為什麼疫苗買不到?政府錯在哪?了解過去一年國際各國在疫苗開發與採購上的困境
為什麼疫苗買不到?政府錯在哪?了解過去一年國際各國在疫苗開發與採購上的困境

疫苗採購這議題能吵到這種地步也是令人吃驚,一堆人好像都上禮拜才開始了解全球疫苗的產能與配送狀況及各國採購情況,在一知半解的情況下就開始砲轟政府,要批評政府當然沒問題,但要確定問題點到底在哪裡,而不是靠自己腦補的資訊與邏輯去罵,這樣批評與反駁方只會互相鬼打牆,對於釐清問題一點幫助也沒有,更遑論去解決問題。

剛好從去年疫情爆發開始就有固定在關注疫苗發展進程,幫大家回顧一下過去一年疫苗發展的歷程,至於在這樣的背景下台灣做得好不好,自己判斷吧。

去年歐美疫情爆發後,美國、歐盟、英國等先進國家政府都投入大筆預算給藥廠發展疫苗,並協助藥廠擴充產能,因這些國家都有共識以當時的情況幾乎不可能靠任何限制措施來有效控制病毒的擴散,只有大量施打疫苗達成群體免疫才能真正的對抗疫情,其中又以美國的operation warp speed最積極,一出手就是180億美元。美國、歐盟、英國等先進國家當時與有實力開發疫苗的廠商簽訂雙邊合約,用提前預購的方式來為藥商提供經費,優點就是疫苗成功可以優先使用,但相對的疫苗失敗錢就等於丟水裡了。

當時最被寄予厚望的不是現在大放異彩的輝瑞/BioNTech(Pfizer/BioNTech,指的是德國生技公司BioNTech與美國輝瑞藥廠合作研發的疫苗)的BNT162b2或莫德納(Moderna)的mRNA-1273這兩款疫苗,而是牛津大學與AstraZeneca合作開發的AZD1222(俗稱AZ疫苗)。

疫苗_shutterstock_1852683142.jpg
莫德納疫苗mRNA技術,不確定性高、開發成本昂貴。
圖/ ShutterStock

mRNA技術在這次疫情才第一次被用來做疫苗開發,不確定性很高,製造成本昂貴,再加上mRNA非常不穩定,對運輸跟儲存的要求非常高。而Oxford/AstraZeneca疫苗(AZ疫苗)採用的腺病毒載體技術相對成熟,製造成本低廉,對運輸跟儲存環境的要求也沒那麼高,當然更受偏愛。

但去年11月中Phase III數據出來後兩款mRNA疫苗跟AstraZeneca疫苗黃金交叉,臨床實驗數據顯示兩款mRNA疫苗保護力更強,還可以快速針對變種病毒做調整,超乎大家的預期(可以看莫德納跟AstraZeneca的股價走勢對比,莫德納到Phase III數據出來後才開始暴漲)。

之後疫苗開始進入量產並配送,這時候mRNA疫苗易於量產的優勢開始嶄露,配合operation warp speed的支持產能一路暴衝,3月的時候兩家藥廠就蠻有信心可以在上半年完成各自對美國政府2億劑疫苗的出貨,而AstraZeneca歐洲產能出包,原本預計在第一季交貨9,000萬劑疫苗給歐盟,結果最後只出貨了3,000萬劑,歐盟跟英國還就這事吵了起來,叫英國要分享不要自己先用,歐盟甚至直接禁止歐盟生產的疫苗出口。

AstraZeneca
AstraZeneca歐洲產能出包,原本預計在第一季交貨9,000萬劑疫苗給歐盟,最後只交了3,000萬劑。
圖/ AstraZeneca

結果就是,美國跟英國施打進度順利,歐盟問題連連。同時,AstraZeneca疫苗出現血栓疑慮,雖然只是零星個案,但也增加對此疫苗的安全顧慮,很多國家暫緩AstraZeneca疫苗的施打,或只開放給老年人施打,因血栓案例主要發生在年輕人身上。

同時在另一個角落,以色列正開始大規模接種Pfizer/BNT疫苗(俗稱輝瑞疫苗),二月初就有將近3成的國民完成第一劑接種。以色列在Pfizer/BNT疫苗三期中期報告快出來前才與輝瑞(Pfizer)簽訂供貨合約,但透過提出誘人但條件讓Pfizer優先出貨給以色列,包括承諾快速施打及協助蒐集數據為條件,大幅提高採購單價,並免除疫苗相關的法律責任,以色列開始大規模接種後,並沒有出現嚴重副作用,也證實群體免疫能讓疫情得到良好控制,死亡率與重症率大幅下降,經濟重啟,讓大家對輝瑞-BNT(Pfizer/BNT)疫苗更有信心。

AstraZeneca產能出包且有安全疑慮,而輝瑞-BNT(Pfizer/BNT)表現出色,有錢買得起輝瑞-BNT(Pfizer/BNT)疫苗的國家就開始搶輝瑞-BNT(Pfizer/BNT)的產能了,免得自己到年底都沒疫苗打。只是輝瑞-BNT(Pfizer/BNT)的產能都被買光了,至少都要等到5、6月歐美打得差不多後才能出貨。今年輝瑞-BNT(Pfizer/BNT)疫苗能出貨30億劑(如公司承諾),而AstraZeneca目前趨勢看來只能完成15億劑的出貨(公司宣稱能出貨30億劑)。

AstraZeneca雖然實際產能遠不如預期,但起碼還是有持續完成疫苗供貨,公司也簽了很多外包合約,印度SII是主要用來交貨COVAX的主力(沒錯,印度也在搞疫苗外交),結果印度前陣子又爆了,疫苗沒辦法出口,又引起了新一波的疫苗採購潮,這時候莫德納(Moderna)在美國也證明了自己,更多國家購買莫德納的疫苗。

回到台灣這邊,台灣第一批採購合約是跟COVAX簽的,於去年9月加入COVAX並在10月初付訂金,採購量476萬劑,當時的時間點疫苗的研發進度還不明朗,在沒有要採用砸大錢分散風險的策略下選擇先跟COVAX簽約確保一線抗疫人員的疫苗供給相當合理(你多買COVAX也不會先給你,COVAX要確保參與國家第一線抗疫人員都盡早獲得疫苗)。之後11月跟AstraZeneca完成1000萬劑疫苗的簽約,這應該是三期中期數據公布前就已經開始談的合約,那個時間點AstraZeneca的疫苗看起來確實是最好的選擇。

然後就出現BNT疫苗採購的問題,衛福部採購團隊11月開始了解疫苗的技術細節,應該等到之後數據出來決定採購,並在12月底完成簽約準備,但到1月BNT更改決定暫緩簽約。11月時衛福部購買Pfizer/BNT疫苗的意願跟優先度應該是大於Moderna疫苗的。12底的新聞又透漏台灣已經購買了約2000萬劑疫苗,476萬劑來自COVAX,1000萬劑來自AstraZeneca,500萬劑洽談中暫不公布,之後也證實當時不公布的500萬劑疫苗指的就是Pfizer/BNT疫苗,然後就是今年2月公布購買Moderna疫苗505萬劑了。之後就一路快進到本月跟高端疫苗簽下500萬劑購買合約加500萬劑開口合約。

所以對比起來,台灣買疫苗策略就跟大部分不想砸大錢亂買的國家一樣,先加入COVAX,再買AstraZeneca,然後等mRNA疫苗測試結果出來再買mRNA疫苗,但想買表現得到更好證實的BNT疫苗時不成功。如果今年1月順利跟BNT完成簽約,而且2月數據更完整後有可以進一步加購的選項,或許就不會走到今天這一步了。

寫文至此,大概梳理出台灣疫苗採購策略的問題。問題其實很單純,即在2月跟3月時在買不到BNT疫苗跟知道AstraZeneca產能有問題的前提下,為什麼沒有加買Moderna疫苗做保險?或許當時國產疫苗廠商給出很多樂觀的消息,高端也掛保證今年出貨1000萬劑沒有問題,反正都是等,那就等國產疫苗出來吧。但另外的問題就是,這樣會不會過度押注國產疫苗的成功,畢竟Phase II數據都還沒公佈,變數相當大,怎麼不先確保今年能夠大致施打?

看到最後,希望讀者對政府疫苗採購策略有了較完整的看法。我認為,政府的採購策略肯定有需要檢討的地方,但在切入問題時得先了解問題為何,討論起來才會聚焦,而不是無的放矢。政策議題應該是越辯越明,而不是互抹泥巴。

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場)

責任編輯:蕭閔云

往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

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
一次搞懂工業AI
© 2026 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