疫情年底前若無控制,光寶陳廣中:歐美感恩節恐無法「這麼快樂、大方消費」
疫情年底前若無控制,光寶陳廣中:歐美感恩節恐無法「這麼快樂、大方消費」

光寶董事長宋恭源表示,光寶集團2019年獲利能力大幅提升(編按:創三年來新高),是近年來持續精實聚焦、調整產品組合及提昇營運體質,達成轉型升級的成果。

今年第一季光寶雖受到全球疫情影響,稅後淨利為15.7億元,每股EPS0.68元,年增7%,仍是兩年來同期新高。展望今年營運,宋恭源表示,6月表現比預期好,但下半年展望還不明朗,期望今年光寶能穩定度過。

光寶科技
光寶將高階產品拉回台灣高雄廠製造。
圖/ 光寶科技

總執行長陳廣中補充,依照歷史經驗來看,第三季向來為傳統旺季,但現在因為有疫情干擾,不能期望今年第三季像往年一般旺,不過因為上半年有疫情干擾基期低,下半年工作天數較多,下半年業績仍有機會高於上半年。

從需求來說,各國政府疫後積極衝刺經濟,中國政府積極佈建基礎建設,因此LED不可見光元件、伺服器、5G、AIOT、資料中心等應用,下半年業務面影響較小。筆電方面在上半年拉貨潮後,下半年展望轉趨保守,甚至陳廣中也預警,疫情如果無法控制,原本歷年都有的歐美感恩節拉貨潮,恐怕會因全球失業的人太多,造成消費者今年感恩節、聖誕節無法「這麼快樂、大方消費」。

光寶集團2019年主要營運成長主軸:雲端運算、LED元件、LED車用、戶外照明與5G、人工智慧及物聯網(AIoT)等應用占總營收超過三成,獲利貢獻佔比逾四成。

高雄廠Q2擴產,非中國產能年底直奔2成

疫情及貿易戰也讓光寶加速分散製造基地。光寶目前主要產能地仍在中國,泰國為光寶第二大海外生產基地,非中國產能總計約達15-20%。光寶預估,到今年底非中國產能將拉升至兩成,產品主要供應美國市場需求。

光寶科技
光寶陳廣中表示,第三季沒有過去旺季樂觀,但下半年仍優於上半年。
圖/ 蔡紀眉攝

光寶產能全球化,疫情也讓各據點有不同衝擊,巴西、墨西哥、印度廠此波受到疫情影響,印度現仍處於局部復工,泰國、越南、台灣則仍持續維持生產,其中台灣廠去年超前部署,高雄廠2019年5月量產後,主要生產高階交換式電源及汽車電子,今年第二季又再度擴產,以生產雲端產品為主。

面對今年以來全球經濟諸多不確定性,光寶表示將積極應變、有序復工,機動調度與擴充非中國區產能因應全球客戶需求,包含台灣、泰國、越南、墨西哥、巴西、印度等地,中長期仍持續聚焦於雲端運算帶來的商機,如電源管理系統、伺服器機殼與網通等IoT相關應用,以及光電元件與5G、AIoT等方面的創新應用。

因應全球地緣政治與經濟劇烈變動,光寶近年來積極投資打造智能製造競爭力,包括製造系統自動化及機械手臂等,並且加快推動智能製造、強化全球各生產據點製造平台整合及數位化供應鏈管理能力、整合內部人才及外部夥伴,打造智能製造供應鏈生態系,提升光寶服務全球客戶的核心競爭力,同時,導入流程機器人RPA(Robotic Process Automations),推動全方位數位轉型。

責任編輯:蕭閔云

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