力」？

有了堅實的數據底座後，下一步是透過 Audience Center 將數據資產轉化為商業動能。

廖宜楷指出，在變化快速的零售與數位行銷市場中，速度就是競爭力。然而，仍有許多企業在數據應用上面臨嚴重的溝通與技術斷層。過去，當行銷或業務人員需要數據支持時，通常得花費繁複的內部流程申請需求、討論需求，才會進到後續的資料清理、建模與分析，最後才能得到想要的分析結果或行銷名單。這種以「週」為單位的進程，不僅拖慢了決策效率，更讓企業在競爭激烈的市場中錯失先機。

Audience Center 的核心價值在於徹底翻轉上述流程，將數據處理轉化為數據服務，透過直覺的介面與背後扎實的數據基礎支撐，讓非技術人員不用編寫程式碼，即可自行組合維度，大幅縮短從需求到執行的距離，將原先需要耗時數週的作業流程優化成秒級產出。

「Audience Center 的導入，不僅有助於提升效率，更賦予企業快速試錯與精準捕獲趨勢的能力，讓數據真正成為驅動業務增長的引擎。」廖宜楷如此總結。

以 AI Agent 重塑數據使用方式，讓數據更貼近決策流程

「Vpon 除提供 Audience Center 協助品牌發揮第一方數據資產價值、提供豐沛的第三方數據助品牌深化對客戶輪廓的掌握度，更推出 AI Agent 服務讓品牌與行銷人員能更直覺地使用數據。」Vpon 威朋數據科學資深總監陳文謙表示，在數位轉型的過程中，許多企業面臨的挑戰不僅是數據整合，更包括如何讓不同部門的人員都能更即時協作與應用數據，有鑑於此，Vpon 推出四種 AI Agent 協助企業分析與應用數據，極大化第三方數據成效：

第一，以 Reporting Agent 讓高階主管或行銷人員可以自然語言查詢數據與生成報表，即時掌握市場動態，加速決策下達與決策品質。

第二，透過 Insight Agent 確保數據分析不受分析人員的主觀意識或產業知識侷限，可以輕鬆完成跨領域數據分析、快速挖掘潛在市場機會與消費者洞察。

第三，藉由 Audience Agent 將客戶分群方式從規則導向（Rule-based）轉變為關聯導向，以關聯分析擴大受眾範圍，協助品牌找出更多潛在客群。

第四，推出 Creative Agent 協助行銷人員分析廣告素材表現的根本原因，釐清受眾喜歡的素材跟不喜歡的素材，藉此優化廣告投放內容，持續提升轉換率。

陳文謙表示：「透過 AI Agent 的輔助，品牌不僅能更快完成數據分析，也能將分析結果直接轉化為行銷策略與創意建議，降低跨部門溝通成本，讓數據真正參與決策流程。」

鏈結數據生態夥伴，以跨境數據放大行銷效益

除了協助品牌主建立 AI Ready 的數據基礎環境並提升數據使用效率，Vpon 也持續拓展數據生態圈，協助零售品牌更精準布局海外市場。

Vpon 威朋產品行銷資深經理邱心儒表示，跨境行銷過去多仰賴經驗與市場直覺，但透過數據整合與 AI 分析，品牌能更精準理解海外消費者的旅遊與消費行為。

以 Vpon 與日本 Loyalty Marketing Inc. 合作為例說明，透過雙方的獨家合作，企業可以結合 Ponta 超過一億的會員數據、問卷調查結果以及 Vpon 的七大數據來源，深入分析日本消費者的消費偏好與購買力——包括哪些日本族群對台灣品牌最感興趣、最受歡迎的台灣商品類型，以及不同客群的價格敏感度與回購行為等，將行銷決策從過往的經驗判斷轉變為精準的數據洞察，成為品牌出海的重要工具。

簡言之，對零售品牌而言，跨境數據是理解海外旅客真實樣貌的一大利器，也能進一步優化廣告投放、內容策略與商品布局，讓品牌在拓展國際市場時，可以更有效率地接觸潛在客群，放大行銷效益。

展望未來，Vpon 將持續擴展數據生態圈並優化產品服務，幫助零售品牌從數據整合、AI 分析到市場決策建立完整的數據應用循環，希望以數據夥伴的角色與品牌共同成長，打造互利共贏的數據生態。