東京證交所2022年重整，助新創加速IPO！140年來的最大異動、影響一次看懂|數位時代 BusinessNext

東京證交所2022年重整，助新創加速IPO！140年來的最大異動、影響一次看懂

東京證券交易所礙於現行市場區分不明確、缺少代表性指標等因素，將於2022年4月4日進行再編，整合為新的三個市場，此舉也將為日本上市公司帶來重大變化。

市場區分不明確、無關鍵指標是變更主因

現行於東證一部上市的公司主要特徵為股票於市場流動性較高，東證二部則是具有相當實績的企業，不過財務狀況出現問題的東證一部公司也可能被轉至東證二部。而JASDAQ市場則成立於1963年，原始以支援新興企業、中小企業成長為主，可在各證券市場店頭買賣市場，又分為有一定事業規模和實績的Stander市場及持有特殊技術或經營模式成長性高的Growth市場。然而，1999年東證為了高度成長可能性的新興企業又成立了Mothers市場，使得市場區分越來越不明確。

東證進行改變的原因主要為， 現行市場區分的要件不明確、上市公司對於持續提升企業價值努力仍有不足、尚無具投資機能性及市場代表性的指標指數 等。而此次的變更也是希望獲得更多國內外投資者支持，提供更具魅力的證券市場。

此外，也有評論者認為原在Mothers市場的公司移轉至東證一部上市的情況越來越多，然而在東證一部上市後即使時價流通總額降低，現行的下市機制或轉至東證二部的基準也不高，使得上市公司們沒有過多的壓力，進而造成市場品質參差不全。

市價總額、流動性及公司治理等定量指標將成為新基準

異動後的三個市場指標中，Prime市場為 多數機構投資者可能投資的公司，具流動性高的特質 ，其股份流通總額須超過100億日圓以上且流通比率需達35％，並須具有高度的公司治理水準；而於Stander市場上市的公司則須 具一定的流通性且有一般公司治理水準 ；Growth則適合 具高度成長性，但必須適時開示經營風險的公司 。

如此變更後預計在Prime市場的上市公司將被要求有更高水平的經營水準，而對新創企業而言，較適用的Growth市場則是比過往Mothers市場在股東總數的要求及流通股數基準等較為緩和，並廢除時價總額基準，使得上市更為容易。不過，要從Growth市場移轉至Prime市場要件則較過往更為嚴格，除了必須滿足Prime市場上市要件外，還必須達到近2年經常利益合計超過25億日圓或營業額超過100億日圓以上及時價總額為1,000億日圓以上等。 預計此項變更將使得停留在Growth市場上市的企業變多，迫使企業維持高度成長 。

為滿足新市場區分，企業開始積極作為

根據日本大型證券商統計，滿足新流通時價總額基準的現行東證一部上市企業只有約近3成（約600家），滿足新基準流通股票比率的只有1成（約200家），市場上已經有許多企業積極地透過企業買收等方式，以滿足新基準持續在新Prime市場繼續上市。

而過往在集團企業間盛行的相互持股未滿10%的情況，過往仍被列為流通股票，但在本次的調整中則會被算入非流通股票，預計將造成集團企業間政策性持股有賣出壓力。

事實上，配合本次的重要變更，東京證券、金融廳及學界等共同制定的公司治理基準方針也將於2021年6月進行3年一次的改版，更加強了董事會機能的發揮、企業重要人才的多樣性確保及永續經營的議題，企圖透過屬於軟性法規的上市相關規則強化公司治理機能，以期與國際接軌。

現在上市中的企業將以2021年6月末為計算基準日，並自2021年9月1日起至12月30日分別向東證進行申請欲移轉的新區分市場，預計於2022年4月4日移轉完畢。

責任編輯：文潔琳、錢玉紘

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。